别只让 GPT 写会议纪要：用 Python 把纪要变成可执行 Todo 清单

gerkaco

543人浏览 · 2026-06-02 18:27:29

gerkaco · 2026-06-02 18:27:29 发布

现在很多团队开完会，都会顺手让 GPT 整理会议纪要。

输入一段会议记录，它很快就能输出：

- 会议主题；
- 核心结论；
- 待办事项；
- 负责人；
- 截止时间；
- 待确认问题。

看起来很完整。

但实际放到工作流里，经常会遇到一个问题：

**会议纪要写得像样，不代表任务真的能执行。**

比如：

- 有待办事项，但没有负责人；
- 有负责人，但没有截止时间；
- 有结论，但没有对应动作；
- 有争议点，但没有标成待确认；
- 有“尽快处理”这种模糊时间；
- 有“相关同学跟进”这种模糊责任人；
- 有一堆文字，但无法进入项目管理工具。

这才是很多团队使用 AI 办公时的真实问题。

不是 GPT 不会写，而是 GPT 写出来的内容还没有被结构化、校验和转成流程。

在 CSDN 这种技术场景里，讨论 AI 会议纪要，不应该停留在“Prompt 怎么写得漂亮”，而应该进一步思考：

**AI 生成的纪要，怎么变成可执行数据？**

这篇文章用 Python 写一个轻量级脚本，把 GPT 生成的 Markdown 会议纪要解析成 Todo 清单，并检查每一条任务是否具备：

- task：任务描述；
- owner：负责人；
- deadline：截止时间；
- status：状态；
- risk：风险标记；
- need_confirm：是否需要确认。

目标不是做一个复杂项目管理系统，而是搭一个最小可用流程：

**会议记录 → GPT 纪要 → Python 解析 → Todo JSON → 缺失项检查 → 人工复核。**

---

一、为什么不能只停留在“AI 写纪要”？

很多人第一次用 GPT 做会议纪要，会觉得很惊艳。

原本会议记录乱七八糟，现在几秒钟就变成分点内容：

- 谁说了什么；
- 决定了什么；
- 接下来做什么；
- 哪些地方待确认。

但真正执行时，问题才会出现。

比如 GPT 输出：

> 市场组跟进下周活动物料，产品组继续优化页面，技术侧尽快处理接口问题。

这句话看起来没问题，但如果放到实际项目里，会发现它几乎不可执行。

市场组是谁？
产品组具体负责人是谁？
技术侧哪个人处理？
下周具体哪一天？
接口问题是哪一个接口？
完成标准是什么？

纪要的价值，不是写得完整，而是能不能转成行动。

所以一个更工程化的做法是：

先让 GPT 整理会议纪要，再用脚本检查纪要里的任务是否可执行。

这样可以避免 AI 输出“看起来完整，实际模糊”。

---

二、设计一个标准会议纪要格式

为了方便解析，我们先要求 GPT 输出固定 Markdown 格式。

比如：

```markdown
# 会议纪要：官网改版进度同步

会议结论
- 首页首屏方案采用 B 版视觉方向。
- 注册页转化数据需要继续观察一周。
- 接口超时问题需要技术侧排查。

## 待办事项
- [ ] task: 完成首页首屏 B 版视觉稿
owner: 李明
deadline: 2026-06-05
risk: low

- [ ] task: 整理注册页过去 7 天转化数据
owner: 王然
deadline: 2026-06-04
risk: medium

- [ ] task: 排查注册接口偶发超时问题
owner: 陈涛
deadline: 2026-06-03
risk: high

## 待确认问题
- 注册页转化率下降是否与新版表单字段有关。
- 首页 B 版视觉是否需要再做一次用户测试。
```

这个格式的好处是：

1. 对人可读；
2. 对脚本也友好；
3. Todo 可以被解析；
4. 缺失项可以被检测；
5. 后续可以转成 JSON、CSV 或项目管理工具导入格式。

很多团队用 AI 办公失败，不是因为 AI 没有能力，而是因为输出格式没有标准化。

格式不标准，就很难进入流程。

---

三、Prompt 模板：让 GPT 输出可解析纪要

可以先用一个固定 Prompt 约束 GPT 输出。

```text
你是一个会议纪要整理助手。

请根据输入的会议记录，输出结构化 Markdown 会议纪要。

要求：
1. 使用固定结构：会议结论、待办事项、待确认问题。
2. 待办事项必须使用以下字段：
- task
- owner
- deadline
- risk
3. owner 不明确时，写 owner: 待确认。
4. deadline 不明确时，写 deadline: 待确认。
5. risk 只能是 low、medium、high。
6. 不要把讨论中的猜测写成已确定结论。
7. 不要编造负责人和截止时间。
8. 如果信息缺失，必须放入待确认问题。

输入会议记录：
【粘贴会议转写内容】
```

这个 Prompt 的关键点不是让文字更好看，而是让输出更可解析。

AI 纪要要进入工作流，就不能只追求“像正式文档”。

它必须结构稳定。

---

四、Python 数据结构设计

先定义一个 TodoItem。

```python
from dataclasses import dataclass, asdict
from typing import List, Dict

@dataclass
class TodoItem:
task: str
owner: str
deadline: str
risk: str
need_confirm: bool = False

@dataclass
class ParseResult:
todos: List[TodoItem]
confirm_questions: List[str]
warnings: List[str]

def to_dict(self) -> Dict:
return {
"todos": [asdict(todo) for todo in self.todos],
"confirm_questions": self.confirm_questions,
"warnings": self.warnings,
}
```

这个结构比较简单：

- todos：解析出的待办任务；
- confirm_questions：待确认问题；
- warnings：解析和校验时发现的问题。

后续如果要接入飞书、Notion、Jira 或 Trello，可以在这个结构基础上转换。

---

五、解析 Markdown 会议纪要

下面实现一个简单解析器。

```python
import re
from dataclasses import dataclass, asdict
from typing import List, Dict

@dataclass
class TodoItem:
task: str
owner: str
deadline: str
risk: str
need_confirm: bool = False

@dataclass
class ParseResult:
todos: List[TodoItem]
confirm_questions: List[str]
warnings: List[str]

def to_dict(self) -> Dict:
return {
"todos": [asdict(todo) for todo in self.todos],
"confirm_questions": self.confirm_questions,
"warnings": self.warnings,
}

class MeetingNoteParser:
def parse(self, markdown: str) -> ParseResult:
todos = self._parse_todos(markdown)
confirm_questions = self._parse_confirm_questions(markdown)
warnings = self._validate_todos(todos)

return ParseResult(
todos=todos,
confirm_questions=confirm_questions,
warnings=warnings,
)

def _parse_todos(self, markdown: str) -> List[TodoItem]:
todo_blocks = re.findall(
r"- \[ \] task:\s*(.*?)\n\s*owner:\s*(.*?)\n\s*deadline:\s*(.*?)\n\s*risk:\s*(.*?)(?=\n\n|- \[ \]|##|\Z)",
markdown,
flags=re.S,
)

todos = []

for task, owner, deadline, risk in todo_blocks:
owner = owner.strip()
deadline = deadline.strip()
risk = risk.strip().lower()

need_confirm = (
owner == "待确认"
or deadline == "待确认"
or "尽快" in deadline
or "相关" in owner
)

todos.append(
TodoItem(
task=task.strip(),
owner=owner,
deadline=deadline,
risk=risk,
need_confirm=need_confirm,
)
)

return todos

def _parse_confirm_questions(self, markdown: str) -> List[str]:
match = re.search(r"## 待确认问题\n(.*?)(?=\n##|\Z)", markdown, flags=re.S)

if not match:
return []

section = match.group(1)

questions = []
for line in section.splitlines():
line = line.strip()
if line.startswith("- "):
questions.append(line[2:].strip())

return questions

def _validate_todos(self, todos: List[TodoItem]) -> List[str]:
warnings = []

allowed_risks = {"low", "medium", "high"}

for index, todo in enumerate(todos, start=1):
if not todo.task:
warnings.append(f"第 {index} 条任务缺少 task。")

if not todo.owner or todo.owner == "待确认":
warnings.append(f"第 {index} 条任务缺少明确负责人。")

if not todo.deadline or todo.deadline == "待确认":
warnings.append(f"第 {index} 条任务缺少明确截止时间。")

if todo.risk not in allowed_risks:
warnings.append(f"第 {index} 条任务 risk 字段不合法：{todo.risk}")

if "尽快" in todo.deadline:
warnings.append(f"第 {index} 条任务截止时间过于模糊：{todo.deadline}")

if "相关" in todo.owner:
warnings.append(f"第 {index} 条任务负责人过于模糊：{todo.owner}")

return warnings
```

这个脚本做了三件事：

1. 解析待办事项；
2. 解析待确认问题；
3. 校验负责人、截止时间和风险字段。

它不是要理解全部会议内容，而是把 GPT 输出中最容易影响执行的字段抓出来。

---

六、输入示例：一份 AI 生成的会议纪要

```python
meeting_note = """
# 会议纪要：官网改版进度同步

## 会议结论
- 首页首屏方案采用 B 版视觉方向。
- 注册页转化数据需要继续观察一周。
- 接口超时问题需要技术侧排查。

## 待办事项
- [ ] task: 完成首页首屏 B 版视觉稿
owner: 李明
deadline: 2026-06-05
risk: low

- [ ] task: 整理注册页过去 7 天转化数据
owner: 王然
deadline: 2026-06-04
risk: medium

- [ ] task: 排查注册接口偶发超时问题
owner: 相关技术同学
deadline: 尽快
risk: high

## 待确认问题
- 注册页转化率下降是否与新版表单字段有关。
- 首页 B 版视觉是否需要再做一次用户测试。
"""

parser = MeetingNoteParser()
result = parser.parse(meeting_note)

print(result.to_dict())
```

这份纪要里，第三条任务明显有问题：

- owner 是“相关技术同学”；
- deadline 是“尽快”。

人看得懂，但系统没法执行。

---

七、输出示例：结构化 Todo 和风险提醒

脚本输出可能是：

```text
{
'todos': [
{
'task': '完成首页首屏 B 版视觉稿',
'owner': '李明',
'deadline': '2026-06-05',
'risk': 'low',
'need_confirm': False
},
{
'task': '整理注册页过去 7 天转化数据',
'owner': '王然',
'deadline': '2026-06-04',
'risk': 'medium',
'need_confirm': False
},
{
'task': '排查注册接口偶发超时问题',
'owner': '相关技术同学',
'deadline': '尽快',
'risk': 'high',
'need_confirm': True
}
],
'confirm_questions': [
'注册页转化率下降是否与新版表单字段有关。',
'首页 B 版视觉是否需要再做一次用户测试。'
],
'warnings': [
'第 3 条任务截止时间过于模糊：尽快',
'第 3 条任务负责人过于模糊：相关技术同学'
]
}
```

这个结果比单纯一份会议纪要更有用。

它告诉你：

- 哪些任务可以进入执行；
- 哪些任务需要补充信息；
- 哪些字段不够明确；
- 哪些问题需要会后确认。

这才是 AI 会议纪要进入工作流的关键。

---

## 八、导出成 JSON 文件

如果要把 Todo 交给其他系统，可以导出 JSON。

```python
import json

with open("meeting_todos.json", "w", encoding="utf-8") as f:
json.dump(result.to_dict(), f, ensure_ascii=False, indent=2)
```

导出的文件可以给后续流程使用：

- 导入项目管理系统；
- 生成日报；
- 发给负责人确认；
- 和会议纪要一起归档；
- 作为下次会议的追踪清单。

AI 只负责整理文本，脚本负责结构化，人负责确认。

这个分工比较稳。

---

九、传统方式 vs GPT 辅助方式

这个对比能说明一件事：

AI 不是直接替代会议管理，而是把“整理”这一步变快。

真正的执行仍然需要人来确认。

---

十、可以继续扩展的方向

这个脚本只是最小可用版本。

后续可以继续扩展：

1. 支持 YAML 格式会议纪要；
2. 导出 CSV；
3. 接入飞书任务；
4. 接入 Notion 数据库；
5. 按 risk 自动排序；
6. 对 high 风险任务增加二次确认；
7. 根据 deadline 判断是否逾期；
8. 对 owner 进行团队成员白名单校验；
9. 自动生成会后确认消息。

比如增加一个负责人白名单：

```python
TEAM_MEMBERS = {"李明", "王然", "陈涛", "赵敏"}

def validate_owner_whitelist(todos: List[TodoItem]) -> List[str]:
warnings = []

for index, todo in enumerate(todos, start=1):
if todo.owner not in TEAM_MEMBERS:
warnings.append(
f"第 {index} 条任务负责人不在团队成员名单中：{todo.owner}"
)

return warnings
```

这样就能进一步避免“相关同学”“产品侧”“技术侧”这类模糊负责人进入任务系统。

---

十一、技术边界提醒

⚠️ 第一，正则解析依赖格式稳定。

如果 GPT 输出格式变化太大，脚本可能解析失败。所以 Prompt 必须约束格式。

⚠️ 第二，脚本不能判断任务是否合理。

它只能检查字段是否完整，不能判断任务本身是否正确。