11 KiB
11 KiB
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:
- 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
- 对转写文本进行Clean预处理，去除脏数据和重复内容
- 采用全量主上下文窗口处理，不用分块搜索
- 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:
- 子Agent提取后主窗口无法建立各部分之间的关联性
- 建议把Clean后的转写文本直接加载给主上下文全量处理
- 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
- 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:
- 必须使用绝对路径调用Sub-agent，相对路径调用不稳定
- 采用Agent调Agent的架构，而非Skill调Agent
- 定义主Agent后直接选定激活，其他Agent自动成为Sub-agent
- 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:
- 用Agent调Agent，不用Skill调Agent
- 可以用Skill嵌套Skill，虽然上下文长但逻辑控制精确
- Sub-agent因不带上下文会导致控制问题，主上下文共享更好
- 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:
- 不要只看树木不看森林，老外说流利中文会让人质疑真假
- 追求真实性就要用真实可信的形象，用真人录制训练
- 数字人必须有手势动作，前十秒不能呆站
- 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:
- 优先百度希壤和HeyGen（黑镜）
- 可灵即梦按秒收费太贵
- 百度希壤按分钟包价格合理（40块钱10分钟）
- 黑镜会员免费生成，只收定制费
- 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:
- 重构时必须考虑下一版本的交互逻辑修改
- 后端先不动，用Opus 4.5或Codex做一次Code Review
- 将审查发现的问题记录作为重构需求文档
- 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:
- 将专家评估意见和响应整合成可视化的一问一答文档
- 评估提问和响应的水平是否匹配
- 水平不匹配则不需要这个环节
- 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:
- 在会议上实时确认优先级，不完全依赖AI
- 让AI先给出建议排序，人再确认反馈
- 将确认过程材料保留，用于后续强化学习
- 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