AI 應用 · 會議記錄

Agent的會議記錄工作流:我把會議變成知識資產的七步

一場會議真正該被留下的,遠比你以為的多。我把整理流程固定成七步,前三步我自己做,第四步起交給 AI 自動跑完。

封面:我的會議記錄 Agent 工作流
封面:我的會議記錄 Agent 工作流

開完會的逐字稿動輒幾萬字,讀完就飽了,更別說整理成下次用得上的東西。這篇完整公開我整理會議記錄的七步流程,從聲紋辨識轉稿,一路到「這場會對我有沒有意義」的判斷。核心問題只有一個:一場會議開完,留下來的東西該怎麼整理,才能在下一次同樣的人、同樣的案子出現時,立刻翻得到、接得上。

適合誰
  • 一週開好幾場會、會後逐字稿堆著沒時間整理的人
  • 接案、做顧問、跑合作,需要把每次談話沉澱下來的人
  • 想用 AI 整理會議,卻發現它整理完不是太短就是抓不到重點的人
你會得到什麼
  • 一套可以照抄的七步會議記錄流程
  • 四種清稿等級的定義,知道什麼時候該留多少
  • 一份會後策略報告書的範本,加上兩段可直接複製的提示詞
會議記錄的問題,不在記錄 就算硬著頭皮把逐字稿整理完,過兩個月再回頭看,常常只剩一份流水帳。當初誰承諾了什麼、哪個環節我有點不放心、對方為什麼突然鬆口,這些當下最關鍵的訊息,早就在文字裡被磨平了。所以我把流程固定成七步,現在開完會照著跑就好。

前三步:我自己做的事

這三步沒辦法外包。它們決定了後面 AI 能整理出多少價值。

第一步 · 我做

用聲紋辨識,把錄音變成分得出人的逐字稿

會議記錄的地基,是一份「知道誰在什麼時候說了什麼」的逐字稿。沒有講者區分,後面所有分析都會糊成一團。

現場會議我用錄音筆或手機錄音;線上會議我開 OBS,把畫面和聲音一起留下來。接著用支援聲紋辨識的工具轉逐字稿,Mac 上我用 MacWhisper,或微軟最近開源的 VibeVoice。重點是要能標出誰在說話、幾分幾秒說的。這份標了講者和時間碼的稿子,是後面每一步的原料。

現場會議用錄音筆或手機錄音
現場會議用錄音筆或手機錄音
線上會議開 OBS 把畫面與聲音一起錄
線上會議開 OBS 把畫面與聲音一起錄

接著用支援聲紋辨識的工具轉逐字稿,Mac 上我用 MacWhisper,或微軟最近開源的 VibeVoice。重點是要能標出誰在說話、幾分幾秒說的。這份標了講者和時間碼的稿子,是後面每一步的原料。

把錄音轉成標了講者與時間碼的逐字稿
把錄音轉成標了講者與時間碼的逐字稿
別省這一步沒有講者區分的逐字稿,能做的整理非常有限。寧可在這裡多花點工夫,用對工具。
第二步 · 我做

補上錄音聽不出來的現場觀察

錄音能留下所有人說了什麼,留不下的是現場的空氣。而那些聽不出來的,往往才是決定後續發展的關鍵。遇到重要的會,我會以一個在場觀察者的身分,當場補一段筆記:

  • 誰的表情、語氣有明顯變化
  • 誰刻意避開了哪個話題
  • 誰說了哪句話之後,現場士氣開始提振
  • 氣氛在哪個時間點轉了

這些我會直接標進逐字稿,註明是我的現場觀察。等到 AI 在做風險分析、描述某個人的立場時,這些就是它看不到、只有我能提供的那一塊。

補上錄音聽不到的現場觀察
補上錄音聽不到的現場觀察
第三步 · 我做

丟給 AI,一句話啟動

前面兩步把原料備齊,接下來我不想再一步一步下指令。我把這份逐字稿(含現場補充)丟給 AI,說一句「自動全面統整」。從這裡開始,後面四步它全自動接手,只在清稿完成、要生成報告書之前停下來等我確認一次。

後四步:AI 自動跑完

第四步 · AI 自動

存檔備份,加上分級清稿

AI 會先把原始逐字稿原樣存一份備份,一個字都不改,這是還原點。接著做清稿。清到多細我自己選,標準很簡單,就是「整理後的份量,跟原始逐字稿比,留下多少」:

  • 簡單:留一到兩成。只留主幹結論和待辦,適合不重要的會
  • 詳細:留三到五成。去掉廢話,完整保留實質討論、案例、數字。這是我的預設
  • 超詳細:留七到九成。幾乎全留,只拿掉明顯重複和廢話
  • 1:1 逐字稿校正:全部留著。不刪不減,只依上下文把錯別字改掉,所有語氣詞、語助詞一個字都不動

清稿完它會回報:原始幾個字、清完幾個字、留了多少比例。我一看就知道有沒有清過頭。想自己跑這一步,可以用這段提示詞:

# 會議逐字稿清稿 這是一份會議逐字稿,幫我做純清稿,不要做摘要、不要做分析。 目標份量:跟原文比,保留 40-50%(可改 10-20% / 70-90% / 100%)。 規則: 1. 去掉口語贅字(嗯、啊、就是說、對對對) 2. 保留每一段的講者標記和時間碼 3. 完整保留所有實質討論、案例、數字、比喻,不要刪 4. 清完先自己算字數,回報原始字數、清稿字數、保留比例 5. 比例低於目標代表砍過頭,把內容補回來 逐字稿如下: [貼上逐字稿]
第五步 · AI 自動

生成會後策略報告書

清稿是給人讀的全文,報告書是給人決策的入口。一份好的會後報告書,要讓我三秒鐘知道接下來該做什麼、該擔心什麼,又能在需要時翻到完整的來龍去脈。它固定分三塊,重點在前、備查在後:

  1. 重點待辦:有負責人、有下一步、有時間節點的行動項目,列成可勾選的清單
  2. 風險與隱憂:這場會議本身要留意的卡點、未決事項、需要追蹤確認的地方
  3. 詳細脈絡:把清稿的重點全部收進來,依時間順序一段一段折疊起來

第三塊我特別要求做成折疊式。平常收著,畫面乾淨;哪天要查「那場會某一段到底講了什麼」,點開就有。這樣一份報告書同時是決策入口和完整備查,不用開兩個檔。

生成會後策略報告書
生成會後策略報告書
第六步 · AI 自動

把答應對方的東西,先擬成初稿

會議裡常常會順口答應對方一些交付物,報價單、課綱、會後整理。與其回頭再從零生,不如趁 AI 還握著整場脈絡時,直接先擬好初稿。它會掃過整份內容,把我答應要交付的東西抓出來,擬成初稿,預設文件檔和網頁版都給我,並標明「初稿待確認」。內容只照會議實際談到的長,沒談到的價格、節數它不會自己編。我拿到的是一份七八成完成、可以直接動手改的東西。

順手做出交付初稿並加上深度分析
順手做出交付初稿並加上深度分析
第七步 · 選配

用納瓦爾加馬斯克的視角,判斷這場會值不值得

前面六步處理的是「這場會怎麼整理」。第七步我要跳出來,問一個更高層的問題:這場會議,對我整個事業到底有什麼意義,值得我花時間參與嗎。這一步只有我想看得更全面時才做,加一句「深度分析」就會啟動。

兩種尺度要分清楚第五步的風險分析,針對的是「這一場會議本身」;第七步的判斷,針對的是「這場會對我整體發展」。一個是戰術,一個是戰略,別混在一起看。

它會用兩種視角各跑一遍:納瓦爾的視角問的是槓桿類型、是否在累積只有我能做的特定知識、注意力會不會長期複利;馬斯克的視角用第一性原理問,撥開「人家都這樣做」之後,這件事對我的大目標是不是必要、是必經之路還是繞路、是不是最高槓桿的時間用法。最後給我一個綜合判斷:這場會對我是加分、中性,還是分心,以及下一步建議。

# 會議的整體價值判斷 以下是我這場會議的報告書。請站在我的立場,用兩種視角分析這場會議對我整體事業的價值,最後給綜合判斷。 納瓦爾視角:槓桿類型、是否累積我的特定知識、注意力是否長期複利。 馬斯克視角:用第一性原理看對我的大目標是否必要、是必經之路還是繞路、是否最高槓桿的時間用法。 綜合判斷:這場會對我是加分、中性還是分心,下一步建議。 不要憑空假設我沒提到的事實,只根據報告書和我已知的定位推論。 報告書如下: [貼上報告書]
多場會議,還會多看一件事同一個合作開到第二、第三場之後,我會把幾場一起看,評估這個團隊是越開越有共識,還是越開越發散。尤其是跟一群新的人談一個新的合作時,這個評估特別重要。

一張圖回顧

會議記錄 Agent 工作流的橫式總結圖
七步流程一頁總覽

七步濃縮

  1. 聲紋辨識轉稿,先有一份分得出人、帶時間碼的逐字稿
  2. 重要的會,補上錄音聽不出來的現場觀察
  3. 丟給 AI,說一句「自動全面統整」啟動
  4. 存檔備份,再依四個等級分級清稿
  5. 生成會後報告書:重點待辦、風險隱憂、折疊的詳細脈絡
  6. 答應對方的交付物,先擬成初稿
  7. 想看得更全面時,加「深度分析」,判斷這場會值不值得

常見的坑

  • 跳過聲紋辨識用普通轉錄。地基沒打好,後面分析全糊掉
  • 把現場觀察放在心裡沒記下來。當場就標進逐字稿,事後一定想不起來
  • 清稿一律往最短壓。先想清楚這場會要留多少,預設用詳細,重要的會用超詳細
  • 報告書把細節全攤在最前面。結論和行動在前,完整脈絡折疊備查
  • 用 AI 判斷價值時餵它沒發生的事。只根據報告書和已知定位推論
給自己的定位提醒 這套流程的重點從來不是整理得比較快,快只是順帶的結果。真正的價值,是讓每一場會議都沉澱成我自己的知識資產。下一次同樣的人、同樣的案子出現,我翻得到、接得上,判斷力是疊加上去的,不用每次從零開始。AI 在這裡的角色,是幫我把這套能累積的系統跑起來,而不是替我把判斷外包出去。
會議記錄AI工作流知識管理錄音轉逐字稿輔助決策

想搭一套自己的會議工作流?

我每月固定舉辦兩場免費線上講座,分享善用 AI 作為思考夥伴、把知識與經驗整理成提示詞、技能包、知識庫的實戰方法。對 AI × 知識管理、隱性知識提煉有興趣,歡迎先從社群開始。

免費線上講座

每個月兩場免費講座。

點我加入 Line 社群 ↗