【Skill 创作】我做了一个从会议逐字稿自动提取待办任务的 Skill
1、Skill 简介
meeting-task-extractor（会议任务提取器）
这是一个帮助团队快速从会议逐字稿中提取待办任务并生成 Excel 表格的 Skill，适合需要频繁开会、会后要整理任务清单的同学使用。
输入一段会议逐字稿（含姓名+时间戳的对话格式），Agent 会自动识别任务描述、负责人、截止日期、优先级，直接输出一张结构化的 Excel 任务表。全程本地运行，无需云端 API。
2、使用场景
为什么想做它？
团队每天开各种会——站会、需求评审、技术讨论，会后经常要手动整理待办。领导问"这个会结论是什么"，翻聊天记录翻半天。
之前遇到的麻烦：
- 逐字稿写了没人看，白录了
- 口语化对话太难提取——"你这边帮我们搞一下后台"这种话，正则根本抓不住
- 手动整理效率低，还容易漏任务
做出来之后能省掉哪些动作：
省掉"会后翻记录 + 手动抄任务 + 发通知"这三步。直接把逐字稿丢给 Agent，几秒钟出 Excel，转发给团队就行。
3、创作过程
整个 Skill 的开发经历了从"复杂方案"到"精简架构"的演进，踩了不少坑，分享给大家。
第一版：错误的架构
最初设计是在 Python 脚本里调一个本地模型来提取任务：
Agent → Skill → Python脚本 → 调用本地模型(未实现) → 失败 ❌问题很明显：
- 脚本里的
_call_model()是空壳，OpenVINO 和 Ollama 实现都是 TODO - 架构混乱，Skill 里又调模型，职责不清
第二版：正确的架构
重新思考后，明确了职责分离：
Agent 分析语义 → 输出 JSON → Python 脚本生成 Excel → Excel 文件 ✅核心思路：Agent 负责思考（理解口语化对话），Python 脚本只负责执行（JSON→Excel）。
关键 Prompt 设计
36B 小模型对纯描述性指令遵循度有限，必须用「规则 + 示例」的 Prompt 结构：
角色设定 → 提取规则表格 → JSON schema → 完整输入输出示例 → 待处理文本关键点：
- few-shot 示例必加：没有示例，小模型输出不稳定，经常字段缺失或格式错乱
- temperature 调到 0.1：结构化输出任务，减少随机性比什么都重要
- 5 级 JSON 容错解析：小模型输出可能带 markdown 代码块、尾部逗号、单引号，不能假设完美 JSON
5 级容错策略：
| 优先级 | 策略 | 处理场景 |
|---|---|---|
| 1 | 直接解析 | 模型输出纯 JSON |
| 2 | 提取代码块 | 输出含 ```json``` |
| 3 | 括号匹配 | JSON 前后有解释文字 |
| 4 | 格式修复 | 尾部逗号、单引号 |
| 5 | 逐行扫描 | JSON 被文字打断 |
输入格式自动检测
通过正则检测前 20 行，如果匹配 姓名(时间戳): 格式的行数 ≥ 30%，判定为逐字稿，走 Agent 语义提取路径；否则走结构化纪要的规则提取路径。
4、使用步骤
前提条件
- opencode 平台已配置好
- 安装了 Python 3.8+
步骤
Step 1：加载 Skill
在 opencode 中输入或调用 meeting-task-extractor Skill，系统会自动加载。
Step 2：提供会议文件
直接告诉 Agent 你的会议文件路径：
请提取这个会议的待办任务：/path/to/会议逐字稿.txtStep 3：Agent 分析并生成任务列表
Agent 会自动读取文件、识别逐字稿格式、提取任务，输出 JSON 格式的任务列表。
Step 4：生成 Excel
Agent 自动调用 Python 脚本，一行命令生成 Excel：
python3 scripts/main.py --tasks-file tasks.json --title "项目评审会" --participants "张三,李四"不指定 --output 时，默认生成到当前工作目录（./会议任务.xlsx）。
5、效果展示
输入（逐字稿片段）
aa(00:18:34): 你这边可能是帮我们去攻克一下后台那些难题，然后前端可能是bb带着dd一起搞一下。
cc(00:18:42): 那还好，因为我确实前端不大行，我后端可以配合一下。
dd(00:19:36): 那行，我到时候去细化一下，至少中午之前出版结构。Agent 提取结果（JSON）
[
{
"id": "T001",
"description": "攻克后台技术难题",
"assignee": "cc",
"deadline": null,
"priority": "medium",
"status": "pending",
"notes": "cc确认后端配合"
},
{
"id": "T002",
"description": "前端功能开发",
"assignee": "cc、dd",
"deadline": null,
"priority": "medium",
"status": "pending",
"notes": "cc带领dd一起完成"
},
{
"id": "T003",
"description": "细化平台功能结构并发布",
"assignee": "bb",
"deadline": "2024-01-15",
"priority": "high",
"status": "pending",
"notes": "领导看得急，中午前出版本结构"
}
]输出 Excel
生成的 Excel 包含完整的任务表，带负责人、截止日期、优先级等字段，直接可以发团队使用。
6、Skill 链接
- 魔搭 Skills 中心：ModelScope - Skills 技能中心（搜索
meeting-task-extractor或标签AIPC） - Skill 详情：meeting-task-extractor
- 适配过程文档：详细记录了 10 个问题及解决方案，适合想学习 Skill 开发的同学参考
7、总结与思考
收获
- 小模型不是能力不足，是引导不够：36B 模型的推理质量完全够用，关键在于 Prompt 结构要清晰——规则 + 示例 + 格式三段式，比纯描述性指令效果好太多。
- 架构比代码重要：第一版把 AI 调用塞进 Python 脚本，直接跑不通。第二版明确了"Agent 思考，工具执行"的职责分离，代码量反而少了，效果反而好了。
- JSON 解析必须有容错：小模型输出格式不稳定是常态，不能假设返回完美 JSON。5 级容错策略基本覆盖了所有情况。
目前最满意的地方
自动识别输入格式：逐字稿和结构化纪要走不同路径，用户不需要告诉 Agent "这是什么格式"，Agent 自己判断。
后续优化方向
- 支持更多输入格式：比如 Word、PDF 文档，直接提取文本内容
- 任务去重和合并：同一任务在会议中被多次提及，需要智能去重
- 输出 Markdown 格式：除了 Excel，还可以直接输出 Markdown 任务清单，方便粘贴到飞书/钉钉
希望得到的建议
- 你在处理会议记录时有什么痛点？
- 你希望这个 Skill 还能提取什么信息？（比如决策事项、风险点？）
欢迎在评论区交流，也欢迎试用后反馈问题！