输入一份包含项目进展、待办事项和负责人信息的原始会议记录文本，关键操作是编写结构化提示词提取信息、构建检索增强生成工作流以引用原文，以及定义智能体任务链，产出为格式化的待办清单、带出处引用的会议纪要及自动化处理流程。
如何精准提取会议待办事项
将会议记录作为上下文输入给大语言模型，通过明确的提示词指令控制输出格式。不要仅依赖模型自由总结，需指定目标对象（如“待办事项”）和数据结构（如表格或列表）。例如，要求模型从文本中识别动作发起者和截止时间，忽略无关闲聊。这种操作本质上是利用prompt（提示词）规范ai的行为边界，确保token（词元）处理后的输出符合业务需求，避免生成模糊的摘要。
请分析以下会议记录，提取所有待办事项。 要求： 1. 列出任务内容 2. 指定负责人 3. 标注截止日期 4. 若无明确时间，标记为“待定” 会议记录： [在此粘贴具体会议文本]
让AI回答并指出依据来源
当需要基于特定文档（如报销制度或请假流程）回答问题时，必须采用检索增强生成（RAG）机制。核心逻辑是先检索相关资料片段，再结合这些片段生成回答，而非仅靠模型内部记忆。这能有效减少幻觉（Hallucination），即AI编造看似合理但错误的事实。操作中需确保Embedding（向量表示）技术能将用户问题与文档内容转化为相近的数字向量，从而匹配出最相关的原文段落。最终输出应强制包含引用标记，引导用户回原文核实，提升可信度。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
构建具备生产级质量、可访问性（Accessible）且响应式（Responsive）的面向用户界面（UI）。适用于以下场景：构建或修改界面与页面、创建组件、实现布局、满足 WCAG 可访问性要求、管理状态，或当输出需要呈现专业、真实、生产就绪（production-quality）的视觉与交互效果，而非典型的 AI 生成风格。
构建自动化的会议处理智能体
Agent（智能体）并非单一问答，而是按目标拆解任务、调用工具的执行者。在会议场景下，可设计一个工作流：第一步读取原始记录，第二步调用模板工具整理纪要，第三步通过API获取附件中的白板图片并转为文字。这一过程串联了多个步骤，体现了多模态处理能力。关键在于定义清晰的输入条件和核对办法，例如在生成最终纪要前，加入人工核对环节或自动校验字段完整性。只有当系统能自主规划路径并执行复杂序列操作时，才真正构成了Agent应用，而非简单的单次生成。
