企业官网建设流程全解析

1. 为什么直接丢文件给AI整理会议记录会翻车

先说结论：47页的会议记录，如果原封不动丢给AI，前两版大概率是废的。这不是AI不行，是输入方式的问题。我踩过这个坑，而且踩得很结实。

事情的起因很简单。手头有一份47页的会议记录，格式是那种典型的“多人轮流发言+零散决议+中途跑题+会后补记”的混合体。我需要把它整理成一份结构清晰、决议明确、待办事项可追踪的纪要。第一反应当然是找AI帮忙——把文档传上去，敲一句“帮我整理成会议纪要”，等结果。

第一版出来，我扫了两眼就关了。它把所有人的发言按顺序压缩了一遍，看起来像摘要，但决议和待办混在一起，责任人丢了，时间节点也没了。第二版我换了提示词，加了“请提取决议和待办事项”，结果更糟——AI开始编。它把一些讨论中的假设当成了最终决议，还把两个不同人的发言合并成了一个人的观点。

问题出在哪？我后来复盘，核心就一句话：AI不知道这份会议记录的“结构”是什么，它只能按文本顺序做概率性压缩。47页的原始记录里，信息密度极低，大量内容是重复讨论、中途插话、无关寒暄。AI在这种噪声里找信号，就像让你在一堆碎纸片里拼出一张完整的发票——不是不可能，但需要你先告诉它碎纸片该怎么分类。

所以第三版我彻底改了输入方式。不是改提示词，是改输入的结构。具体怎么做，下面拆开讲。

1.1 会议记录整理的真正难点：信息层级丢失

很多人以为会议记录整理就是“把长的变短”。不对。真正难的是恢复信息层级。

一份原始会议记录里，信息天然分几层：

• 决议层：最终拍板的事，通常有明确动词，比如“确定”“通过”“批准”“否决”。
• 待办层：谁在什么时间前要完成什么，通常包含人名、日期、动作。
• 讨论层：围绕决议的争论、备选方案、被否掉的提议。
• 背景层：开场介绍、无关闲聊、重复确认。

AI默认会把所有层压成一层，因为它不知道哪些词代表“决议”，哪些词代表“讨论”。你让它“整理”，它就按文本顺序做摘要，结果就是决议和讨论混在一起，待办被当成普通发言略过。

我第二版失败的原因就在这：我加了“提取决议和待办”，但没告诉AI怎么识别决议和待办。它只能猜，猜就出错。

1.2 前两版废掉的根因：输入没有“锚点”

什么叫锚点？就是让AI能定位关键信息的标记。

原始会议记录里，决议往往藏在这样的句子里：“那我们就这么定了，下周三之前小李把方案发出来。”这句话里，“定了”是决议信号，“下周三之前”是时间锚点，“小李”是责任人锚点，“方案”是交付物锚点。但AI看到的是连续文本，它不知道“定了”比“我觉得”重要。

前两版我直接把47页文本丢进去，AI没有任何锚点，只能靠通用语义猜。猜对了是运气，猜错了是常态。

第三版我做的事很简单：在输入之前，先给原始记录打上结构标记。不是改内容，是加标记。比如：

• 在决议句前加[决议]
• 在待办句前加[待办]
• 在讨论段前加[讨论]
• 在背景段前加[背景]

这个动作花了我大概40分钟，但后面AI输出的质量提升了不止一个档次。因为AI终于知道哪些内容是“必须保留且不能改写的”，哪些是“可以压缩的”，哪些是“可以丢弃的”。

提示：打标记不需要逐字逐句判断。我的做法是先快速扫一遍，把明显是决议和待办的句子标出来，剩下的统一归为讨论或背景。准确率不用100%，80%就够AI用了。

2. 改输入方式的具体操作：从47页到3页的完整流程

这一章讲实操。我会把整个流程拆成可复现的步骤，包括我用的工具、标记规则、提示词结构，以及中间遇到的坑。

2.1 第一步：原始记录的预处理与分段

47页的文档，第一步不是直接标记，而是分段。

原始记录是连续文本，段落很长，有时候一段里混了三个人的发言。我的做法是：

1. 按发言轮次切分。每个人每次发言作为一个独立段落。
2. 给每个段落编号，比如P001、P002。
3. 如果一段里有多人发言，手动拆开。

这一步用文本编辑器就能做，不需要特殊工具。我用的就是普通的Markdown编辑器，因为后面要加标记，Markdown的语法最干净。

切分完之后，文档从47页变成了大概120个编号段落。看起来变长了，但每个段落的信息密度提高了，AI处理起来更准。

注意：不要用AI自动分段。我试过让AI先分段再整理，结果它把一些关键决议切到了两个段落里，导致后续标记漏掉了。手动分段虽然花时间，但准确性高得多。

2.2 第二步：给每个段落打结构标记

分段之后，逐段打标记。我的标记规则如下：

打标记的时候，我遵循一个原则：宁可多标，不可漏标。如果一句话既像决议又像待办，我两个都标。AI后面会自己判断优先级。

举个例子，原始文本是：

“那我们就定A方案吧，小李你下周三之前把详细排期发出来，另外B方案的风险点也顺便整理一下。”

标记后变成：

[决议]定A方案。[待办]小李下周三之前发详细排期。[待办]小李整理B方案风险点。

这样AI就知道，这里有两个待办，责任人是小李，时间锚点是下周三。

2.3 第三步：构建输入模板，让AI按结构输出

标记完之后，我没有直接把标记文本丢给AI。我构建了一个输入模板，包含三部分：

1. 角色说明：告诉AI它是会议纪要整理助手。
2. 结构说明：告诉AI每个标记的含义和处理规则。
3. 输出格式：告诉AI最终纪要应该长什么样。

输出格式我定义得很死：

## 决议清单 - 决议内容 | 责任人 | 时间节点 ## 待办清单 - 任务描述 | 责任人 | 截止时间 | 优先级 ## 讨论摘要 - 议题 | 核心观点 | 结论 ## 未解决问题 - 问题描述 | 待确认人

这个模板的好处是，AI不需要猜“整理成什么样”，它只需要按标记把内容填进去。填的时候，[决议]和[待办]的内容它不敢乱改，因为我在角色说明里明确写了“标记为决议和待办的内容必须原文保留，只做格式转换”。

2.4 第四步：分批输入，避免上下文溢出

47页的标记文本，一次性输入还是太长。AI的上下文窗口虽然大，但输入越长，它对中间部分的注意力越弱。我的做法是分批输入。

具体怎么分？按议题分。原始会议记录通常有几个大议题，我把每个议题相关的段落打包成一批，每批大概10-15个段落。然后让AI逐批处理，最后我再把各批结果合并。

合并的时候注意：不同批次的决议和待办可能有重复或冲突。我的做法是合并后人工过一遍，把重复的去掉，冲突的标出来。

实操心得：分批输入的时候，每批开头加上“这是第X批，共Y批，本批涉及议题Z”。这样AI知道当前批次的上下文，不会把不同议题的内容混在一起。

3. 提示词怎么写：从“帮我整理”到结构化指令

这一章单独讲提示词。因为输入方式改了之后，提示词也得跟着改。原来的“帮我整理成会议纪要”太模糊了，AI只能自由发挥。新的提示词需要把结构规则、处理逻辑、输出格式全部写清楚。

3.1 角色与任务定义：让AI知道自己是“填表员”不是“作者”

我的提示词开头是这样的：

你是一个会议纪要结构化助手。你的任务不是总结，而是按照标记将原始记录中的信息填入指定格式。标记为[决议]和[待办]的内容必须原文保留，不得改写、合并或省略。标记为[讨论]的内容可以压缩，但必须保留核心观点和最终结论。标记为[背景]的内容可以丢弃。

这段话的关键是否定“总结”。因为AI默认会把“整理”理解成“总结”，一总结就会丢信息。我明确告诉它“不是总结，是填表”，它的行为就变了。

3.2 输出格式的硬约束：用表格和列表锁死结构

输出格式我用了表格和列表，而不是自由文本。因为自由文本AI容易发挥，表格和列表有明确的字段，它必须按字段填。

比如待办清单的格式：

| 任务描述 | 责任人 | 截止时间 | 优先级 | |----------|--------|----------|--------| | 发详细排期 | 小李 | 下周三 | 高 |

AI填的时候，如果原始记录里没有“优先级”，它会留空或者标“未指定”，而不是自己编一个。这就是硬约束的好处。

3.3 处理规则的优先级：决议>待办>讨论>背景

提示词里我还定义了优先级：

当同一段内容有多个标记时，按以下优先级处理：决议 > 待办 > 讨论 > 背景。如果一段内容同时是决议和待办，在决议清单和待办清单中各出现一次。

这个规则解决了我第二版遇到的问题：AI把决议和待办混在一起。现在它知道，同一个内容可以在两个清单里出现，但处理方式不同。

3.4 异常处理：遇到模糊内容怎么办

提示词最后我加了一段异常处理规则：

如果遇到无法判断标记的内容，或者标记与内容明显不符，不要自行判断，在输出末尾添加“待确认” section，列出原文和你的疑问。

这个规则救了我好几次。有一次原始记录里有一句“这个事就按之前说的办”，没有明确标记，AI把它放进了“待确认”，我人工确认后发现它其实是一个决议，只是原始记录没写清楚。

4. 实测效果对比：三版输出的差距有多大

这一章用数据说话。我把三版输出做了对比，从信息完整度、准确率、可读性三个维度打分。

4.1 第一版：直接丢文件+“帮我整理”

第一版我直接把47页文档传给AI，提示词是“帮我整理成会议纪要”。输出大概5页，看起来像摘要。

问题：

• 决议和讨论混在一起，分不清哪些是最终决定。
• 待办事项只提取了3条，实际有11条。
• 责任人丢了，时间节点丢了。
• 有2处AI自己编的内容，原始记录里根本没有。

信息完整度：约40%。准确率：约60%。可读性：还行，但没用。

4.2 第二版：加提示词但没改输入

第二版我加了提示词：“请提取决议和待办事项，按责任人分类。”输出还是5页左右。

问题：

• 待办提取了7条，比第一版好，但还是漏了4条。
• AI开始猜责任人，把讨论中提到的名字当成了责任人。
• 决议和待办还是有重叠，同一个事项在两个地方出现，描述不一致。

信息完整度：约65%。准确率：约70%。可读性：比第一版好，但需要大量人工校对。

4.3 第三版：改输入方式+结构化提示词

第三版我用了标记输入+结构化提示词+分批处理。输出3页，但信息密度极高。

结果：

• 决议清单：7条，全部来自原始记录，无编造。
• 待办清单：11条，全部有责任人和时间节点。
• 讨论摘要：5个议题，每个议题保留核心观点和结论。
• 未解决问题：3条，全部标注了待确认人。

信息完整度：约95%。准确率：约98%（有2处时间节点需要人工确认）。可读性：直接可用，不需要二次整理。

4.4 三版对比表

5. 常见问题与排查技巧实录

这一章整理我在实操中遇到的典型问题，以及怎么解决的。如果你也在用AI整理会议记录，这些坑大概率会碰到。

5.1 AI把讨论当决议，怎么防

这是最常见的问题。原始记录里有人说“我觉得可以这样”，AI把它当成了决议。

解决方法：在标记阶段，只给明确拍板的句子打[决议]标记。“我觉得”“可以考虑”“建议”这类词开头的句子，一律标[讨论]。提示词里也明确写“只有包含‘确定’‘通过’‘批准’‘决定’等动词的句子才视为决议”。

5.2 待办事项漏提取，怎么补

待办漏提取通常是因为原始记录里待办没有明确的责任人。比如“这个事下周要搞定”，没有说谁搞定。

解决方法：标记阶段，遇到没有责任人的待办，标[待办]并在后面加[责任人待确认]。提示词里让AI把这类待办单独列一个“待确认责任人”的子清单。这样至少不会漏，人工补责任人就行。

5.3 分批输入后结果冲突，怎么合并

分批处理时，不同批次可能对同一件事有不同的描述。比如第一批说“下周三”，第二批说“下周五”。

解决方法：合并时以后一批为准，因为后一批通常包含更晚的讨论。同时把冲突点标出来，人工确认。我的做法是在合并后的纪要末尾加一个“冲突待确认”清单，列出所有不一致的地方。

5.4 AI输出格式跑偏，怎么拉回来

有时候AI不按你定义的格式输出，比如把表格变成了段落。

解决方法：在提示词里加一句“如果输出格式不符合要求，我会要求你重新输出。请严格按照指定格式。”然后在AI跑偏时，直接回复“格式错误，请按模板重新输出”。通常一次就能拉回来。

5.5 常见问题速查表

实操心得：标记阶段花的时间，会在校对阶段省回来。我标记花了40分钟，校对只花了15分钟。如果不标记，校对至少2小时。

6. 这套方法还能怎么扩展

这套方法的核心不是“会议记录”，而是给非结构化文本加结构锚点，再让AI按锚点处理。这个思路可以迁移到很多场景。

6.1 访谈记录整理

访谈记录和会议记录很像，都是多人对话+零散信息。区别是访谈通常有一个主题，决议少，观点多。标记规则可以改成[观点]、[案例]、[数据]、[背景]。输出格式改成“核心观点清单+案例索引+数据点列表”。

6.2 需求文档梳理

产品需求文档通常包含功能描述、优先级、验收标准、依赖关系。标记规则可以是[功能]、[优先级]、[验收标准]、[依赖]。输出格式改成“功能清单+优先级矩阵+依赖图”。

6.3 学习笔记结构化

如果你有大量的学习笔记，想整理成知识体系，也可以用这套方法。标记规则是[概念]、[原理]、[示例]、[疑问]。输出格式是“概念卡片+原理链条+示例库”。

6.4 扩展时的注意事项

扩展时注意两点：

1. 标记规则要贴合场景。会议记录的标记规则不能直接套用到访谈记录，因为信息类型不同。
2. 输出格式要提前定义。不要指望AI自己设计格式，你定义得越死，输出越稳定。

最后再分享一个小技巧：如果你经常处理同类文档，可以把标记规则和提示词模板保存下来，下次直接复用。我现在的模板已经迭代到第5版，处理一份新的会议记录，从标记到输出只需要30分钟。

这个内容后续还可以这样扩展：把标记过程也交给AI做。比如先让AI读一遍原始记录，自动打标记，然后人工校对标记，再让AI按标记输出。这样标记时间可以从40分钟压缩到10分钟。我试过几次，准确率大概85%，适合对精度要求不那么高的场景。