会议原则沉淀器:基于腾讯会议(tmeet)录制、智能纪要与转写数据,跨会议追踪团队的决策历史,识别哪些结论被反复确认、哪些结论前后矛盾,把经过多次验证的稳定结论沉淀成团队的「定论库」,避免同一个问题在不同会议里被反复重新讨论、反复重新论证。当用户提到「这个我们上次是不是已经决定过了」「这次会是不是又在吵一遍」「生成决策一致性报告」「把这条定论沉淀下来」「这个话题历史上都是怎么定的」「帮我看看团队最近决策有没有反复」时,必须触发本 Skill。当会议纪要或转写内容里出现明显的决策性表述(比如「最终定为」「达
Meeting Principle Distiller — 会议原则沉淀器
功能概述
Meeting Principle Distiller — 会议原则沉淀器是一项面向实际任务的技能,主要用于本 Skill 建立在 tmeet-skill 之上:所有会议数据(录制、智能纪要、转写)都通过 tmeet CLI 获取,本 Skill 自己不调用任何腾讯会议 API,只负责一件事——从多场会议的决策性表述里,识别出哪些是稳定的、哪些是反复摇摆的,并把前者沉淀成团队可以直接引用的定论;这是一个跨会议才。
核心要点
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
- 从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
- 实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
使用与执行
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
Meeting Principle Distiller — 会议原则沉淀器
本 Skill 建立在 tmeet-skill 之上:所有会议数据(录制、智能纪要、转写)都通过 tmeet CLI 获取,本 Skill 自己不调用任何腾讯会议 API,只负责一件事——从多场会议的决策性表述里,识别出哪些是稳定的、哪些是反复摇摆的,并把前者沉淀成团队可以直接引用的定论。这是一个跨会议才有意义的 Skill,单场会议用不上它。
使用前先确认 tmeet-skill 是否可用
在做任何事情之前,先确认 tmeet-skill 是否已经安装/可用:
- 检查当前可用的 Skill 列表里是否有
tmeet-skill; - 或者直接尝试执行
tmeet auth status,如果命令不存在(而不是「未登录」这种正常错误),说明底层 CLI 没装。
如果确认没装,直接告诉用户:「这个 Skill 依赖官方的 tmeet-skill(腾讯会议 CLI),检测到你还没安装,我暂时没法帮你提取会议决策、生成一致性报告。可以先安装 tmeet-skill(npm install -g @tencentcloud/tmeet@latest 加上对应的 Skill 文件),装好之后我们再继续。」不要在底层 CLI 缺失的情况下凭猜测往下走。
如果只是 tmeet 命令存在但用户还没登录,按 tmeet-skill 原有流程引导 tmeet auth login 即可,不用触发上面这条提示。
先说清楚这个 Skill 能做什么、不能做什么
它能看到的决策历史,边界就是它处理过的会议——不是团队做过的所有决策的全集,只是「通过本 Skill 记录过的那些会议」的决策全集。第一次使用时台账是空的,价值是随着记录的会议数量增加才慢慢显现的,不要让用户误以为装上就能立刻看到「团队一直在反复讨论的问题」。
另外,它抽取到的「决策」是从智能纪要/转写文字里识别出来的,本质是语言层面的判断,不是正式的会议纪要审批流程,不能替代团队正式的决策记录制度(如果团队有 OKR 系统、决策文档之类的正式流程,本 Skill 是对这些流程的补充,不是替代)。
三份文件
| 文件 | 谁会看 | 回答什么问题 |
|---|---|---|
DECISION_LEDGER.jsonl |
后续做跨会议比对的 Agent 自己 | 历史上每场会议里出现过哪些决策性表述? |
DECISION_REPORT.md |
参会人、团队负责人 | 这场会跟历史决策相比,哪些是重复确认,哪些前后矛盾了? |
PRINCIPLES.md |
全团队、未来所有会议 | 哪些结论已经足够稳定,可以直接当定论用,不用每次重新吵? |
DECISION_LEDGER.jsonl 是不断追加的原始事件流,DECISION_REPORT.md 是每次分析产出的一次性快照,PRINCIPLES.md 则是从台账里提炼出来、持续更新的「精华版」——三者的关系有点像原始日志、单次报告、和最终结论手册,各自服务不同的复用场景。
文件位置
decisions/
├── DECISION_LEDGER.jsonl ← 全团队共用,持续追加
├── PRINCIPLES.md ← 全团队共用,持续更新
└── reports/
└── {meeting_code}_{date}.md ← 每场会议一份
优先在当前项目/工作目录下建 decisions/;如果用户明确指定了别的路径,按用户说的来。如果同一个项目里也在用类似结构管理会议议程和转写数据,decisions/ 可以和那类目录平级放置,不需要强行合并到一起——两者服务的问题不一样,放一起反而不好找。
会后:从会议里提取决策,更新台账
第一步:拿到智能纪要/转写数据
tmeet record list --meeting-id "{meeting_id}" --compact
tmeet record address --meeting-record-id "{meeting_record_id}"
tmeet record smart-minutes --record-file-id "{record_file_id}"
智能纪要通常已经是结构化程度较高的文本,是提取决策性表述的首选数据源;如果需要更精确的时间戳或者智能纪要遗漏了某个关键结论,再用 record transcript-paragraphs 或 record transcript-search 补充查证。同样地,遇到无权限的情况走 tmeet-skill 原有的权限申请确认流程,不要绕过。
第二步:识别决策性表述
不是所有讨论内容都值得记,只有真正带来「结论」的部分才算数。判断一段话是不是决策性表述,看它有没有明确的结论标记,比如「最终定为」「达成一致」「确定采用」「否决了」「暂定为」这类语言信号,而不是过程性的讨论、提议、疑问——一个议题被提出来讨论,不代表它已经被「决定」了,这个区分很重要,宁可漏记也不要把还在讨论中的东西当成已经拍板的结论。
每条决策提取出以下信息:
- 主题:用一个规范化的短语概括,比如「新用户定价策略」「周会时间调整」——这个主题命名的一致性直接决定后续跨会议匹配的准确度,命名太具体(比如带上当天日期)会导致同一件事每次都被当成新主题,命名太宽泛又会把不相关的决策错误合并,两种情况都要避免
- 结论内容:Agent 自己概括的一句话,不要摘抄原话
- 时间戳(如果数据源支持)
- 来源会议:
meeting_code
第三步:和历史台账比对
用新提取的每条决策的「主题」,去 DECISION_LEDGER.jsonl 里找同主题的历史记录,分三种情况处理:
- 新主题:历史上没出现过,直接追加一条新记录
- 重复确认:主题相同,结论也相同(或方向一致),说明团队在这件事上意见稳定——单次出现不算什么,但连续出现会成为后面「原则晋升」的候选
- 决策反复:主题相同,但结论和上一次记录的方向相反或明显不一致——这是最值得提醒用户的信号,说明这件事在团队里还没真正达成共识,每次开会都在重新辩论同一个问题
判断「结论是否相同」同样要看语义而不是字面,表述方式变了但实质结论没变,应该算「重复确认」而不是误判成新主题或者忽略掉。
第四步:追加写入 DECISION_LEDGER.jsonl
{"topic": "新用户定价策略", "conclusion": "首月免费改为7天试用", "status": "决策反复", "meeting_code": "123456789", "timestamp": "2026-07-14T15:20:00+08:00", "previous_conclusion": "上次会议定的是首月免费"}
status 字段就是第三步判断出的三种结果之一:新主题 / 重复确认 / 决策反复。
第五步:生成本场会议的 DECISION_REPORT.md
# 决策一致性报告
- 会议:{subject}({meeting_code})
- 本场提取到 {n} 条决策性表述
## 决策反复(需要团队关注)
- **{topic}**:这次定的是「{new_conclusion}」,但上次({prev_meeting_code})定的是「{prev_conclusion}」——这个问题看起来还没真正达成共识
## 重复确认
- **{topic}**:连续第 {count} 次得出相同结论「{conclusion}」
## 新增决策
- **{topic}**:「{conclusion}」
原则晋升:什么时候值得写进 PRINCIPLES.md
一个主题如果连续 3 次以上(跨 3 场不同会议)都得到相同结论、没有出现过「决策反复」,就足够稳定了,值得从台账里「毕业」,变成团队可以直接引用的定论。
晋升不是自动发生的——识别到候选之后,把主题和历史记录展示给用户,问一句「这条看起来已经稳定了,要不要沉淀进定论库」,用户确认了再写入 PRINCIPLES.md。原因很直接:定论库是要被未来所有会议引用的东西,写错一条比漏记一条的代价大得多,值得多一步确认。
# 团队定论库
## {topic}
**结论**:{conclusion}
**稳定性**:连续 {count} 次会议确认,最近一次 {last_confirmed_date}
**来源会议**:{meeting_code_list}
会前:给即将召开的会议做一次历史核对(可选)
如果用户在会前描述了这次会要讨论的议题,可以主动核对一下 PRINCIPLES.md 里有没有已经覆盖的主题,提醒一句「这个话题上次已经有定论了,要不要先同步一下结论,而不是从头再讨论一遍」——这算是本 Skill 价值的自然延伸,但不用为了做这件事强行要求用户先走完整的议程录入流程。
隐私与措辞
DECISION_LEDGER.jsonl 和报告里的「结论内容」一律用 Agent 自己概括的话,不摘抄发言人原话。除非用户明确要看「这个决策是谁拍板的」,否则默认不做发言人级别的归因,只记录「团队」这个层面的结论。
常见情况
| 情况 | 处理方式 |
|---|---|
| 同一主题的表述每次命名都不一样,导致台账里同一件事被拆成好几条 | 发现疑似重复主题时,主动向用户确认「这几条是不是同一件事」,确认后合并,而不是让台账越滚越乱 |
| 智能纪要没有明确的决策性表述,全是过程性讨论 | 如实告知用户「这场会议没有识别到明确结论」,不要为了凑数据把讨论内容硬包装成决策 |
| 用户要求把某条「决策反复」的记录直接晋升为定论 | 明确提醒用户「这条历史上出现过矛盾,晋升的意义是把最新结论固定下来,但之前的反复本身也是个信号,要不要顺便看看是什么原因导致反复」 |
参考
tmeet-skill— 本 Skill 依赖的官方腾讯会议 CLI 能力
热门AI工具
相关专题
本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。
0
2026.11.12
本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.12
本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。
0
2026.11.12
本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。
0
2026.11.06
围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。
0
2026.11.06
详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。
0
2026.11.06
DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
0
2026.11.05
DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。
0
2026.11.05
本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.9万人学习
共6课时 | 54.7万人学习
最新文章