OpenClawQwen3-4B极简办公飞书机器人自动生成会议纪要1. 为什么需要自动化会议纪要每次开完会最痛苦的事情是什么对我来说就是整理会议纪要。作为团队里经常主持会议的人我经常面临这样的困境会议中大家讨论得很热烈但结束后要花半小时甚至更长时间把关键结论和待办事项整理出来。有时候因为记忆偏差还会漏掉重要内容。直到上个月我在调试OpenClaw对接Qwen3-4B模型时突然想到既然这个组合能处理各种办公自动化任务为什么不试试让它帮我解决会议纪要这个痛点经过两周的实践和调优现在我的飞书机器人已经能自动完成语音转写→摘要生成→消息推送全流程准确率相当不错。2. 基础环境准备2.1 OpenClaw与模型部署我使用的是星图平台提供的Qwen3-4B-Thinking镜像这个版本针对逻辑推理和文本摘要做了优化。部署过程非常简单# 安装OpenClaw核心组件 curl -fsSL https://openclaw.ai/install.sh | bash # 验证安装 openclaw --version模型服务我选择了平台提供的一键部署方案主要考虑到省去了本地部署的显存要求我的笔记本只有8G显存平台已经做好了vLLM优化推理速度有保障链式调用(chainlit)的前端让测试更方便2.2 飞书应用创建在飞书开放平台创建自建应用时有几个关键配置需要注意权限范围要包含获取用户发给机器人的单聊消息和发送消息安全设置中要添加服务器IP白名单后面OpenClaw服务运行的公网IP记得开启机器人能力获取到的App ID和App Secret要妥善保存后续配置会用到。3. 关键配置步骤3.1 飞书插件安装与配置OpenClaw通过插件机制扩展通讯能力安装飞书插件只需要一行命令openclaw plugins install m1heng-clawd/feishu然后在配置文件~/.openclaw/openclaw.json中添加飞书通道配置{ channels: { feishu: { enabled: true, appId: 你的App ID, appSecret: 你的App Secret, connectionMode: websocket } } }配置完成后需要重启网关服务openclaw gateway restart3.2 模型对接设置为了让OpenClaw使用Qwen3-4B-Thinking模型需要在同一配置文件的models部分添加{ models: { providers: { qwen-thinking: { baseUrl: http://你的模型服务地址/v1, apiKey: 你的API Key, api: openai-completions, models: [ { id: qwen3-4b-thinking, name: Qwen3-4B-Thinking, contextWindow: 32768, maxTokens: 4096 } ] } } } }这里有个小坑要注意如果模型服务有特殊的路由前缀比如/v1需要完整包含在baseUrl中。4. 会议纪要自动化实现4.1 工作流设计整个自动化流程分为三个阶段语音采集通过飞书会议录制功能获取音频文件文本处理语音转写→关键信息提取→待办事项识别结果推送格式化后的纪要发送到指定飞书群聊我最初尝试用OpenClaw直接处理音频文件发现效果不理想。后来调整为更可靠的方案先用飞书自带的会议转录功能生成初始文本再由OpenClaw进行精加工。4.2 技能安装与配置为了实现这个工作流需要安装两个关键技能clawhub install meeting-minutes text-refinermeeting-minutes技能主要负责解析飞书会议转录文本的时间戳和发言人识别会议章节议题讨论、决策点、待办事项提取关键结论text-refiner则用于消除口语化表达统一术语表述优化段落结构配置技能参数时我特别调整了以下几个选项openclaw config set meeting-minutes.keyword_threshold0.7 openclaw config set text-refiner.aggressivenessmedium4.3 触发规则设置在飞书机器人配置页面我设置了两种触发方式关键词触发当消息包含#会议纪要时自动处理最近30分钟的会议录音定时触发每天18点自动检查当天会议生成摘要报告触发规则的配置YAML如下rules: - name: manual_trigger pattern: #会议纪要 action: process_last_meeting params: lookback_minutes: 30 - name: daily_summary schedule: 0 18 * * * action: process_today_meetings params: max_count: 55. 实际效果与优化5.1 典型输出示例以下是机器人生成的会议纪要样例【项目评审会摘要 - 2024-03-15】 议题Q2产品路线图讨论 关键结论 1. 确定优先开发A模块预计4月底交付MVP 2. B功能因技术风险延期至Q3 3. 需要市场部提供竞品分析报告负责人张三 待办事项 - [ ] 技术组评估A模块第三方依赖截止3/20 - [ ] 产品组更新PRD文档截止3/18 - [ ] 市场部安排用户调研截止3/25从实际使用来看对技术讨论类会议的处理准确率最高能够很好地识别决策点和待办事项。对于发散性讨论有时会遗漏次要观点。5.2 性能优化技巧经过一段时间的调优我总结了几个提升效果的关键点提示词工程为Qwen3-4B-Thinking设计专用提示模板强调识别决策和提取待办两个重点后处理规则添加自定义规则处理特定场景比如我们团队习惯用ACTION:标注任务就专门为此增加匹配模式缓存机制对长时间会议采用分段处理避免超出模型上下文限制人工校验设置草稿模式生成后先发给我确认再转发到群聊6. 安全与权限考量在实现自动化工作流时特别注意了几个安全问题访问控制飞书机器人只对特定群聊可见避免误触发数据留存原始录音和转写文本24小时后自动删除操作审计所有自动生成的纪要都带有前缀标识权限隔离OpenClaw运行在独立的Docker容器中文件系统访问受限这些措施既保证了便利性又不会过度暴露敏感信息。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。