当前位置：首页 > news >正文

OpenClaw插件开发指南：为百川2-13B-4bits定制飞书会议纪要生成器

news 2026/8/4 13:27:48

OpenClaw插件开发指南：为百川2-13B-4bits定制飞书会议纪要生成器

1. 为什么需要定制会议纪要生成器

去年参加完一场跨部门会议后，我花了整整两小时整理会议纪要。当时就想：如果能自动提取关键信息、生成结构化摘要该多好。尝试过几个SaaS工具后，发现要么无法对接内部飞书系统，要么摘要质量不稳定。直到发现OpenClaw+百川2-13B的组合，终于找到了解决方案。

这个方案的核心价值在于：

完全本地化：会议录音和敏感决策内容不会外泄
深度定制：可根据团队习惯调整摘要格式和重点提取逻辑
无缝衔接：从语音转文字到邮件发送全流程自动化

2. 开发环境准备

2.1 基础组件部署

我选择在配备RTX 3090的Ubuntu工作站上部署整套系统。以下是关键组件版本：

# 验证环境 nvidia-smi # Driver 535.86.05 python --version # 3.10.12 node --version # v18.16.1

百川2-13B-4bits镜像的部署特别顺利：

# 拉取镜像（假设已配置星图平台CLI） xingtu pull baichuan2-13b-chat-4bits-webui:v1.0 xingtu run -p 7860:7860 --gpus all baichuan2-13b-chat-4bits-webui:v1.0

2.2 OpenClaw飞书插件配置

飞书开发者后台需要特别注意这三个权限：

获取群组消息（im:message）
读取会议录制（vc:meeting_record）
上传文件（file:file.upload）

配置时遇到一个坑：必须开启"加密验证"才能接收事件回调。正确的openclaw.json配置如下：

{ "channels": { "feishu": { "enabled": true, "appId": "cli_xxxxxx", "appSecret": "xxxxxx", "encryptKey": "xxxxxx", "verificationToken": "xxxxxx", "permissions": ["im:message","vc:meeting_record"] } } }

3. 核心功能开发实战

3.1 会议录音处理模块

飞书的会议录音接口返回的是M3U8格式流。我使用ffmpeg转码时发现，直接转MP3会导致时间戳丢失。最终解决方案是：

def process_meeting_audio(record_url): # 保持原始时间戳的转码方案 temp_ts = "temp_audio.ts" final_mp3 = "meeting.mp3" os.system(f"ffmpeg -i {record_url} -c copy -bsf:a aac_adtstoasc {temp_ts}") os.system(f"ffmpeg -i {temp_ts} -af 'apad=pad_dur=1' -fflags +genpts {final_mp3}") return final_mp3

3.2 百川模型交互设计

百川2-13B-4bits的API调用与标准ChatCompletion略有不同。关键参数包括：

def generate_summary(transcript): prompt = f"""请从以下会议记录中提取： 1. 关键决策点（带时间戳） 2. 待办事项（责任人+截止时间） 3. 争议问题（未达成共识部分） 记录内容：{transcript}""" response = requests.post( "http://localhost:7860/v1/chat/completions", json={ "model": "baichuan2-13b-chat", "messages": [{"role": "user", "content": prompt}], "temperature": 0.3, "do_sample": True, "max_new_tokens": 1024 } ) return response.json()["choices"][0]["message"]["content"]

实际测试发现，当温度参数>0.5时，生成的待办事项时间经常出现"下周"这类模糊表述。最终锁定0.3-0.4为最佳区间。

4. 功能集成与调试

4.1 OpenClaw技能注册

创建meeting-miner插件时，目录结构应包含：

meeting-miner/ ├── package.json ├── index.js ├── configs/ │ └── default.json └── skills/ ├── transcribe.js ├── summarize.js └── notify.js

关键注册代码在index.js中：

module.exports = (claw) => { claw.skill.register({ id: 'meeting-miner', name: '会议纪要生成器', description: '自动处理飞书会议录音并生成结构化纪要', triggers: ['会议纪要', 'meeting summary'], actions: [ { id: 'process', handler: require('./skills/transcribe') } ] }) }

4.2 异常处理实践

在真实使用中遇到最棘手的问题是飞书事件回调的重复触发。解决方案是在插件中实现去重逻辑：

const processedEvents = new Set() async function handleMeetingEnd(event) { const eventKey = `${event.meeting_id}_${event.end_time}` if (processedEvents.has(eventKey)) { return { status: 'ignored', reason: 'duplicate' } } processedEvents.add(eventKey) // 实际处理逻辑... }

5. 完整工作流演示

当飞书会议结束时，系统自动触发以下流程：

通过OpenClaw接收vc.meeting.ended事件
下载会议录音并转码为MP3
调用Whisper模型进行语音转写（约3分钟/小时录音）
百川2-13B处理转写文本，生成结构化纪要
将纪要发送至指定飞书群，并邮件抄送相关人员

实测效果：

1小时会议录音处理总耗时约8-12分钟
关键决策点提取准确率约85%（人工评估）
待办事项自动识别率约70%，需人工补充

6. 性能优化经验

6.1 模型调用加速

百川2-13B-4bits在RTX 3090上的推理速度约15 tokens/秒。通过以下技巧提升整体效率：

预加载模型到显存（启动时添加--preload参数）
使用流式响应逐步显示结果
对长录音采用分段处理，并行调用模型

6.2 内存管理

发现连续处理多个会议时会出现内存泄漏。最终通过以下方式解决：

// 在每次处理完成后清理临时文件 const { tmpCleanup } = require('openclaw-utils') async function processComplete() { await tmpCleanup() if (global.gc) global.gc() // 主动触发垃圾回收 }