OpenClaw技能开发入门为百川2-13B定制会议纪要生成器1. 为什么需要自定义会议纪要技能上个月我连续参加了7场跨时区的技术方案讨论会每次会后都要花40分钟整理录音和笔记。直到发现OpenClaw可以通过自定义技能对接本地部署的百川2-13B模型才意识到这个重复劳动完全可以自动化。与通用AI助手不同定制化技能能深度适配特定场景。比如我们的技术会议常涉及多语言混杂中英术语交替特定领域缩写如K8s、CI/CD需要结构化输出的行动项Action Items通过开发专用skill不仅能自动生成格式规范的Markdown纪要还能提取关键决策点和待办事项。下面分享从零开发到发布的全过程。2. 开发环境准备2.1 基础组件安装确保已部署OpenClaw核心服务以macOS为例# 确认基础环境 openclaw --version # 应输出类似openclaw/1.2.3 darwin-arm64 node-v18.16.0 # 安装技能开发工具包 npm install -g openclaw/skill-devkit2.2 模型连接验证在~/.openclaw/openclaw.json中配置百川2-13B本地服务地址假设部署在http://localhost:5000{ models: { providers: { baichuan-local: { baseUrl: http://localhost:5000/v1, apiKey: YOUR_API_KEY, api: openai-completions, models: [ { id: baichuan2-13b-chat, name: Baichuan2-13B-Chat, contextWindow: 4096 } ] } } } }通过命令行测试模型连通性openclaw exec 测试模型连接 --model baichuan2-13b-chat3. 技能核心功能开发3.1 项目初始化创建技能骨架mkdir meeting-miner cd meeting-miner clawhub skill init --namemeeting-miner --typeprocessor生成的标准目录包含skill.json技能元数据src/核心代码test/测试用例schemas/输入输出定义3.2 语音转文本模块由于OpenClaw原生支持系统音频捕获我们只需对接语音识别API。这里使用兼容百川ASR的接口// src/audio.js export async function transcribe(audioPath) { const response await openclaw.models.completion({ model: baichuan2-13b-chat, messages: [{ role: user, content: 将音频${audioPath}转为文字保留时间戳 }] }); return parseTranscript(response.choices[0].message.content); }3.3 信息抽取模板针对技术会议特点设计提示词模板【输入】原始会议文本 【输出要求】 1. 提取核心议题不超过3个 2. 识别每个议题的结论/决策 3. 列出行动项包含负责人、截止时间 4. 标记待确认事项 【格式】Markdown对应的实现代码// src/parser.js export async function parseMeeting(text) { const PROMPT 你是一个技术会议纪要专家...; // 完整提示词省略 const result await openclaw.models.completion({ model: baichuan2-13b-chat, messages: [{ role: user, content: PROMPT text }] }); return result.choices[0].message.content; }4. 技能调试与优化4.1 测试数据准备创建test/fixtures/meeting1.txt模拟会议录音文本[09:00] 张三关于K8s集群升级建议先在小规模测试环境验证1.25版本... [09:15] 李四CI/CD流水线需要同步适配预计需要2人日...4.2 执行验证测试clawhub skill test --inputtest/fixtures/meeting1.txt典型问题与解决方案术语识别不准在提示词中加入术语表K8sKubernetes, CI/CD持续集成与持续交付行动项遗漏修改提示词特别注意建议、需要等措辞后的行动项中英混杂启用百川的多语言开关{ models: { baichuan2-13b-chat: { parameters: { bilingual: true } } } }5. 发布到ClawHub5.1 打包技能clawhub skill pack --public生成meeting-miner-1.0.0.claw发布包5.2 发布流程登录ClawHub开发者平台创建新技能仓库上传打包文件填写元信息技能类型文本处理兼容模型百川2系列输入格式音频/文本输出格式Markdown5.3 版本管理建议采用语义化版本控制补丁版本1.0.x提示词优化次要版本1.x.0新增功能如支持腾讯会议直连主版本x.0.0架构变更如迁移到Llama36. 实际使用效果部署后我的工作流变为会议结束时说OpenClaw记录本次会议系统自动捕获音频并转文本调用百川模型分析内容生成Markdown纪要保存到指定目录人工复核关键决策点平均处理时间从40分钟缩短到3分钟且格式一致性显著提升。一个意外收获是模型能发现参会者自己遗漏的行动项。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
OpenClaw技能开发入门：为百川2-13B定制会议纪要生成器
发布时间：2026/5/22 20:59:36
OpenClaw技能开发入门为百川2-13B定制会议纪要生成器1. 为什么需要自定义会议纪要技能上个月我连续参加了7场跨时区的技术方案讨论会每次会后都要花40分钟整理录音和笔记。直到发现OpenClaw可以通过自定义技能对接本地部署的百川2-13B模型才意识到这个重复劳动完全可以自动化。与通用AI助手不同定制化技能能深度适配特定场景。比如我们的技术会议常涉及多语言混杂中英术语交替特定领域缩写如K8s、CI/CD需要结构化输出的行动项Action Items通过开发专用skill不仅能自动生成格式规范的Markdown纪要还能提取关键决策点和待办事项。下面分享从零开发到发布的全过程。2. 开发环境准备2.1 基础组件安装确保已部署OpenClaw核心服务以macOS为例# 确认基础环境 openclaw --version # 应输出类似openclaw/1.2.3 darwin-arm64 node-v18.16.0 # 安装技能开发工具包 npm install -g openclaw/skill-devkit2.2 模型连接验证在~/.openclaw/openclaw.json中配置百川2-13B本地服务地址假设部署在http://localhost:5000{ models: { providers: { baichuan-local: { baseUrl: http://localhost:5000/v1, apiKey: YOUR_API_KEY, api: openai-completions, models: [ { id: baichuan2-13b-chat, name: Baichuan2-13B-Chat, contextWindow: 4096 } ] } } } }通过命令行测试模型连通性openclaw exec 测试模型连接 --model baichuan2-13b-chat3. 技能核心功能开发3.1 项目初始化创建技能骨架mkdir meeting-miner cd meeting-miner clawhub skill init --namemeeting-miner --typeprocessor生成的标准目录包含skill.json技能元数据src/核心代码test/测试用例schemas/输入输出定义3.2 语音转文本模块由于OpenClaw原生支持系统音频捕获我们只需对接语音识别API。这里使用兼容百川ASR的接口// src/audio.js export async function transcribe(audioPath) { const response await openclaw.models.completion({ model: baichuan2-13b-chat, messages: [{ role: user, content: 将音频${audioPath}转为文字保留时间戳 }] }); return parseTranscript(response.choices[0].message.content); }3.3 信息抽取模板针对技术会议特点设计提示词模板【输入】原始会议文本 【输出要求】 1. 提取核心议题不超过3个 2. 识别每个议题的结论/决策 3. 列出行动项包含负责人、截止时间 4. 标记待确认事项 【格式】Markdown对应的实现代码// src/parser.js export async function parseMeeting(text) { const PROMPT 你是一个技术会议纪要专家...; // 完整提示词省略 const result await openclaw.models.completion({ model: baichuan2-13b-chat, messages: [{ role: user, content: PROMPT text }] }); return result.choices[0].message.content; }4. 技能调试与优化4.1 测试数据准备创建test/fixtures/meeting1.txt模拟会议录音文本[09:00] 张三关于K8s集群升级建议先在小规模测试环境验证1.25版本... [09:15] 李四CI/CD流水线需要同步适配预计需要2人日...4.2 执行验证测试clawhub skill test --inputtest/fixtures/meeting1.txt典型问题与解决方案术语识别不准在提示词中加入术语表K8sKubernetes, CI/CD持续集成与持续交付行动项遗漏修改提示词特别注意建议、需要等措辞后的行动项中英混杂启用百川的多语言开关{ models: { baichuan2-13b-chat: { parameters: { bilingual: true } } } }5. 发布到ClawHub5.1 打包技能clawhub skill pack --public生成meeting-miner-1.0.0.claw发布包5.2 发布流程登录ClawHub开发者平台创建新技能仓库上传打包文件填写元信息技能类型文本处理兼容模型百川2系列输入格式音频/文本输出格式Markdown5.3 版本管理建议采用语义化版本控制补丁版本1.0.x提示词优化次要版本1.x.0新增功能如支持腾讯会议直连主版本x.0.0架构变更如迁移到Llama36. 实际使用效果部署后我的工作流变为会议结束时说OpenClaw记录本次会议系统自动捕获音频并转文本调用百川模型分析内容生成Markdown纪要保存到指定目录人工复核关键决策点平均处理时间从40分钟缩短到3分钟且格式一致性显著提升。一个意外收获是模型能发现参会者自己遗漏的行动项。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
