智能会议纪要助手:OpenClaw自动总结录音并分发待办事项

一、配置飞书通道与会议录音接入

想让OpenClaw自动“听会”，第一步就得打通它与飞书会议之间的“任督二脉”。这步的核心，是确保音频流能实时、稳定地流入后续处理管道。整个过程，离不开飞书企业自建应用的权限和必要的网络配置。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

首先，你得在飞书开放平台创建一个企业自建应用。创建成功后，记下那四把关键的“钥匙”：App ID、App Secret、Verification Token和Event Encrypt Key。

接着，进入应用权限管理。找到“会议”模块，把READ（读）和WRITE（写）权限都勾选上，然后提交审核。这一步，相当于给OpenClaw发放了进入会议室并做记录的“工作证”。

网络通道也不能忽视。通过curl ifconfig.me命令，获取到你部署OpenClaw那台服务器的公网IP地址，然后把这个IP添加到飞书的安全白名单里。这就好比给自家服务器开了个专属VIP通道，确保数据通行无阻。

最后，打开配置文件~/.openclaw/openclaw.json，在channels.feishu这个节点下，填入刚才拿到的那四把“钥匙”。别忘了，把realTimeTranscribe这个选项设置为启用状态。至此，通道就算配置完成了。

二、本地部署Qwen3.5-9B模型服务

音频流接进来了，谁来把它变成文字并理解其中的意思？为了兼顾低延迟、高可控性，同时避免敏感会议内容在云端“裸奔”，本地部署一个大语言模型是更稳妥的选择。这里我们以Qwen3.5-9B为例。

第一步，获取模型。从星图平台拉取已经量化好的Docker镜像：docker pull csdnmirrors/qwen3.5-9b:latest。

第二步，启动服务。运行一条Docker命令来启动容器：docker run -d --name qwen-9b -p 5000:5000 -v ~/qwen_data:/app/data csdnmirrors/qwen3.5-9b:latest --api-port 5000 --quantization int4。这条命令做了几件事：把容器的5000端口映射到本地，挂载一个数据卷，并且指定用int4的量化精度来运行，以节省资源。

第三步，告诉OpenClaw这个新“伙伴”的存在。在openclaw.json文件的models.providers节点下，新增一个local-qwen的条目。将baseUrl设为http://localhost:5000/v1，api类型设为openai-completions。

配置好后，执行openclaw models list命令验证一下连接状态。如果返回结果显示为active（活跃）且响应时间低于800ms，那就恭喜你，本地模型服务已经准备就绪了。

三、安装并启用核心技能模块

通道有了，大脑（模型）也有了，接下来就得给OpenClaw安装“手脚”和“专业技能”了。这些技能模块各司其职，共同完成从听写到分发的一整套动作。安装时需要注意授权和依赖顺序。

首先，安装“耳朵”——语音识别技能。运行clawhub install speech-to-text。安装成功后，记得在系统的隐私设置里，授予OpenClaw访问麦克风的权限，不然它可什么都“听”不到。

然后，安装“分析员”——待办事项提取技能。运行clawhub install task-extractor。这个模块有点挑食，它依赖的模型上下文窗口必须≥32768，好在咱们之前部署的Qwen3.5-9B能满足这个要求。

接着，安装“联络员”——日历同步技能。运行clawhub install calendar-sync。安装后需要在配置里指定defaultCalendar字段，比如设为“技术部日程”，这样它才知道把任务同步到飞书的哪个日历。

所有技能安装完毕后，重启一下网关服务：openclaw gateway restart。重启后，运行openclaw skills list检查一下，确保所有技能的状态都显示为enabled（已启用）。

四、构建会议处理流水线

零件全部到位，现在来组装自动化流水线。这一步定义了从音频输入到待办分发的完整数据流，整个过程由OpenClaw的Skill Orchestrator（技能编排器）自动调度，无需人工插手中间环节。

触发流水线很简单。你只需要在飞书群聊里发送一条指令，比如：“处理最新会议录音，生成纪要，提取Action Items并同步至飞书待办”。

OpenClaw收到指令后，会自动识别消息中的飞书妙记链接。接着，audio_transcribe技能被调用，它会下载音频文件，并智能地将其分段处理（每段不超过15分钟），以适应模型的最佳处理长度。

音频转成文字后，text_summarize技能登场。它会将转写文本送入Qwen3.5-9B模型，按照预设的指令模板，生成一份结构清晰的会议纪要（summary.md），里面通常包含时间戳、发言人标记和议题结论。

最后，task-extractor技能会仔细“阅读”这份纪要，从中精准抓取出待办事项，输出为JSON格式的todo_list.json文件。这个列表里的每一项，都会清晰地包含负责人（owner）、截止时间（deadline）和优先级（priority）这三个关键字段。

五、对接飞书待办与群组推送

流水线产出了待办清单，最后一步就是要把它们精准送达，并附上完整的会议上下文，形成任务闭环。

calendar-sync技能会读取上一步生成的todo_list.json，然后调用飞书的OpenAPI，为每一项待办在飞书日历中创建一个任务。它会自动@对应的负责人，并设置好截止时间。

同时，系统会将那份详细的会议纪要summary.md，转换成飞书富文本卡片的形式。这张卡片里会嵌入原始会议录音的链接、关键结论的时间戳锚点，以及直接跳转到对应待办的按钮，方便追溯和查看。

紧接着，一条汇总消息会被发送到最初发起指令的那个飞书群组。消息标题通常是“【会议纪要】+会议主题”，正文则包含了结构化的会议摘要和清晰的待办事项清单。

至此，整个流程结束。所有通过这个系统创建的待办事项，都会携带一个唯一的claw_id标签。日后，你可以通过openclaw todo status [claw_id]这样的命令，随时查询任何一项任务的执行进度，管理起来一目了然。