两小时的会，五分钟出结论 - 我把会议录音整理这件事交给了AI

会开完了，最累的部分才刚开始

独立开发者和小团队大概都有类似体验：一次一小时的产品对齐会，散会后你想留下一份能用的记录，于是开始回听录音、快进、倒退、记笔记。真正耗时的不是开会，而是会后整理。

我自己做过粗略统计：一段60分钟的录音，手动整理出“讨论了什么、决定了什么、谁负责做什么”，平均要花90到120分钟。而且整理质量取决于当时的耐心——到了后半段，往往只挑重点抄几句，关键待办很容易漏。

更麻烦的是，会议记录的难点不在“记录”，在“分层”：

• 决策藏在讨论里。一句话带过的“那就定A方案吧”，散会后没人记得是怎么定的。
• 待办散落在各处。“这个我回头看一下”“下周同步一下”，说的时候没人记，会后没人认领。
• 背景噪音太多。寒暄、跑题、重复争论，占录音时长的一半以上，但对后续执行毫无价值。

人肉整理，本质上是在做一件机器最擅长的事：从大量低密度语音里，抽取结构化信息。

我现在的流程：录音进去，两份清单出来

现在的流程非常简单，总共四步：

第一步：拿到录音转写文本。 会议工具自带的转写、或者本地跑一个语音识别模型，都可以。这一步只需要得到纯文本，质量不需要完美，个别错别字不影响后续提取。

第二步：丢给模型，用固定模板提取。 这是核心环节。我用的提示词模板放在文末，可以直接复制。它会强制输出两份清单：一份决策清单（每条决策附上下文和理由），一份待办清单（每条待办附负责人、截止时间、依赖项）。

第三步：人工核对五分钟。 重点看两处：决策清单里有没有“模型过度概括”的地方（把讨论当成结论），待办清单里负责人识别是否正确。这一步不能省，但工作量很小。

第四步：分发。 决策清单归档到项目文档，待办清单直接进任务管理工具。

前后对比：时间成本降了一个数量级

以一次60分钟的会议为例，我自己使用前后的数据：

按每周三次会计算，一个月大约省下12到15小时的整理时间——接近两个完整工作日。对三五个人的小团队，这几乎等于凭空多出一个人力的会议支持产能。

除了时间，还有一个隐性收益：记录的标准化。以前不同人记的会议纪要格式五花八门，翻历史记录很痛苦。现在每次会议的输出格式完全一致，“三周前那个会到底定了什么”变成了十秒钟的检索。

模型在这里做了哪些人做不好的事

• 全量扫描，不偷懒。 人整理到后半段会疲劳，模型不会。口头一闪而过的决定，只要在转写文本里，就能被抓出来。
• 区分“讨论”和“决策”。 好的提示词会让模型只提取明确的结论性表述，把反复争论的部分压缩成一行背景说明。
• 补全待办结构。 把“回头看一下”这类模糊表述，结合上下文转成“谁、做什么、大概什么时候”，这恰恰是任务管理最需要、人最容易偷懒省掉的环节。
• 跨会议关联的潜力。 决策清单积累多了，可以再让模型做一层汇总：哪些决策反复被推翻重议，哪些待办拖了三周没人认领。这是手动记录几乎不可能持续做到的。

可复制的提示词模板

你是一名会议记录整理助手。我会给你一份会议录音的转写文本，请严格按照以下要求输出：

一、先通读全文，区分三类内容：明确的决策、待办事项、讨论过程。

二、输出「决策清单」：
- 每条决策一行，格式：【决策】+ 一句话结论
- 每条决策后附一行背景：这个决策是基于什么讨论得出的
- 注意：只有明确的结论性表述才算决策（如"那就定X方案"），
  反复讨论但未拍板的内容不算，请归入讨论过程
- 按主题分组，不要按发言顺序

三、输出「待办清单」，用表格呈现，列包括：
- 事项（具体、可执行的动词开头）
- 负责人（从文本中推断，无法确定写"待认领"）
- 截止时间（文本中提及则写明，未提及写"未指定"）
- 依赖/备注

四、最后输出「未决问题」：讨论过但没有结论、需要下次会议确认的事项。

要求：不要复述寒暄和跑题内容；每条决策和待办必须能在原文中找到依据，
不确定的宁可不写，不要推断编造。

转写文本如下：
{{transcript}}

几点使用建议：转写文本里如果说话人标签清楚（如“张三：”），负责人识别准确率会明显提升；超长会议建议按主题分段分次提取再合并；核对环节优先看“未决问题”是否真的没有结论。

成本问题

如果通过API调用，这类任务的成本极低——一次60分钟会议的转写文本通常在一两万字以内，用主流模型处理一次的成本以官网价格页为准，但量级上远低于一小时的人工时间价值。这也是为什么我建议直接用能力足够的模型，而不是在提取质量上省这点钱：整理质量不稳定，会反过来侵蚀你对整个流程的信任。

写在最后

把会议录音变成决策与待办两份清单，是AI落地里投入产出比最高的场景之一：流程短、无侵入、效果可量化。如果你也常被会后整理拖住，不妨从下一次会议开始试起来。

需要一个稳定的模型调用入口的话，可以看看这个：https://api.thistoken.ai/register

---

想直接跑通示例？访问 https://api.thistoken.ai/register 注册 ThisToken.AI，获取 API Key 后即可开始。