12 KiB
12 KiB
工程类会议纪要生成系统 - 架构设计精要
一、核心设计原则
分阶段生成策略 ⭐⭐⭐
核心思想：按照会议纪要的章节顺序，分阶段提取信息并生成，而不是一次性提取所有信息。
优势：
- 每阶段任务量适中，Agent负载可控
- 可逐步验证结果质量
- 出现问题可重新搜索单个阶段
- 符合人类编写纪要的思维习惯
二、整体架构概览
主窗口 (SKILL.md)
职责：流程编排 + 分阶段调度 + 逐章节生成
Phase 1: 准备阶段
├── 读取周报（主窗口）
├── 读取上周纪要（主窗口）
└── 构建索引（Agent: transcript_indexer）
输出：temp/transcript_index.json
Phase 2: 分章节提取与生成（主窗口调度 + Agent执行）
├── 2.1 生成"一、会议信息"（主窗口，无需会议转写）
├── 2.2 生成"二-1. 重点项目进展情况汇总"（主窗口，主要用周报）
├── 2.3 生成"二-2. 重点项目问题及解决方案"
│ ├── 调用Agent提取问题讨论
│ └── 主窗口合并周报问题
├── 2.4 生成"二-3. 下周工作安排"
│ ├── 调用Agent提取任务安排
│ └── 主窗口合并周报计划
├── 2.5 生成"二-4. 组内成员工作进展"
│ ├── 并行调用多个Agent提取成员反馈
│ └── 主窗口整合周报+反馈+任务
└── 2.6 生成"三、会议总结"
├── 调用Agent提取决策
└── 主窗口从已生成内容归纳总结
Phase 3: 最终输出
└── 主窗口组装完整Markdown并输出文件
三、职责分配
主窗口 (SKILL.md)
负责：
- 流程编排（按章节顺序调度）
- 读取小文件（周报、上周纪要）
- 跨源数据合并（会议 + 周报 + 上周纪要）
- 逐章节生成Markdown
- 最终文件组装输出
不负责：
- 读取大文件（会议转写）
- 分块处理逻辑
- 复杂语义分析
Agent 1: transcript_indexer
输入：无（路径固化） 职责：分块读取会议转写，构建语义索引 输出：
- 文件：
temp/transcript_index.json - 返回：摘要文字
Agent 2: transcript_searcher
输入：搜索意图（自然语言） 职责：基于索引提取特定信息 输出：JSON字符串（直接返回） 特点：轻量级，可多次调用
四、分阶段执行详细设计
Phase 1: 准备阶段
步骤 1.1: 读取周报和上周纪要（主窗口）
**执行**：
1. Glob: `input/成员本周周报/*.md`
2. 提取每个周报：姓名、P0任务、问题、下周计划
3. Glob: `input/上周会议纪要/*.md`
4. 提取"下周工作安排"表格的P0任务
**输出数据结构**：
members_data = {
"闫旭隆": {
"p0_tasks": [...],
"problems": [...],
"next_plan": [...]
},
...
}
last_week_p0_tasks = [...]
步骤 1.2: 构建会议转写索引（Agent）
**调用**：
Task(
subagent_type="transcript_indexer",
description="构建会议转写索引",
prompt="构建会议转写索引"
)
**Agent处理**：
- 分块读取会议转写（2000行/块，overlap 100）
- 为每块打语义标签
- 输出索引到 temp/transcript_index.json
**返回**：
"✅ 索引构建完成，共8块，识别10个主题"
Phase 2: 分章节提取与生成
步骤 2.1: 生成"一、会议信息"（主窗口）
**数据来源**：
- 会议时间：从会议转写文件名提取
- 参会人员：从周报文件名提取
- 记录人：固定"Claude"
**处理**：主窗口直接生成，无需Agent
**输出**：
section_1 = """
一、会议信息
- 会议时间：2025-11-18
- 参会人员：闫旭隆、江争达、...
- 记录整理人：Claude
"""
步骤 2.2: 生成"二-1. 重点项目进展情况汇总"（主窗口）
**数据来源**：
- 上周P0任务：last_week_p0_tasks
- 本周P0任务：members_data[*].p0_tasks
**处理**：主窗口直接处理
1. 取并集（上周P0 ∪ 本周P0）
2. 对每个P0任务：
- 从周报提取进展情况
- 如果周报无记录 → 标记"未完成"
**输出**：
section_2_1 = """
### 1. 重点项目进展情况汇总
| 项目名称 | 负责人 | 截止时间 | 项目进展情况 |
|---------|--------|----------|-------------|
| ... | ... | ... | ... |
"""
**注意**：此章节不需要会议转写（仅展示P0追踪）
步骤 2.3: 生成"二-2. 重点项目问题及解决方案"（Agent + 主窗口）
**步骤 2.3.1: 提取会议问题讨论（Agent）**
调用：
Task(
subagent_type="transcript_searcher",
description="提取问题讨论",
prompt=f"""
提取会议中讨论的所有问题及解决方案。
已知问题（来自周报）：{members_data[*].problems}
需提取字段：
- 问题标题
- 问题描述
- 解决方案（列表）
- 责任人
- 截止时间
返回JSON格式。
"""
)
**步骤 2.3.2: 合并数据（主窗口）**
1. 接收Agent返回的problem_results
2. 与周报problems对比去重
3. 互补合并：周报简述 + 会议详细方案
**输出**：
section_2_2 = """
### 2. 重点项目问题及解决方案
#### 问题1: ...
**问题描述**: ...
**解决方案**:
1. ...
**责任人**: ...
**截止时间**: ...
"""
步骤 2.4: 生成"二-3. 下周工作安排"（Agent + 主窗口）
**步骤 2.4.1: 提取会议任务安排（Agent）**
调用：
Task(
subagent_type="transcript_searcher",
description="提取任务安排",
prompt=f"""
提取会议中讨论的下周工作安排。
已知P0任务：{last_week_p0_tasks}
需提取字段：
- 任务名称
- 负责人
- 任务描述
- 优先级（从讨论语气判断P0/P1/P2）
- 截止时间
返回JSON格式。
"""
)
**步骤 2.4.2: 合并数据（主窗口）**
1. 接收task_results
2. 与周报next_plan合并去重
3. 冲突时会议优先
4. 排序：P0 → P1 → P2
**输出**：
section_2_3 = """
### 3. 下周工作安排
| 项目名称 | 负责人 | 下周会前目标 | 优先级 | 截止时间 |
|---------|--------|------------|--------|----------|
| 🔴 ... | ... | ... | P0 | ... |
| ... | ... | ... | P1 | ... |
"""
**保存**：next_week_tasks（供后续章节使用）
步骤 2.5: 生成"二-4. 组内成员工作进展"（并行Agent + 主窗口）⭐
**步骤 2.5.1: 并行提取成员反馈（多个Agent）**
一次性并行调用：
for member in members:
Task(
subagent_type="transcript_searcher",
description=f"提取{member}反馈",
prompt=f"""
提取会议中对 {member} 的反馈（表扬/批评/建议）。
{member}的周报内容：{members_data[member]}
需提取字段：
- 反馈类型（表扬/批评/建议）
- 反馈内容
返回JSON格式。
"""
)
**步骤 2.5.2: 整合数据（主窗口）**
对每个成员：
1. 上周完成：从周报提取
2. 进行中：从周报提取
3. 收到反馈：从Agent返回提取
4. 下周任务：从next_week_tasks筛选该成员 + 周报计划去重
**输出**：
section_2_4 = """
### 4. 组内成员工作进展
#### 闫旭隆
**上周完成**:
- ✅ ...
**收到的反馈/学习建议**:
- ...
**下周任务**:
- [ ] 🔴 P0|...
- [ ] P1|...
"""
**并行优势**：成员反馈提取互不依赖，可同时执行（4-5个Agent并行）
步骤 2.6: 生成"三、会议总结"（Agent + 主窗口）
**步骤 2.6.1: 提取决策（Agent）**
调用：
Task(
subagent_type="transcript_searcher",
description="提取决策事项",
prompt="""
提取会议中的所有关键决策。
特征词："决定"、"确定"、"采用"、"要求"
需提取字段：
- 决策内容
- 决策上下文
返回JSON格式。
"""
)
**步骤 2.6.2: 归纳总结（主窗口）**
1. 核心议题：从decision_results + next_week_tasks提取高频项目
2. 关键决策：从decision_results提取
3. 下周重点：从next_week_tasks提取P0任务
**输出**：
section_3 = """
三、会议总结
**核心议题**: ...
**关键决策**:
1. ...
**下周工作重点**:
1. ...
"""
Phase 3: 最终输出
**执行**：主窗口
**操作**：
1. 组装所有章节：
final_content = section_1 + section_2_1 + section_2_2 + ...
2. 格式化检查
3. 写入文件：`output/工程类会议纪要_{date}_第X次周会.md`
五、关键设计决策
1. 为什么分阶段而不是一次性提取？
❌ 一次性提取（原方案）：
- 同时发起7-8个Agent（任务、问题、决策、4-5个成员反馈）
- 任务量大，Agent负载重
- 难以验证中间结果
- 出错需全部重来
✅ 分阶段提取（新方案）：
- 每阶段1-2个Agent任务（成员反馈可并行）
- 任务量适中
- 可逐步验证
- 符合章节生成顺序
2. 哪些阶段可以并行？
可并行（步骤2.5）：
- 成员反馈提取（4-5个Agent同时执行）
- 原因：每个成员独立，互不依赖
必须串行：
- 其他章节（有数据依赖）
- 例如：section 2.4生成的next_week_tasks被section 2.5使用
3. 数据传递策略
Agent → 主窗口：
- ✅ 直接返回JSON字符串
- ❌ 不写temp文件（除了索引）
- 原因：单次提取结果<10k tokens，直接传递高效
主窗口内部：
- 使用变量传递中间结果
- 例如：next_week_tasks在步骤2.4生成，步骤2.5使用
4. 主窗口 vs Agent 决策原则 ⭐本项目专用
任务是否需要读取会议转写？
├── 否 → 主窗口直接处理
│ ├── 会议信息（从文件名提取）
│ └── 项目进展（仅用周报，不参考会议转写）
│
└── 是 → **必须调用 transcript_searcher Agent**
├── Agent读取语义索引（temp/transcript_index.json）
├── 定位相关块（基于has_*字段和语义匹配）
├── 精确读取会议转写片段（基于行号范围）
└── 语义提取信息并返回JSON
⚠️ 重要：
- 本项目所有会议转写信息提取都需要语义理解
- 不存在简单关键词搜索场景
- 不使用Grep工具（会议转写72k tokens，需深度语义分析）
六、完整执行流程总结
Phase 1: 准备
├── 主窗口读周报、上周纪要
└── Agent构建索引 → temp/transcript_index.json
Phase 2: 逐章节生成
├── 2.1 会议信息（主窗口直接生成）
├── 2.2 项目进展（主窗口用周报生成）
├── 2.3 问题方案
│ ├── Agent提取会议问题
│ └── 主窗口合并周报问题
├── 2.4 下周安排
│ ├── Agent提取会议任务
│ └── 主窗口合并周报计划
├── 2.5 成员进展
│ ├── 并行Agent提取反馈（4-5个）⭐
│ └── 主窗口整合周报+反馈+任务
└── 2.6 会议总结
├── Agent提取决策
└── 主窗口归纳总结
Phase 3: 输出
└── 主窗口组装Markdown并写文件
关键特点：
- ✅ 分阶段执行，任务量可控
- ✅ 仅成员反馈提取并行（4-5个Agent）
- ✅ 其他阶段串行，确保数据依赖
- ✅ 主窗口负责跨源合并与生成
- ✅ Agent专注会议转写信息提取
七、预估Token消耗
Phase 1:
- 读周报（4个×3k）: 12k
- 读上周纪要: 5k
- Agent构建索引: 72k（读会议转写）
小计: ~89k
Phase 2:
- Agent提取问题: 5k（读索引）
- Agent提取任务: 5k
- Agent提取决策: 5k
- Agent提取反馈×4: 20k（并行）
- 主窗口处理: 10k
小计: ~45k
Phase 3:
- 主窗口生成输出: 5k
总计: ~140k tokens（远低于200k限制）
八、后续优化方向
- 动态调整：如果某章节提取不理想，可重新搜索
- 增量生成：边提取边展示部分结果给用户
- 质量检查：主窗口可验证Agent返回的JSON完整性
- 错误恢复：某Agent失败不影响其他章节生成