OpenClaw+ollama-QwQ-32B智能办公方案：会议纪要自动生成与分类

1. 为什么需要自动化会议纪要

每次开完会，我都会面临同样的困扰：录音文件散落在不同设备上，手动整理耗时费力，关键信息容易遗漏。更麻烦的是，会议中提到的待办事项常常淹没在大段文字中，最终不了了之。直到我发现OpenClaw+ollama-QwQ-32B这个组合，才真正实现了会议纪要的自动化闭环。

这个方案的特别之处在于，它不是一个标准化SaaS产品，而是可以根据我的工作习惯深度定制的私人助手。通过飞书语音转文字、ollama-QwQ-32B信息提取、Notion数据库写入的完整链路，现在我的会议纪要处理时间从原来的30分钟缩短到5分钟以内。

2. 技术栈搭建与配置

2.1 基础环境准备

我选择在本地MacBook Pro上部署这套方案，主要考虑到会议录音涉及公司内部信息，本地处理更安全。以下是核心组件：

• OpenClaw：通过Homebrew安装的v1.2.3版本
• ollama-QwQ-32B：使用星图平台的一键部署镜像
• 飞书企业版：公司统一使用的协作平台
• Notion：个人知识管理系统

安装过程最耗时的部分是ollama模型部署。由于QwQ-32B需要约24GB显存，我不得不临时升级了显卡驱动。这里有个小技巧：在星图平台选择"预加载模型"选项，可以节省约40%的初始化时间。

2.2 关键配置要点

OpenClaw的配置文件位于~/.openclaw/openclaw.json，需要特别注意以下几个部分：

{
  "models": {
    "providers": {
      "ollama-qwq": {
        "baseUrl": "http://localhost:11434",
        "api": "openai-completions",
        "models": [
          {
            "id": "QwQ-32B",
            "name": "本地QwQ模型",
            "contextWindow": 32768
          }
        ]
      }
    }
  },
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "飞书应用ID",
      "appSecret": "飞书应用密钥",
      "encryptKey": "可选加密密钥"
    }
  }
}

飞书机器人的配置有个坑点：必须同时在飞书开放平台配置"权限管理"，确保有获取语音消息的权限。我在这里卡了将近两小时，直到在日志中发现403错误才恍然大悟。

3. 自动化流程实现

3.1 语音转文字触发机制

整个流程的起点是飞书会议录音。通过配置OpenClaw的飞书插件，当我在飞书群中@机器人并发送语音时，会自动触发以下处理链：

1. 语音文件通过飞书API下载到本地临时目录
2. 调用飞书官方语音转文字服务（需单独申请权限）
3. 原始文本存入./workspace/transcripts/目录，按日期+会议主题命名

实际使用中发现，超过30分钟的录音文件经常处理失败。解决方案是在配置中添加了自动分片机制：

openclaw config set feishu.audio_split_duration 1200

3.2 智能信息提取

转写完成的文本会通过OpenClaw路由到ollama-QwQ-32B模型进行处理。这里我自定义了一个处理模板：

请从以下会议记录中提取：
1. 关键决策点（不超过3项）
2. 待办事项（明确负责人和截止时间）
3. 需要跟进的问题

文本内容：
{{CONTENT}}

模型返回结构化JSON数据，包含三个关键字段：

• decisions: 重要决策列表
• todos: 待办事项数组
• followups: 需跟进问题

初期测试时，模型经常把"可能""或许"这类不确定表述误判为决策。通过微调prompt，增加负面示例后准确率显著提升：

注意：以下情况不应视为最终决策：
- "我们可以考虑..."
- "或许应该..."
- "建议..."

3.3 Notion数据库写入

最后一步是将处理结果写入Notion。这里用到了OpenClaw的Notion技能包，需要提前配置数据库模板：

// notion.config.js
module.exports = {
  database_id: '你的数据库ID',
  mappings: {
    '会议主题': 'title',
    '决策点': 'rich_text',
    '待办': 'multi_select',
    '负责人': 'people',
    '截止时间': 'date'
  }
}

最实用的功能是自动@相关人员功能。当模型识别到"张三负责"这类表述时，会自动匹配公司通讯录，在Notion中正确标记负责人。这需要预先在OpenClaw中配置组织架构：

openclaw contacts sync --source=feishu

4. 实际效果与优化心得

经过一个月的持续使用，这套方案已经处理了47场会议录音，生成待办事项219条。相比人工处理，有三个显著优势：

1. 完整性：模型不会漏记关键信息，特别是那些会议尾声匆匆提到的要点
2. 可追溯：所有原始录音和中间结果都按项目分类存档
3. 及时性：会议结束5分钟内，相关人员就会收到分配的任务提醒

遇到的主要挑战是方言识别问题。当参会者有浓重口音时，飞书的语音转文字准确率会下降。我的解决方案是：

1. 在重要会议时同步开启飞书妙记和OpenClaw录音
2. 配置备用的Azure语音识别服务
3. 对关键会议手动校对转写结果

另一个实用技巧是为不同项目配置不同的处理模板。技术评审会议和产品脑暴会的关注点完全不同，通过openclaw templates命令管理多个prompt模板，可以显著提升信息提取准确率。

5. 安全与隐私考量

作为处理敏感会议内容的系统，我特别关注以下几点：

• 所有录音文件在处理后24小时自动删除
• Notion数据库设置了严格的权限控制
• 模型API仅限本地访问，不经过任何第三方服务器
• 关键操作需要二次确认，比如删除记录或@高级别领导

通过openclaw audit命令可以查看完整操作日志，这对追查问题特别有用。有次发现系统误将一个产品代号识别为人名，就是通过审计日志定位到了有问题的prompt版本。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。