如何用 Claude 自动生成会议纪要

一

去年秋天，我和一位做生物医药的朋友吃饭。他刚从一个三小时的高管会上被放出来，手机里有一段将近 90 分钟的录音，还有 7 页手写笔记。我说你今晚打算怎么干，他给我看了一个群聊记录，老板在群里发了一句话：纪要明早九点前发全员。

那天晚上他干了什么呢？用半小时把录音转成文字，再用一小时把文字整理成初稿，再用半小时删删改改，检查谁说了什么、哪句话该写进决议、哪个数字是结论而非讨论。凌晨一点半他发出邮件，第二天早上老板回复了四个字：收到，谢谢。

这不是个别案例。我在过去两年里访谈过 40 多位高频会议参与者，包括项目经理、产品负责人、合伙人和部门主管，他们的共同隐痛是：会议纪要最花时间的地方不是打字，而是判断“什么该留、什么该删、什么该写成行动、什么该归档为决策”。 而这恰好是 Claude 这类大模型最擅长的事情，只是大多数人的用法完全错了。

绝大多数人以为“用 Claude 做会议纪要”就是把语音转文字稿扔进去，然后说“帮我整理一份会议纪要”。这样出来的东西通常只有 60 分：格式看起来很漂亮，但翻开一看，每句话都对，每句话都没用。因为模型在不了解你的会议规则、决策机制和行动标准之前，只能给你一份“看起来很像纪要的通稿”。

在这篇文章里，我会把我过去 16 个月反复测试、踩坑、推翻重来的方法拆给你看。这不是一篇 Claude 功能介绍文章，而是一套经过验证的 “规则驱动型 AI 会议纪工作流” 。它不是为了让你少打字，而是为了让经手的每一份纪要都能直接推进下一次行动。

一、核心结论：Claude 在做纪要这件事上，真正的价值不在“总结”，而在“重构”

我先把这个结论讲清楚：用 Claude 做会议纪要，真正值得你投入精力的不是写 prompt 让它“总结得好一点”，而是建立一套属于你自己的会议规则，然后让 Claude 按照这个规则去重构原始信息。

为什么需要“重构”而不是“总结”？因为任何会议的信息都存在三种杂质：

1. 时序杂质： 会议讨论不是按逻辑展开的，而是按发言顺序展开的。A 讲完问题，B 插了一段无关背景，C 跳回去补了一个数据，D 又打开了新话题。如果 AI 按时间线总结，你会得到一份“会议流水账”，而不是一份可执行的纪要。
2. 角色杂质： 不同参会者的发言权重完全不同。老板随口问的一句“这个数字是不是有问题”和一个一线同事说“这个数字需要核实”，在纪要里应该被分配完全不同的关注级别。但模型如果不被告知谁是谁、谁在哪个位置，就无法判断。
3. 意图杂质： 讨论过程中有大量“听起来像结论但其实是试探”的语句。“我们可以考虑 A 方案”和“我们就走 A 方案”在文字层面上非常像，但在会议语境里有本质区别。前者的发言者是在留退路，后者才是真决议。

Claude 能够处理这些“杂质”的前提，不是它足够聪明，而是你给了它一个足够清晰的规则框架。我在实际测试中发现：给 Claude 一段两小时的原始文字记录让它自由发挥整理，和先给它一个 200 字的会议规则再用同样的记录去生成，输出质量差距大概在 40% 到 60% 之间。 这个差距主要体现在：可执行的任务条目数量、决议准确率、以及后续不需要二次修改的比例。

二、为什么大多数人的用法是错的：三个最常见的认知偏差

在我帮几十位朋友、同事和客户调试过他们的“AI 会议纪工作流”之后，我发现问题高度集中在三个错误的假设上。

错误 1：把 Claude 当成“速记员+排版工”

最典型的 prompt 是：“请把以下会议记录整理成一份结构清晰、格式规范的纪要”。这句话本质上是在告诉 Claude：把水倒进杯子里，把杯子摆正。

但真正的会议纪要不是原材料经过排版美化后的产物，而是经过信息筛选、权重分配和任务转化后的决策文档。两者的区别如下：

Claude 被低估的能力是它可以在极短时间内完成这种转化，但前提是你必须通过 prompt 或者 system instruction 告诉它：你要的不是整理，是转化。

错误 2：不向 Claude 说明“会议类型和决策规则”

这是我在 2024 年初踩过的一个大坑。当时我和一个创业团队合作，他们的周会有三个特点：①每次讨论不超过 3 个议题；②每个议题必须以一个“是否”判断收尾；③每个行动项必须绑定一个具体的人和一个不超过 7 天的截止时间。

我一开始用的方法很简单：把会议记录给 Claude，说“生成纪要”。出来的东西看起来还不错，但项目负责人在第三周的时候跟我说了一句话，让我记到现在。他说：“你这个纪要看着都对，但我没办法对着它布置任务。”

问题出在哪？出在 Claude 不知道这个团队的“周会”是一个决策型会议而不是一个同步型会议。如果使用者不告诉他这次会议的功能定位，Claude 就会用一种“最安全”的方式去写纪要，它会把所有讨论都写成“就某事进行了充分交流”，而不是“会议决定：立即启动 B 方案”。

后来我做了一个改动：在每次生成前，先给 Claude 一段固定的会议类型声明。这段声明只有三句话，但效果立竿见影：

> 这是一次产品周会，属于决策型会议。会议目标是对本周内三个产品方向的优先级做出最终判断。纪要必须包含：每个议题的最终决议、唯一责任人、第一个行动截止时间。

错误 3：期望一次生成就是终稿

我在早期帮人做工作流设计的时候，会花很多时间打磨一份“完美 prompt”，试图让 Claude 一次输出就能直接用。后来发现这个方向完全错了，不是 prompt 不够好，而是这个期望本身不合理。

原因很简单：任何会议纪要都需要一个人的判断去最终把关，因为模型的输出永远无法替代“在场者的共识感”。 模型不知道某个议题背后有一年半的未决矛盾，不知道两个部门的负责人之间刚发生过一次未公开的冲突，不知道老板说“再看看”其实等于“否决”。这些东西模型不可能知道，也不应该被要求知道。

所以我后来把整个流程设计成了两级生成机制：

• 第一阶段：Claude 根据规则输出初稿，目标是“信息完整但不加粉饰”。
• 第二阶段：你只改动三五个关键判断，然后让 Claude 根据你的修改去调整全文。

这个转变让我的平均修改时间从 15 分钟降到了 3 分钟左右，因为我不再需要逐句推敲文本，只需要把精力集中在几个真正需要人类判断的决策点上。

三、怎么做：规则驱动型 AI 会议纪工作流

下面进入实操部分。我会把这套工作流拆成四个步骤来讲。每一步都包含具体的 prompt 示例、常见踩坑点和我曾经犯过的错误。

第一步：建立“会议规则卡”（不是一段 prompt，而是可复用的规则文档）

这是整个工作流中最重要、也最容易被跳过的一步。大多数人上来就想写 prompt，但如果你没有一个稳定的“会议规则”，你每次写 prompt 都要重新思考一遍会议的结构，效率极低，质量也不稳定。

会议规则卡是一个很短的文档，通常不超过 300 字，包含以下内容：

1. 会议类型定义： 这是同步会、决策会、还是复盘会？不同类型决定了输出重点。
2. 决策规则： 什么样的表述才算“决议”？需要明确到一个程度：当模型看到“那我们就这样吧”和“行，先按这个来”时，它应该做一个标记。
3. 行动项规则： 行动项必须包含三个要素，做什么事、谁负责、什么时间完成。缺少任何一个要素的都不叫行动项，叫想法。
4. 禁止输出项： 哪些内容绝对不能出现在纪要里？例如：未达成共识的讨论细节、个人观点未标明发言者、超出本次会议范围的外部信息。

下面是一份我实际使用的会议规则卡示例，来自一个电商团队的运营周会：

> 会议类型： 运营周会，属于同步+轻度决策型。

> 决策标记规则： 当主持人说“那就这样定了”或项目负责人说“OK 这个方向我确认”时，视为决议。

> 行动项规则： 每个行动项必须格式为“【行动】负责部门/人 + 具体动作 + DDL”。DDL 精确到日。

> 禁止输出： 不记录讨论中的试探性方案；不记录未经验证的外部数据；不对任何人的发言做价值判断。

这份规则卡一旦写好，就可以反复复用到每一次周会的 prompt 中去。它会成为 Claude 理解你会议语境的“基础配置文件”。

第二步：准备输入材料，不是越原始越好，而是越“结构化”越好

我测试过三种输入方式：

1. 直接扔语音转文字全文： 效果最差。废话多，跳转多，模型会在无关信息上浪费大量注意力。
2. 人工整理的笔记： 效果中等。但人工整理本身就在花时间，相当于你已经做了大量脑力劳动，只让 Claude 做最后的格式排版。
3. 经过“轻度预处理”的半结构化笔记： 效果最好。

什么是轻度预处理？它只需要你做三件几乎不花额外精力的事：

• 在笔记中用一个固定符号（例如“##”或“—”）区分不同的议题段落。
• 在每个发言前面用固定格式标记发言人（例如“【张总】”、“【产品-小李】”）。
• 如果在会上你已经感知到某个内容是关键决策或风险点，顺手打一个“（重要）”标记。

这三件事在你开会的时候就可以完成，不会打断你参会，也不会让你变成一个打字员。我自己习惯用一套简写标记：Q: 表示提问、D: 表示决策、A: 表示行动、R: 表示风险。

举个例子，我的原始会议笔记长这样：

> ## 议题一：Q4 促销活动预算调整

> 【李总】这次预算比去年多了 40%，需要给出具体投放结构的拆解。（重要）

> 【市场-小王】初步拆解是：抖音 60%，线下 20%，小红书 20%。

> 【李总】小红书比例偏低了，今年我们在这个渠道的 ROI 明显好于去年。

> 【市场-小王】那我调整一下，改成抖音 50%，小红书 30%，线下 20%。

> 【李总】D: 可以，按这个比例推进。A: 小王明天出一版详细投放计划表，DDL 10月27日。

你用这种笔记格式喂给 Claude，比我之前直接扔两小时的无结构录音文字稿，输出质量要稳定得多。这里面有一个关键：你不是在做额外劳动，你只是在用更“AI 友好”的方式做你本来就要做的笔记。

第三步：递进式 Prompt，先要求分析，再要求输出

这也是一个容易被忽略的技巧。大多数人的 prompt 是“一步到位式”的：把笔记扔进去，说“生成纪要”。但这种方式的问题在于，你跳过了模型“理解”和“判断”的中间过程，直接进入了“格式化输出”的阶段。

我后来把 prompt 拆分成了三阶段：

阶段 A：让 Claude 先“读懂”会议

> 根据以上笔记，请先完成以下分析：

> 1. 本次会议共讨论了几个议题？每个议题的起止位置在哪里？

> 2. 每个议题中，哪些发言属于背景信息、哪些属于讨论过程、哪些属于最终决议？

> 3. 请识别所有包含明确责任人和截止时间的行动项。

阶段 B：基于分析结果生成纪要素材

> 请根据你的分析结果，按以下框架整理纪要素材：

> – 议题 1 决议摘要（不超过 100 字）

> – 议题 1 关键讨论要点（仅保留与决议相关的分歧和决策依据）

> – 议题 1 行动项清单（格式：【负责人】+ 任务 + DDL）

阶段 C：合成终稿

> 请基于以上素材，生成一份完整的会议纪要。标题为“Q4 促销预算专题会纪要”，格式要求如下：……

这三阶段拆开的好处是什么？我的经验是：分阶段操作让你可以在中间环节进行人工校准。 如果 Claude 在阶段 A 漏掉了一个议题，或者错误地标记了一个决议，你可以在进入阶段 B 之前修正它，避免错误在后两个阶段里被放大。

第四步：人工复核的精准着力点，只审 5 样东西

很多人用 AI 生成纪要之后会把全文通读一遍，逐句检查和修改。这是最耗精力的部分，也是很多人放弃使用 AI 的原因，他们觉得“还不如我自己写”。

但其实人工复核不需要也不应该逐句读。纪要复核只需要审 5 样东西：

1. 决议对不对： 这是唯一一个出错就 100% 影响产出的点。核对你记忆中每一个“已经定下来”的事情是否被准确捕捉并体现在纪要中。
2. 行动项是否具备可执行性： Claude 有时候会写出一个看起来像行动项、但实际上是一个模糊描述的条目。例如：“团队需跟进相关后续”。这种条目必须被揪出来并具体化。
3. 责任人和截止日期是否与实际一致： 模型有时候把名字搞混（特别是参会人姓、职务简称混用），有时候把日期推演错误（把“下周二”理解错）。
4. 禁出项有没有漏网： 对照你在规则卡里设置的“禁止输出项”，扫一眼是否出现了不应出现的内容。
5. 整体篇幅和信息密度： 如果一份纪要超过 1500 字但里面没有出现 5 个以上的具体行动项，那么大概率水分较多。

我通常的复核流程是这样：把 Claude 生成的纪要导入一个简易 checklist，在 5 分钟内完成 5 项检查，标记出需要修改的点，然后把这些修改点告诉 Claude 让它自己重新调整终稿。 整个过程人工耗时不超过 8 分钟。

四、不同会议类型的差异化处理

实际工作中，会议不是只有一种形态。以下是我处理过的最常见的 4 种会议类型，以及每一类在使用 Claude 时的关键调整策略。

类型 1：管理层周会（多议题、高决策密度）

特点： 议题多（5-10 个），每个议题的结论直接影响团队下周的工作方向。节奏快，发言信息密度高。

调整策略：

• 在会议规则卡中加入“议题优先级标记”机制。要求 Claude 在输出时给每个议题的决议标注优先级：P0（影响核心业务）、P1（正常推进）、P2（关注即可）。
• prompt 中加一句：“如果某个议题没有形成明确决议，请单独列为‘待决议事项’并在纪末尾进行汇总，不允许用模糊表述遮蔽未决状态。”
• 复核时特别留意：是否存在“讨论充分但没有结论”的议题被 AI 错误地包装成了“已达成共识”？

类型 2：项目评审会（技术/业务方案评审）

特点： 讨论集中在 1-2 个具体方案上。大量技术细节或业务参数。低信息密度但高复杂度。

调整策略：

• 在规则卡中增加“技术要件确认清单”或“评审通过标准”。将评审标准写在 prompt 里，让 Claude 在生成纪要时逐条对照。
• 关键 prompt 句子：“请根据以下评审标准对方案进行逐条核查，并在纪要中单独呈现核查结果。”
• 特别注意：此类会议最常出的问题是 Claude 将一个技术参数的建议当成了决策。在 prompt 中明确“技术参数讨论仅作记录，不构成决议”。

类型 3：客户沟通会（对外会议、信息敏感）

特点： 纪要后续可能发送给客户确认，文本的准确性和边界感极其重要。

调整策略：

• 规则卡中的“禁止输出项”需要格外严格：内部讨论内容、我方未确认的口头承诺、对竞品的比较评价、价格让步的讨论过程，都不能出现。
• 在 prompt 中要求 Claude 输出两个版本：一个“客户可看版”（对外版），一个“内部留存版”。后者包含完整讨论和策略判断，前者只保留双方已确认的事项。
• 复核时重点检查：外部版中是否意外包含了内部版才应出现的内容？

类型 4：1对1 沟通（导师/下属面谈、绩效沟通）

特点： 非正式、情感信息多、需要保护隐私。

调整策略：

• 这类沟通我通常不建议使用完整 AI 生成纪要，但非常建议用 Claude 做一个“结构化要点提炼”。
• prompt 方向改为：“请从以下对话中提炼出 3-5 个关键结论和 2-3 个后续关注事项。不要求完整记录对话过程，不记录情绪性表达。”
• 最终输出不超过 300 字。这个长度刚好够双方留存备忘，又不会让对话被过度文档化。

五、高频踩坑清单：我犯过的最严重的 5 个错误

这一节是纯教训，每一个都对应了一次或者多次非常具体的翻车经历。

坑 1：给 Claude 的原始材料太长，超过其有效上下文窗口

翻车场景： 我把一次三小时的季度会完整录音转写稿（约 28000 字）一次性丢给 Claude，说“生成纪要”。结果它只处理了前三分之一，后面的内容完全被忽略了。

正确做法： 长会议（超过 90 分钟）必须分段处理。按议题切分，每个议题单独一段 prompt。如果有跨议题的关联信息，在 prompt 中手动补充一句话即可。

坑 2：以为模型能自动识别“会议中的沉默”

翻车场景： 一次战略会上，CEO 对某个提案沉默了将近 20 秒，然后跳过这个话题去讲下一个。在场的人都懂这意味着什么。但文字稿里只有“……”或者干脆什么都没写。Claude 生成的纪要中完全没提到这件事，把这次跳过去当成了正常流程。

正确做法： 参会者需要在笔记中对“沉默”做主动标记。用一个简单的符号如“（沉默/未回应）”来提示自己后续复核时注意这一点。这类信息目前无法由模型从纯文字转写中提取。

坑 3：多人发言混在一起，没有做发言人区分

翻车场景： 我用自动转写工具的时候没有做说话人分离。生成的文字是一整段连续的文本，没有“谁说”的标记。Claude 处理之后，把几个不同立场的发言拼接在了一个结论下面，导致决议看起来是全员同意的，但实际上只代表了一个人的意见。

正确做法： 如果工具不支持说话人分离，开会时必须手动标记发言人。如果做不到，那么 AI 生成的纪要必须标注“发言人未区分，需人工核实”。永远不要在没有说话人分离的录音转写材料上做决策。

坑 4：在 prompt 中要求太多，导致模型注意力分散

翻车场景： 我早期设计过一份超长的 prompt，包含 18 条指令：格式要求、语气要求、十几个输出字段的规定、还有一些边缘情况的处理规则。结果 Claude 的表现反而更差，经常漏掉核心步骤。

正确做法： 经过多次测试，我发现单条 prompt 中的核心指令不要超过 7 条。如果规则很复杂，就用“会议规则卡”做前置配置，分阶段执行。在任何一个阶段让模型只聚焦于 3-5 个明确目标。

坑 5：只关注文本内容，忽略了信息结构的调整

翻车场景： 有一次我核对纪要时觉得“内容都对”，但发给团队成员之后，有人在群里追问“这里说的到底是我要在下周三之前干完，还是下周三之前启动？”这个问题出现的原因是：Claude 按照常见格式把一个行动项写成了“下周三前完成 xx 事项”，但在当时的会议语境中，这个任务需要前置一个“方案确定”的步骤。这个上下文信息没有被补上，导致行动项产生了歧义。

正确做法： 在复核阶段，针对每一个行动项，反向检查：执行者看到这句话，是否会在没有额外解释的情况下准确理解该怎么做？如果有一丝模糊，就需要加补充信息。

六、下一步：如何测试你自己的“会议规则卡”

读完前面这些内容，你可能已经有一个大概的理解了。但我强烈建议你不要直接拿来套用到你的每一次会议上，而是先做一次单点验证测试。 测试方法很简单，三步：

第一步：选一次你非常熟悉的会议。

这个会议最好是你已经开过很多次的常规会议，周会、月度复盘、项目站会均可。熟悉意味着你可以很容易地判断 AI 输出的准确度。

第二步：用 15 分钟写好你的第一版会议规则卡。

不需要完美，不需要覆盖所有边缘情况。只把最关键的四个方面写清楚：会议类型、决策标记、行动项格式、禁止输出项。控制在 200 字以内。

第三步：跑一次完整流程，然后给自己打两个分数。

• 效率分： 从会议结束到发出纪要，你总共花了多长时间？和你之前的平均时间比怎么样？
• 质量分： 纪要中的人看完之后，是否有超过 2 个追问？如果有，是关于什么内容的追问？记录下来。这些追问就是你下一次调整规则卡的依据。

做完这三步，你就有了一个属于你自己的基线数据。后续每开一次会，你都可以微调规则卡中的某些设定，然后观察质量分和效率分的变化方向。大概 4-6 次之后，你会找到一套对你所在团队、所在行业、所在会议文化最适配的配置。

七、一个更长期的视角：会议纪要不是终点

写到这里，我想把视角再拉高一点。

过去两年，我看到大量团队在引入 AI 会议纪要之后，确实解放了“记录员”这个角色。但一个更深层的变化，发生得比我想象的慢：大多数团队依然在用 AI 来优化“记录”这件事，而不是重新设计“会议”这件事。

如果你用 Claude 生成的纪要次次都呈现出一个现象，例如，连续四周的周会纪要做出来，总是超过一半议题没有明确决议，或者行动项的按时完成率不到 30%，这意味着什么？这意味着 AI 帮你把问题看得更清楚了，但问题本身还在那个地方。

我在自己的团队里开始用 AI 纪要做一种“反向审计”：不是看本次会议做了什么，而是把过去 6 次周会的决议拿出来，让 Claude 做一次横向量化分析。结果很震撼：40% 的议题已经连续讨论了 3 次以上但从未产出行动；有 3 个人每次都被列为负责人但从未出现在后续的完成汇报中；有两个议题每次都在纪要里被标记为 P0，但实际资源分配完全没有对应上去。

这些洞察放在传统的纪要看里是散的，需要一个人花很长时间去手工统计，所以几乎没人做。但有了结构化纪要和 Claude 的分析能力之后，这个过程从“不可能”变成了“10 分钟就能完成”。

所以我不觉得“用 AI 做会议纪要”的目标是取代记录员。它真正的价值在于：让你第一次有能力用量化的方式去审视“会议”这个组织行为本身的效率。 如果你用 Claude 不只是为了省 30 分钟写纪要的时间，而是用 6 次纪要的聚合数据去推动一次会议流程的重新设计，这才叫把工具用到位了。

如果你现在就有一次会议等着出纪要，我建议你立刻做一件事：别回去翻任何模板，也别再研究谁的 prompt 更高级。就打开一个空白文档，先写你这一场会议的规则卡。写完 200 字，拿着一版去用。用完之后把翻车的地方记下来，下次改一处。

迭代 5 次之后，你大概率不会再搜索“如何生成会议纪要”这类问题了，因为你会进入一个更高级的问题区：如何让每一次会议本身更值得被记录。