Meeting Notes Skill#

按以下流程处理输入，不要跳步。 默认自动执行，不要求用户手动输入命令行参数。 默认使用“被动触发交互”入口：若用户未给出明确会议内容，先提问： 有什么会议纪要需要我帮你整理？可以直接发录音或文字。 对外回复风格强约束（必须执行）：

• 禁止连续发送“我先试试/再试试/正在下载模型/继续排查”等过程消息。
• 一次请求只允许一次最终交付消息：要么给出完整结果，要么给出一次性失败说明 + 可执行修复步骤。
• 失败说明必须是汇总态，不得按重试步骤逐条回放。
• 禁止在对话中向用户索要 API Key 明文；仅提示“在环境变量中配置 OPENAI_API_KEY”。
• 除非用户明确要求，不展示内部脚本命令执行日志。 输出路径策略：
• 强制优先： ~/clawdhome_shared/private/<skill-slug>-data/（例如 ~/clawdhome_shared/private/meeting-notes-skill-data/）。
• 若 private 不可写，才允许回退到用户提供路径或 workspace/<skill-slug>-data/。
• 执行结果必须打印 output_dir=... 便于核对真实落盘位置。
• 默认仅落盘到上述 .../<skill-slug>-data/ 目录，不自动复制到根目录。
• 如需根目录快捷副本，显式启用： python3 scripts/generate_meeting_bundle.py ... --quick-copy
• 公共目录仅用于读取共享资源，不写入导出结果。
• 对外交付文件数量强约束：默认仅允许 3 个文件。
  • <会议主题>-<时间戳>.txt（完整纪要）
  • <会议主题>-<时间戳>.mp3（重点口播）
  • <会议主题>-<时间戳>.html（思维导图）
  • 三个文件必须使用同一命名前缀（同一会议主题 + 同一时间戳），仅扩展名不同。
  • .spoken.txt / .transcript.txt / .mindmap.json / .xmind / .full.mp3 仅可作为中间文件，必须自动清理，不得在最终回复中列为交付物。

跨模型通用执行协议（强制）：

• 任何模型都必须遵循同一输出合同： 执行摘要 + 核心决议 + Action Items表格 + 风险提示 + 导图结果 + 语音结果。
• 若工具调用不可用、脚本不可执行、或权限受限：必须自动降级为“纯文本可交付模式”，不能空回复或中断。
• 降级时仍需输出：
  • 可直接落地的结构化纪要（含 Action Items 表格）
  • mermaid mindmap 作为思维导图兜底
  • 语音失败说明（缺少依赖、安装命令、重试命令）
• 禁止把失败静默为“已完成”。

首次交互强提醒（跨模型兼容，必须执行）：

• 在第一次响应里先输出“环境检查结果”（一段汇总即可），说明内置能力可直接使用：
  • 内置 TTS：macOS say（可直接用）
  • 内置 ASR：macOS Speech（可直接用）
  • 必装依赖： edge-tts / ffmpeg
  • 默认本地 ASR 安装： openai-whisper（ASR 必装，并预下载 tiny 模型）
• 若无法确认依赖状态，必须提示用户先执行： bash scripts/doctor.sh --strict
• 在 macOS 下，若缺少 ffmpeg，必须优先提示并执行安装： bash scripts/bootstrap_macos.sh
• 不允许静默失败；失败时必须明确说明“缺少哪个依赖、安装命令是什么、下一步怎么做”。
• 首次使用输出格式强制包含两段：
  • 环境状态：已就绪项 / 缺失项
  • 安装命令：可直接复制执行的命令（按当前系统）
• 首次自动安装时，必须先回复“正在安装哪些依赖（edge-tts / ffmpeg / whisper）”，安装过程中每隔数秒给出一次进度心跳，禁止长时间无反馈造成假死感。

首次使用前先运行环境自检：

• bash scripts/doctor.sh --strict
• bash scripts/asr_self_check.sh（定位“模型未安装”还是“二次运行状态污染”）
• 若要带音频做冒烟转写： bash scripts/asr_self_check.sh --input <audio-file> --provider auto
• 若怀疑第二次运行污染： bash scripts/asr_self_check.sh --clean-temp
• 若未通过，必须先完成安装，再执行 ASR/TTS（硬门禁）。
• 在 macOS 下可启用自动安装：执行 ASR/TTS 命令时加 --auto-install（底层调用 scripts/bootstrap_macos.sh）。

1) 输入与转换 (Input & Transformation)#

1. 若用户仅表达“要整理会议纪要”但未提供内容，先收集输入来源：
   • 录音文件
   • 已转写文本
   • 会议主题 + 零散要点 收到任一输入后再继续后续步骤。 0.1 若输入为“文本会议纪要/会议文本”，默认同时执行 TTS，自动产出可播放录音文件；无需用户再次明确提出“转语音”。
2. 识别输入类型：实时流式音频、离线音频文件、或已转写文本。 1.1 音频输入执行“ASR必转”规则：未完成转写不得进入纪要结构化与播报步骤。 1.2 音频输入在 ASR 成功后，必须生成并保留一份最终纪要文档： <会议主题>-<时间戳>.txt（不能只保留 .transcript.txt）。
3. 对音频输入先执行 ASR，再执行说话人分离，输出统一的语义片段：
   • timestamp_start
   • timestamp_end
   • speaker_id (如 S1, S2)
   • text_raw
4. 优先保证中英混合识别准确性，保留术语原文，不做主观翻译。
5. 若无法可靠识别发言人，显式标注 speaker_id: Unknown，并在风险提示中说明。

2) 智能重构与降噪 (Intelligence & Processing)#

1. 对 text_raw 执行去口语化处理：移除“嗯、啊、那个”等语气词及明显离题寒暄。
2. 按语义议题而非时间顺序重组内容；将同一议题的分散发言聚合。
3. 对每个议题按“双钻结构”重写为：
   • 问题描述
   • 原因分析
   • 解决方案
   • 最终决议
4. 明确区分“已达成共识”和“仍待确认”。不得把猜测写成结论。

3) 结构化输出 (Output & Documentation)#

严格使用 references/output-template.md 的版式。

强制规则#

1. 拒绝输出大段散文；以结构化小节和 Markdown 表格为主。

2. Action Items 必须是 Markdown 表格，并包含：

   • 任务项
   • 负责人
   • 交付物/截止日期
   • 备注

3. 若某项结论没有明确 Action Item，必须在“风险提示”中单列提醒。

4. 摘要必须直接进入结论，不输出空洞开场句。

5. Action Items 硬门禁：

   • 负责人不得为空/ 待指定
   • 交付物/截止日期不得为空/ 待确认
   • 不满足时禁止“完成态”输出，标记为 DRAFT_PENDING 并提示补全。

6. 生成会议思维导图（安全模式）：

   • 从纪要提取“核心决议 / 待办事项 / 风险提示 / 议题脉络”生成导图数据。
   • 仅输出 html/ svg/ xmind（禁用 png/ jpg/ pdf 路径）。
   • 执行命令： python3 scripts/generate_meeting_mindmap.py --minutes <minutes-file> --topic <meeting-topic> --formats html,xmind
   • 若脚本失败，必须在回复中显式给出失败原因，并兜底输出 mermaid mindmap 文本，禁止省略导图结果。

4) TTS 播报稿生成 (TTS & Feedback)#

1. 不全文朗读；仅提取“核心决议 + 待办事项 + 风险提示”生成 1-3 分钟播报稿。

2. 在播报稿中加入节奏标记（如 [停顿1s]、 [加重]、 [放慢]）。 2.1 朗读前必须清洗文本：去除 Markdown、URL、表格分隔符、控制标记和特殊符号，避免把符号读出来。 2.2 必须额外生成独立口播稿文件（ <prefix>.spoken.txt），TTS 只读取口播稿，不可直接朗读会议文档。 2.3 口播稿结构固定为：开场一句 -> 核心决议（最多3条）-> 待办（最多3条，含负责人和截止）-> 风险（最多2条）-> 收束一句。

3. 按场景切换音色建议：

   • 项目部署/复盘：干练专业
   • 头脑风暴/团队同步：亲和清晰

4. 当用户未指定音色时，默认“干练专业”。

5. 当用户明确要求“生成录音/语音文件”时，除文本播报稿外，还必须提供可直接合成语音的最终朗读文本（去除控制标记版本）。 5.1 当用户仅提供文本纪要（未明确提语音）时，也必须生成语音文件（默认行为）。 5.2 文本输入默认生成一份核心音频：

   • 重点口播音频： <prefix>.mp3（基于 .spoken.txt）
   • 原文全文音频（ .full.mp3）改为按需生成，不作为默认交付。 5.3 音频格式强制为 mp3；若只能生成 m4a，必须转码为 mp3 后再交付。 5.4 原文全文音频必须“逐字朗读”： .full.txt 必须与用户输入文本一致，不允许清洗、改写、摘要或重排。

6. 文本转语音输出默认要求：

   • 格式：统一 mp3（若中间产物为 m4a，必须转码后交付）
   • 时长： 1-3 分钟
   • 内容：仅“核心决议 + 待办事项 + 风险提示”
   • 命名规范： <会议主题>-<YYYYMMDD-HHMMSS>.<ext>

7. 在 macOS 本地优先使用 scripts/generate_tts_brief.sh 生成语音文件。

8. 跨平台（Linux/macOS/Windows）优先使用 scripts/audio_bridge.py：

   • 默认使用 provider=auto，优先已安装识别引擎（local whisper），再回退云端/系统内置。
   • TTS provider=auto 默认路由： edge -> builtin -> local -> openai（默认优先 edge-tts）。
   • 默认音色固定： zh-CN-XiaoxiaoNeural，默认风格： warm。
   • 如需回退可显式传参： --provider auto。
   • 不要求用户手动选择 provider/voice；若依赖缺失，直接给出安装提示并说明“安装后将自动恢复默认音色效果”。
   • 免费高质量 TTS 依赖（必装）： python3 -m pip install edge-tts
   • 音频处理与转码依赖（必装）： ffmpeg
   • 使用 OpenAI 回退时需设置 OPENAI_API_KEY。
   • OpenAI 默认模型可通过环境变量覆盖：
     • OPENAI_ASR_MODEL (默认 gpt-4o-mini-transcribe)
     • OPENAI_TTS_MODEL (默认 gpt-4o-mini-tts)

9. 音色策略（默认统一）：

   • 默认固定： edge + zh-CN-XiaoxiaoNeural + warm
   • 可通过环境变量覆盖： MEETING_TTS_EDGE_VOICE=<voice-name>
   • 输出结果中必须注明“实际使用音色”。

10. 会议纪要文档与音频必须同名同时间戳，仅扩展名不同：

• 文档： <会议主题>-<YYYYMMDD-HHMMSS>.txt
• 音频： <会议主题>-<YYYYMMDD-HHMMSS>.m4a|mp3
• 音频生成后必须做可解码校验；不可播放时自动切换下一 provider 重试，不可直接交付损坏文件。

1. 全模型兜底返回格式（脚本不可用时）：

• 状态: SUCCESS 或 PARTIAL_SUCCESS（必须明确）
• 依赖检查: 已安装 / 缺失列表
• 会议纪要: 按模板完整输出
• 思维导图: 输出 mermaid mindmap 代码块
• 语音结果: 输出“未生成原因 + 安装命令 + 重试命令”

1. 执行命令（推荐）：

• 一键全量产出（推荐）： python3 scripts/generate_meeting_bundle.py --input <minutes-text-file> --topic <meeting-topic> [--outdir <dir>]
• 该命令默认强制校验 3 项核心产物： txt + audio.mp3 + mindmap.html。
• 脚本默认自动清理同主题历史产物与中间文件（如 spoken/full/mindmap.json/xmind/transcript），仅保留最新三件套。
• 如需保留历史，显式追加： --no-cleanup
• 如需同时复制到 ~/clawdhome_shared/private/ 根目录，显式追加： --quick-copy
• 任一缺失即失败，禁止返回“已完成”。
• 最终回复仅允许展示上述 3 个核心文件；禁止额外展示中间文件路径。

1. 执行命令（仅语音）：

• bash scripts/generate_tts_brief.sh <brief-text-file> <meeting-topic>
• 该脚本默认委托 audio_bridge.py 的 edge 神经语音链路（不再走本地 Tingting 默认路径）。
• 示例： bash scripts/generate_tts_brief.sh test-output/meeting-brief.txt 产品周会 test-output

1. 执行命令（跨平台）：

• TTS: python3 scripts/audio_bridge.py tts --input <brief-text-file> --topic <meeting-topic>
• ASR: python3 scripts/audio_bridge.py asr --input <audio-file> --topic <meeting-topic> --provider auto --language zh
• ASR 一键自检： bash scripts/asr_self_check.sh [--input <audio-file>] [--provider auto|local|builtin|openai] [--clean-temp]
• 自动安装依赖（macOS）：在上面命令后追加 --auto-install
• 内置 ASR 脚本（macOS）： scripts/builtin_asr.swift
• ASR provider=auto 默认路由： local -> openai -> builtin（优先安装引擎，不默认先走系统内置）。
• 对 m4a/mp3/aac/mp4 压缩音频，内置 ASR 强制先走 ffmpeg 转码为 wav；缺少 ffmpeg 时直接提示安装（ brew install ffmpeg）。
• macOS 依赖一键引导： bash scripts/bootstrap_macos.sh（自动检测并安装 ffmpeg）。

1. 跨模型一致性建议（强制统一音色）：

• 固定 Provider： edge
• 固定音色： zh-CN-XiaoxiaoNeural
• 可设置环境变量： export MEETING_TTS_EDGE_VOICE=zh-CN-XiaoxiaoNeural

1. 音频后处理（降低 AI 味）：

• 默认在 audio_bridge.py tts 成功后自动执行后处理。
• 可单独执行： bash scripts/postprocess_audio.sh <input-audio> [output-audio]
• 后处理链：高通 + 低通 + 压缩 + 响度标准化（语音听感更自然）。

1. ASR 低置信度输出：

• 在转写 JSON 中输出 low_confidence_segments，用于人工复核。
• 优先复核这些片段再发布最终纪要。

1. Action Items 校验脚本：

• python3 scripts/validate_action_items.py <minutes.md>
• 校验失败时视为不可发布状态。

1. 思维导图脚本：

• python3 scripts/generate_meeting_mindmap.py --minutes <minutes-file> --topic <meeting-topic> --formats html,xmind
• 使用 ClawHub 导图引擎的安全封装版本（vendor），默认产出 .mindmap.json + .html + .xmind。

5) 质量门禁 (Quality Gate)#

输出前逐条检查 references/quality-gate-checklist.md。 若未通过，不要直接提交最终纪要，先补齐缺失字段或标记“待补信息”。

6) 缺失信息处理 (Missing Data Policy)#

1. 负责人缺失：填 待指定，并在备注要求会后确认。
2. 截止日期缺失：填 待确认，并在风险提示说明“时效不可追踪”。
3. 决议边界不清：填“待确认结论”，禁止伪造最终决策。