為什麼預設的摘要沒有用
貼上逐字稿、要求摘要,得到的只會是一段話,說團隊討論了這個專案並同意後續追蹤。這段話很準確,但毫無價值,因為它剔除了大家打開會議記錄唯一想看的兩件事:決定了什麼,和誰欠了什麼。
解法是明確點出會議實際會產生的四樣東西,並針對這四樣東西提問:決策、承諾、未解決的問題、分歧意見。最後一項最常被遺漏,卻在事後最為重要。
用兩個模型跑兩個階段。Claude負責解讀現場氣氛並寫出敘事,GPT負責擷取結構而不加入自己的評論。把工作拆成兩步,只需要切換一次模型,就能寫出大家真的會讀的會議記錄。
兩個提示詞就能完成整個工作
提示詞一:在Claude寫重點回顧
這是一份會議逐字稿。請產出:(1) 一句話標題,說明這場會議實際解決了什麼;(2) 做出的決策,以及各是誰做的決定;(3) 五到八點涵蓋內容重點,依重要性排序而非發言順序;(4) 被提出但沒有得到答案的未解決問題;(5) 任何有分歧的地方,同時陳述雙方立場,不要幫忙下結論。不要納入客套話、排時間的對話,或被討論後又放棄的事項。如果某項決策是暗示性的、從未明說,請另外列在UNCONFIRMED底下。逐字稿:[貼上內容]。
提示詞二:在GPT整理待辦事項
從同一份逐字稿中,把每項承諾擷取成表格:任務、負責人、截止日期,以及出處的原文引句。規則:只納入有人真的做出承諾的項目,不要納入只是被提議的事項。如果負責人不明確,寫UNASSIGNED,不要用猜的。如果沒有提到日期,寫NO DATE,不要自己推測。接著另外列出被提起但沒有人接手的任務。
引句欄位是這套流程可信的關鍵。它能把一項有爭議的待辦事項,從各說各話變成可以查證的東西,也能讓捏造的承諾一眼露餡,因為根本找不到對應的引句。
提示詞三,選用:寫後續追蹤信
根據上面的重點回顧和待辦事項,草擬一封後續追蹤信。對象:[有出席和沒出席會議的人]。開頭先講決策。全文控制在200字以內。明確寫出每個人的待辦事項,不必讓人自己解讀。語氣:[你的風格]。標出任何我送出前該再確認的地方。
適合你實際會開的會議的範本
不同類型的會議會產生不同的產出。要調整的是擷取的內容,不只是用詞。
| 會議類型 | 要求擷取的內容 | 大家最常忘記的事 |
|---|---|---|
| 客戶或業務通話 | 提出的異議、對方描述問題時的原話、他們拿你和誰比較、下一步和負責人 | 照抄客戶的原話,不要自己改寫 |
| 決策會議 | 決策內容、被否決的替代方案和原因、要通知誰 | 記下被否決的選項,這是防止六週後又被重新翻案的關鍵 |
| 站會或狀態更新 | 有負責人的阻礙事項、對先前估計的變更、任何默默延後的事情 | 沒人說出口的延誤 |
| 使用者訪談 | 他們描述的工作內容、他們自己想出的變通方法、確切的不滿引句、言行不一致之處 | 言行不一致之處,這往往是最有用的部分 |
| 面試或招聘小組 | 針對每項能力的正反證據,附引句,以及沒問到的問題 | 把證據和印象分開 |
| 董事會或投資人會議 | 你做出的承諾、你答不出來的問題、被要求的後續事項 | 你答不出來的問題 |
把你每週都會用到的那份,存成一個貼上就能用的提示詞,並用{{transcript}}當作逐字稿要放的位置,讓整套工作流程變成貼上、執行、瀏覽三步驟。
要怎麼取得可用的逐字稿?
Whizi不會加入或錄下你的通話。逐字稿要由你提供,而幾乎每個主要平台都能產出:Zoom、Teams和Meet都內建轉錄功能,專門的記錄工具也能匯出純文字。
有幾件事能明顯改善成果:
- 保留發言人標籤。 歸屬資訊佔了大部分的價值。就算逐字稿被拿掉發言人標籤,還是能摘要,只是每個待辦事項都會變成UNASSIGNED。
- 不要先整理逐字稿。 贅字和說到一半重講不會多花你什麼成本,模型會自動忽略。花時間整理逐字稿是白費工夫。
- 長逐字稿用上傳的,不要用貼的。 一場兩小時的會議是很大量的文字。用檔案上傳能讓對話維持可讀,而Gemini 3.5 Flash一次能讀到100萬個token,大約1,900頁書稿。
- 如果有議程,一併附上。 這能讓模型知道原本預期會發生什麼事,讓「提出但從未解決」那一段更準確。
送出前該檢查什麼
三種特定的失誤模式,每一種都有便宜的檢查方式。
捏造的承諾。 模型偶爾會把「某人大概該去看一下那個」變成一項有名字的正式待辦事項。引句欄位能立刻抓到這種情況,這也是為什麼提示詞裡要求要有引句。
被抹平的分歧。 摘要傾向往共識靠攏,因為世界上大多數文字最後都會收斂成共識。如果兩個人明明有分歧,記錄卻寫得好像大家都同意,這份記錄就是錯的,而且是那種兩週後才會惹麻煩的錯。直接問:大家在哪裡有分歧,後來有解決嗎?
交叉發言頻繁的通話裡歸屬錯誤。 轉錄工具在有人搶話時容易把發言人標錯。任何重要的內容,在放進要掛名的文件之前,先抽查一下歸屬是否正確。
一個好用的最後一道檢查:這份逐字稿裡有什麼,是忙碌的人需要知道、但在上面的摘要裡找不到的? 這一問經常能挖出一件值得補上的事。
- 在逐字稿裡保留發言人標籤,因為歸屬資訊佔了大部分價值
- 要求決策、承諾、未解決的問題,和分歧意見,而不是要一份摘要
- 要求每項擷取出來的待辦事項都附上確切的支持引句
- 用UNASSIGNED和NO DATE,而不是讓模型自己猜
- 檢查分歧意見那一段,因為摘要容易往假的共識靠攏
- 為你最常開的會議類型保留一份可重複使用的提示詞
常見問題
Whizi會錄下會議嗎?
不會。Whizi不會加入通話或錄音。你用自己既有的工具產出逐字稿,不論是Zoom、Teams、Google Meet,還是專門的記錄工具,再貼上或上傳即可。保留發言人標籤完整,比逐字稿來源更重要,因為會議摘要裡大部分的價值都來自歸屬資訊。
拿來處理敏感會議安全嗎?
Whizi不會用你的對話來訓練模型,而且每家供應商的資料政策在啟用該模型前都能先查看,但逐字稿仍是公司會產出的最敏感文件之一。涉及法務、人資、董事會,和人事相關的會議,請先確認公司內部政策,並考慮用你自己的筆記來摘要,而不是原始逐字稿。上傳前先拿掉不需要的姓名和識別資訊,是一個便宜又有效的額外防護。
我該用哪個模型?
重點回顧用Claude,因為它擅長理解語意脈絡,寫出的記錄大家會願意讀完。待辦事項擷取用GPT,因為它能穩定維持嚴謹的輸出格式,不會擅自加評論。逐字稿很長時用Gemini,因為它能一次讀完長達數小時的會議,不用分段。以額度來說,這樣分工很划算:依Whizi的模型成本指數,GPT-5.6 Terra每則訊息4點額度,Gemini 3.5 Flash是8點,Claude Sonnet 5是10點,所以同一份逐字稿跑完兩個階段共14點額度。
逐字稿能有多長?
比大多數會議產出的長度都還要長。一般一小時的通話,對任何模型來說都綽綽有餘。如果是數小時的會議、一整天的工作坊,或一次要處理好幾場會議,把檔案上傳並使用Gemini 3.5 Flash,它有100萬token的上下文,大約相當於1,900頁書稿,能一次容納整批內容。
如果沒人明講,它能告訴我最後決定了什麼嗎?
它能標出來,而這正是正確的做法。這一頁的提示詞會要求模型把暗示性但未明說的決策,另外列在UNCONFIRMED底下,讓你自己確認,而不是把從未真正做出的決定當成既定事實記下來。什麼都沒有明確拍板的會議其實很常見,假裝有的記錄只會在之後製造麻煩。