# Q&A资源库类会议纪要 (2025-12-02) ## 一、会议信息 - **会议时间:** 2025-12-02 - **参会人员:** 连云波(主持)、闫旭隆、江争达、郝倩玉、陶西平 - **纪要整理人:** Claude --- ## 二、工作问题 Q&A ### 1. 会议纪要Skill相关问题 **Q1: 会议纪要Skill信息提取准确性不足怎么办？** **问题详情：** 文字转写准确性不够，语义识别困难；缺乏上下文约束能力；分块搜索导致信息遗漏；P0/P1/P2优先级判断不准确。 **A1:** 1. 将文字转写工具从腾讯会议换成Gemini多模态转写，利用其视觉识别能力提高准确性 2. 对转写文本进行Clean预处理，去除脏数据和重复内容 3. 采用全量主上下文窗口处理，不用分块搜索 4. P0/P1/P2优先级在会议上实时确认，不完全依赖AI判断 --- **Q2: 子Agent分割处理会导致什么问题？** **问题详情：** 使用多个子Agent并行提取信息后，在主窗口整合时发现信息丢失和逻辑割裂。 **A2:** 1. 子Agent提取后主窗口无法建立各部分之间的关联性 2. 建议把Clean后的转写文本直接加载给主上下文全量处理 3. 将子Agent提取的结果作为增强Prompt传给主上下文，减少信息损失 4. 非长连续工作场景，主上下文能处理好的就全放主上下文 --- ### 2. Sub-agent架构相关问题 **Q3: Sub-agent调用不稳定怎么解决？** **问题详情：** Sub-agent在项目下使用相对路径调用时几乎无法成功执行，会读取prompt但不执行。 **A3:** 1. **必须使用绝对路径调用Sub-agent**，相对路径调用不稳定 2. 采用Agent调Agent的架构，而非Skill调Agent 3. 定义主Agent后直接选定激活，其他Agent自动成为Sub-agent 4. 调试阶段可用Skill，调通后将Skill.md移植到Agent中 --- **Q4: Skill和Agent应该如何组织架构？** **问题详情：** Skill调Agent、Agent调Skill来回嵌套导致逻辑混乱。 **A4:** 1. **用Agent调Agent，不用Skill调Agent** 2. 可以用Skill嵌套Skill，虽然上下文长但逻辑控制精确 3. Sub-agent因不带上下文会导致控制问题，主上下文共享更好 4. 子项目下用主Agent组织其他Agent更清晰 --- ### 3. 数字人PPT相关问题 **Q5: 数字人选型需要注意什么？** **问题详情：** 老外数字人说流利中文会让人质疑真实性，与追求真实感的目标矛盾。 **A5:** 1. **不要只看树木不看森林**，老外说流利中文会让人质疑真假 2. 追求真实性就要用真实可信的形象，用真人录制训练 3. 数字人必须有手势动作，前十秒不能呆站 4. 视频结尾加独立告别画面，有始有终 --- **Q6: 数字人平台如何选型？** **问题详情：** 多个平台费用和能力不同，如何选择。 **A6:** 1. **优先百度希壤和HeyGen（黑镜）** 2. 可灵即梦按秒收费太贵 3. 百度希壤按分钟包价格合理（40块钱10分钟） 4. 黑镜会员免费生成，只收定制费 5. 可尝试Gemini VEO 3.1，3.0 Pro后视频能力升级明显 --- ### 4. 前端重构相关问题 **Q7: 前端重构应该如何规划？** **问题详情：** 只重构展示部分可能不够，担心后续架构又要重改。 **A7:** 1. **重构时必须考虑下一版本的交互逻辑修改** 2. 后端先不动，用Opus 4.5或Codex做一次Code Review 3. 将审查发现的问题记录作为重构需求文档 4. 先审查再动手，避免盲目重构 --- ### 5. 需求Skill相关问题 **Q8: 多专家博弈评审机制如何验证效果？** **问题详情：** 只看到专家提问，看不到响应，无法判断评审水平是否足够。 **A8:** 1. 将专家评估意见和响应整合成可视化的一问一答文档 2. 评估提问和响应的水平是否匹配 3. 水平不匹配则不需要这个环节 4. 各领域专家的prompt需要专人编写 --- ### 6. AI能力边界相关问题 **Q9: AI优先级判断不准怎么办？** **问题详情：** AI对P0/P1/P2任务优先级判断困难，缺乏人员背景等隐性上下文。 **A9:** 1. **在会议上实时确认优先级**，不完全依赖AI 2. 让AI先给出建议排序，人再确认反馈 3. 将确认过程材料保留，用于后续强化学习 4. 尝试将潜在上下文逐步显性化 --- ## 三、重点工作方法 ### 方法1: 多模态视频转写优先法 - **描述:** 使用Gemini多模态能力处理会议视频转写，相比纯语音识别效率更高。Gemini能识别画面内容、文字和说话人动作，可通过prompt调整提取内容，甚至直接给会议模版让其一步生成会议纪要。 - **适用场景:** 会议记录、视频内容提取、多信息源整合 - **关键要点:** - 多模态处理比纯语音识别效率高，能识别背景画面信息 - Gemini上下文最长(100万token)，视觉能力最强 - 可用Gem自定义功能，预置会议纪要模版后上传视频自动生成 ### 方法2: AI工具组合使用策略 - **描述:** 不同AI工具各有专长，应根据任务特点组合使用：前端用Gemini（多模态强），中间逻辑用Claude（工具调用强），项目修复测试用GPT Codex。 - **适用场景:** 复杂项目开发、多任务并行处理 - **关键要点:** - Gemini最全面，多模态尤其视觉能力超强，适合做PPT和视频 - Claude工具调用和工具理解能力无人能及，做Agent首选 - 选择工具要看任务特点而非盲目追求最聪明的模型 ### 方法3: 转写文本预清洗法 - **描述:** 在处理会议转写前，先用AI对原始转写进行Clean，去除脏数据和重复内容，保证信息全面的同时内容紧凑。 - **适用场景:** 会议转写处理、长文本预处理、数据清洗 - **关键要点:** - 原始转写存在逻辑中断、错误，直接处理效果差 - Clean后内容紧凑，从3万字可精简到2万字左右 - 避免给AI喂垃圾数据，先精加工再处理 ### 方法4: 主上下文全量处理法 - **描述:** 对于信息损失敏感的任务，优先在主上下文窗口全量处理，而非分割给多个子Agent。 - **适用场景:** 信息整合、关联分析、会议纪要生成 - **关键要点:** - 子Agent处理会造成逻辑割裂和信息丢失 - 主上下文直接生成比提示词生成再整合信息量更大 - 非长连续工作场景，主上下文能处理好的就全放主上下文 ### 方法5: 人机协作关键节点介入法 - **描述:** 识别AI难以自主判断的关键节点（如优先级判断），在这些节点让人介入给予关键帮助。 - **适用场景:** 复杂决策、优先级判断、隐性知识应用 - **关键要点:** - AI缺乏潜上下文（人员级别、工作年限等），某些判断靠人更有效 - 先让AI给建议再人工确认，保留确认记录用于后续训练 - 把潜在上下文逐步显性化给AI ### 方法6: 会议实时确认法 - **描述:** 在会议进行中或刚结束时，实时整理会议纪要并当场确认，不等会后让AI自行判断。 - **适用场景:** 周会、项目会议、决策会议 - **关键要点:** - 会议中前半部分已可开始整理 - 会上直接确认P0/P1等关键信息 - 当场确认效率最高、准确度最高 ### 方法7: Sub-Agent绝对路径调用法 - **描述:** 在项目下调用Sub-Agent时必须使用绝对路径，相对路径调用几乎不成功。 - **适用场景:** Skill开发、Agent架构设计 - **关键要点:** - 相对路径调用Sub-Agent几乎不成功 - 绝对路径调用测试七八次基本稳定 - 不指定目录时AI会优先找全局Agent ### 方法8: Agent调用Agent架构 - **描述:** 不要在Skill里调用Sub-Agent，而应该用Agent调用Agent。定义主Agent后选定它，再调用的其他Agent就是Sub-Agent。 - **适用场景:** 复杂Agent系统设计、多Agent协作 - **关键要点:** - Skill调用Sub-Agent组织会乱 - Agent调Agent最容易实现 - 避免Skill和Agent互相嵌套调用 ### 方法9: Skill嵌套Skill替代Sub-Agent - **描述:** 直接用Skill嵌套Skill来组织复杂流程，放弃Sub-Agent。虽然上下文较长，但逻辑控制精确。 - **适用场景:** 复杂流程自动化、多步骤任务 - **关键要点:** - Skill套Skill比Sub-Agent清晰得多 - 上下文共享使逻辑控制精确 - Sub-Agent不带上下文会导致控制问题 ### 方法10: 上下文越全越好原则 - **描述:** 不要过度限定AI做什么，而是给它尽量完整的上下文，让它自己理解并制定方案。 - **适用场景:** 创意生成、方案设计、内容生成 - **关键要点:** - Claude生成的提示词不如Gemini直接读文档效果好 - 不要规定AI做什么，给全上下文让它自己决定 - 启发：上下文管理思路的转变 ### 方法11: Playwright+OS Scripts自动化工作流 - **描述:** 用Playwright MCP控制浏览器操作，当操作超出浏览器范围时用OS Scripts接管，实现完全自动化。 - **适用场景:** 网页自动化、图片生成、PPT制作 - **关键要点:** - Playwright控制浏览器内操作 - OS Scripts处理系统对话框等浏览器外操作 - Python脚本组装最终产出 ### 方法12: AI分镜头脚本生成法 - **描述:** 用Gemini 3生成分镜头脚本，分段生成图片，再通过首尾帧生成连贯视频，最后合成完整视频。 - **适用场景:** 视频制作、数字人视频、宣传片 - **关键要点:** - Gemini 3对镜头理解和分镜脚本生成优于其他模型 - 先生成分段图片，再用首尾帧生成视频 - 分段生成后合并成完整视频 ### 方法13: 代码审查驱动重构法 - **描述:** 重构前先用AI对现有代码做完整审查，记录问题作为需求文档，再逐步重构。 - **适用场景:** 代码重构、技术债务清理、架构升级 - **关键要点:** - 先审查再动手，审查结果就是重构需求文档 - 用Opus 4.5或Codex做Code Review - 重构时同时考虑下一版本功能需求 ### 方法14: AI模拟专家访谈法 - **描述:** 在需求文档第一版生成时，用AI模拟领域专家来回答访谈问题，实现需求采集流程自动化。 - **适用场景:** 需求采集、专家访谈、方案设计 - **关键要点:** - 用AI模拟比我们经验丰富的专家 - 专家Agent回答可能更全面 - 适用于需求文档初版生成 ### 方法15: 字段映射逻辑图驱动开发 - **描述:** 开发复杂Skill时，先绘制每个输出字段的来源映射逻辑图，明确来源和优先级。 - **适用场景:** Skill开发、数据处理流程设计 - **关键要点:** - 每个字段明确来源和优先级 - 用可视化逻辑图而非纯文字描述 - 解决AI逻辑不连贯问题 --- **纪要整理人:** Claude **纪要时间:** 2025-12-02 **下次会议:** 2025-12-09