会议纪要技能

将会议录音处理成可交付的结构化纪要。

触发条件：用户发送录音文件（mp3/wav/ogg/opus/m4a/flac）、说总结会议/会议纪要/帮我总结录音、说注册声纹/记住我的声音、说谁在说话/识别说话人、要求先快速出纪要再补精度、要求参考历史纪要风格。

依赖：StepFun API Key（申请）、ffmpeg、Python (numpy, scipy, soundfile, onnxruntime)、可选 pyannote.audio（独立 venv + PyTorch + HF 账号）。详见 {baseDir}/references/setup-guide.md。

---

路由与执行方式

• - 模型：强制使用 anthropic/claude-opus-4-6（P0.5 优先级，不受默认模型影响）
• 执行方式：main 收到录音后 spawn subagent 处理，不占主 session
• spawn 时传入：音频路径、用户 open_id、输出路径
• subagent 完成后 auto-announce 结果给 main → main 转发给用户
• 说话人确认仍由 main 完成：subagent 输出说话人列表后，main 问用户确认，再决定是否用 --speaker-map 重跑

⚡ 快速参考：收到录音后做什么

这是整个 skill 最重要的部分。严格按顺序执行，不要跳步。

步骤 0：spawn subagent（model: claude-opus-4-6）
步骤 1：环境检查（≤3 条命令，不通过就停）
步骤 2：跑主脚本（1 条命令）
步骤 3：检查输出（读 JSON 的 speakers + summary）
步骤 4：[回传 main] 说话人确认（≥2人时必须问用户）
步骤 5：交付纪要（展示 summary 字段的结构化内容）

步骤 1：环境检查

运行以下命令，全部通过才继续。任何一项失败 → 告诉用户缺什么 → 停止。

bash

检查 ffmpeg

which ffmpeg

检查 StepFun API Key

test -f ~/.stepfunapikey && echo OK || echo MISSING

检查 pyannote venv（可选，不影响基础流程）

PYANNOTEPYTHON=${MEETINGSUMMARYPYANNOTEPYTHON:-$HOME/.venv-pyannote/bin/python} test -f $PYANNOTE_PYTHON && echo pyannote: OK || echo pyannote: NOT AVAILABLE (will use energy-vad fallback)

禁止事项：

• - ❌ 不要尝试安装 pyannote、torch、numpy 或任何依赖
• ❌ 不要创建 venv
• ❌ 不要降级/升级包版本
• ❌ 不要修改脚本代码
• ❌ 不要修改环境变量

如果 pyannote 不可用，直接使用 energy-vad 降级路径，脚本已内置降级逻辑。

步骤 2：跑主脚本

只用这一条命令。不要拆步骤、不要手动调中间脚本。

bash
cd {baseDir} && \
MEETINGSUMMARYPYANNOTEPYTHON=${MEETINGSUMMARYPYANNOTEPYTHON:-$HOME/.venv-pyannote/bin/python} \
HFTOKEN=$(cat ~/.huggingfacetoken 2>/dev/null || echo ) \
python3 scripts/meeting-summarize.py \
--audio /path/to/recording.m4a \
--out /tmp/meeting-summary.json \
--minutes-out /tmp/meeting-summary.md

可选参数（已知信息直接传入，不让模型猜）：

• - --num-speakers N：已知参会人数
• --speaker-map /path/to/map.json：已知人名映射
• --max-new-chunks 2：快速模式（CPU 慢机器用）

超时设置：timeout: 600（10 分钟），yieldMs: 300000（5 分钟后台化）

步骤 3：检查输出

bash
python3 -c
import json
with open(/tmp/meeting-summary.json) as f:
data = json.load(f)

说话人信息

for s in data.get(speakers, []):
print(f{s.get(\displayname\, s.get(\speaker\))}: source={s.get(\source\)}, segments={s.get(\segmentcount\)})
print()

纪要概要

summary = data.get(summary, {})
print(参会人:, summary.get(participants, []))
print(概要:, summary.get(overview, []))

步骤 4：说话人确认（强制）

规则：如果检测到 ≥2 个有效说话人（排除 segment_count ≤ 2 的噪声片段），必须先问用户确认身份。

即使声纹匹配给出了名字（source=voiceprint），仍然要确认。声纹可能匹配错误。

模板：

检测到 X 位说话人：

• - SpeakerA（YY 段发言）
• SpeakerB（ZZ 段发言）

请告诉我每位说话人对应谁？

用户确认后，可以：

• - 方案 A：用 --speaker-map 重跑（更准确）
• 方案 B：直接在最终输出中替换名字（更快）

绝对禁止：不要猜测说话人身份映射，不要根据上下文推断谁可能是谁。

步骤 5：交付纪要

从 JSON 的 summary 字段提取结构化内容，按以下格式组织：

会议纪要：[标题]

参会人：[确认后的名字] 时长：XX 分 XX 秒

概要

[overview]

关键要点

1. 1. ...

关键决定

• - ...

行动项

• - [姓名]：[任务]（[截止时间]）

风险与待定事项

• - ⚠️ ...

不要：

• - 不要展示 summarymarkdown 字段的原文（它是脚本生成的单段落摘要，太简略）
• 不要把 JSON 原样甩给用户
• 不要忽略 risksoropenitems

---

环境变量参考

变量	默认值	说明
MEETINGSUMMARYPYANNOTEPYTHON	~/.venv-pyannote/bin/python	pyannote venv 的 Python 路径
HFTOKEN

空 | Hugging Face token（pyannote gated model 需要） |
| STEPFUNAPIKEY | 从 ~/.stepfunapikey 读取 | StepFun API Key |
| MEETINGSUMMARYLLM_MODEL | step-3.5-flash | LLM 模型名 |
| MEETINGSUMMARYLLM_URL | https://api.stepfun.com/v1/chat/completions | LLM API 地址 |
| MEETINGSUMMARYWORKSPACE | ~/.openclaw/workspace | 工作区根目录 |

---

声纹管理

bash

注册声纹（建议 3-10 秒、清晰、单人语音）

python3 {baseDir}/scripts/voiceprint-manager.py enroll --name 张三 --audio /path/to/voice.wav

识别说话人

python3 {baseDir}/scripts/voiceprint-manager.py identify --audio /path/to/audio.wav --json

查看已注册声纹

python3 {baseDir}/scripts/voiceprint-manager.py list

删除声纹

python3 {baseDir}/scripts/voiceprint-manager.py delete --name 张三

---

错误处理决策树

脚本执行失败？
├── ffmpeg 不存在 → 告诉用户安装 ffmpeg → 停止
├── StepFun API Key 缺失 → 告诉用户配置 → 停止
├── pyannote 加载失败 → 正常！脚本会自动降级到 energy-vad → 继续
├── ASR 超时 → 文件可能太大，建议用 --transcript-only 或分段 → 重试
├── LLM 调用失败 → 检查 StepFun API Key 余额 → 告诉用户
└── 其他 Python 错误 → 贴完整 traceback 告诉用户 → 停止

核心原则：不要尝试修复环境问题。 告诉用户哪里坏了，让用户或专门的安装流程去修。

---

缓存机制

缓存目录：{baseDir}/../../cache/meeting-summary/（即 ~/.openclaw/workspace/cache/meeting-summary/）