meeting-analyzer

Meeting Insights Analyzer

最初由 maximcoding 贡献 — 由 claude-skills 团队增强和集成。

将会议转录稿转化为具体、有证据支撑的反馈，涵盖沟通模式、领导行为和人际互动动态。

核心工作流

1. 导入与盘点

扫描目标目录中的转录文件（.txt、.md、.vtt、.srt、.docx、.json）。

对每个文件：

• 从文件名或内容中提取会议日期（预期为 YYYY-MM-DD 前缀或内嵌时间戳）
• 识别发言人标签 — 查找诸如 Speaker 1:、[John]:、John Smith 00:14:32 以及 VTT/SRT 字幕块格式等模式
• 检测用户身份：若存在歧义则询问，否则从发言最多的发言人或文件名线索中推断
• 记录：文件名、日期、时长（来自时间戳）、参会人数、字数

在进行大量分析之前，打印一份简要盘点表，供用户确认分析范围。

2. 规范化转录稿

不同工具生成的格式差异很大。在分析之前，将所有内容规范化为统一的内部结构：

{ speaker: string, timestamp_sec: number | null, text: string }[]

各格式的处理方式：

• VTT/SRT：解析字幕时间戳与文本。发言人标签可能是行内形式（<v Speaker>）或前缀形式。
• 纯文本：查找每行的 Name: 或 [Name] 前缀。若不存在发言人标签，则提醒用户按发言人的分析将受到限制。
• Markdown：去除格式后，按纯文本处理。
• DOCX：提取文本内容，然后按纯文本处理。
• JSON：预期为包含 speaker/text 字段的对象数组（Otter/Fireflies 常见导出格式）。

若缺少时间戳，则优雅降级：跳过依赖时间的指标（发言语速、停顿分析），但仍运行基于文本的分析。

3. 分析

运行以下所有适用的分析模块。每个模块相互独立 — 跳过不适用的模块（例如，若没有发言人标签则跳过发言占比分析）。

---

模块：发言动态

按发言人计算：

• 字数与占会议总字数的百分比
• 发言轮次 — 每人发言的次数
• 平均每轮发言长度 — 每段不间断发言的字数
• 最长独白 — 标记超过 60 秒或 200 字的发言轮次
• 打断检测 — 发言轮次在上一位发言人最后时间戳之后 2 秒内开始，或句子中途断开

输出单次会议的摘要；若存在多份转录稿，则给出跨会议的平均值。

需要重点提示的危险信号：

• 在一对多会议中，用户发言占比超过 60%（主导会议）
• 在用户担任主持的会议中，其发言占比低于 15%（参与度低或过度放权）
• 有参会者从未发言（声音被排除）
• 打断比例超过 2:1（用户打断他人的次数是被打断次数的两倍）

---

模块：冲突与直接性

扫描用户的发言，查找含糊与回避的标记：

含糊措辞（逐条打分，按会议汇总）：

• 限定语："maybe"、"kind of"、"sort of"、"I guess"、"potentially"、"arguably"
• 寻求许可："if that's okay"、"would it be alright if"、"I don't know if this is right but"
• 推诿："whatever you think"、"up to you"、"I'm flexible"
• 反对前的软化语："I don't want to push back but"、"this might be a dumb question"

冲突回避模式（需要更多上下文，标注置信度）：

• 紧张局面出现后转换话题（发言者 A 提出问题 → 用户转向后勤事务）
• 有认同但无承诺："yeah totally" 之后没有行动或跟进
• 将他人的担忧淡化为比其所说更小："it's probably not that big a deal"
• 在一对一会议中，本应讨论绩效话题时却没有反馈

对每个被标记的实例，提取：

• 完整引文（附带上下文，前后各 2 轮发言）
• 严重程度标签：low（单个含糊词）、medium（同一轮交流中出现含糊模式）、high（明显回避了必要的谈话）
• 改写建议：更直接的表达会是什么样子

---

模块：填充词与口头习惯

统计以下词语的出现次数："um"、"uh"、"like"（非比较用法）、"you know"、"actually"、"basically"、"literally"、"right?"（附加疑问句）、"so yeah"、"I mean"

报告：

• 每次会议的总次数
• 每 100 词的出现频率（用于消除会议时长差异）
• 按填充词类型的细分
• 情境性峰值：填充词是否在特定情境下增多？（例如，回应资深利益相关者时、给出负面反馈时、被突然提问时）

只有当频率超过约每 100 词 3 次时，才将其标记为问题。低于此值属于正常口语。

---

模块：问题质量与倾听

对用户的问题进行分类：

• 封闭式（是/否）："Did you finish the report?"
• 引导式（答案已嵌入）："Don't you think we should ship sooner?"
• 真正的开放式："What's blocking you on this?"
• 澄清式（引用前一位发言者）："When you said X, did you mean Y?"
• 延伸式（拓展他人的想法）："That's interesting — what if we also Z?"

良好倾听的指标：

• 澄清式与延伸式问题（表明积极加工信息）
• 复述："So what I'm hearing is..."
• 引用会议中他人先前提出的观点
• 向较为安静的参与者征求意见

较差倾听的指标：

• 提出已被回答过的问题
• 重复自己的观点，而未回应对方的回复
• 以无关话题回应问题

报告开放式/澄清式/延伸式问题与封闭式/引导式问题的比例。

---

模块：主持与决策

仅当用户是会议组织者或主持人时适用。

评估：

• 议程执行：会议是否遵循结构，还是跑偏了？
• 时间管理：每个议题实际耗时与预期相比如何？
• 包容性：主持人是否积极引导安静的参与者发言？
• 决策清晰度：决策是否被明确说出？（"So we're going with option B — Sarah owns the follow-up by Friday."）
• 行动项：是否明确分配了负责人和截止日期，还是含糊带过？
• 停车场纪律：偏离主题的事项是否被确认并延后处理，还是打乱了会议？

---

模块：情绪与精力

追踪用户语言在整场会议中的情绪走向：

• 正面标记：热情的认同、鼓励、幽默、表扬
• 负面标记：沮丧、轻慢、讽刺、简短生硬的回应
• 中性/平淡：精力不足的回应、单音节回答

标记精力下降的时刻——即用户的投入明显减少的时候（发言变短、回应缺乏实质内容）。这些时刻往往与不适、无聊或回避有关。

---

4. 输出报告

将最终输出整理为一份连贯的完整报告。使用以下框架；若某个部分的数据不足，则省略该部分：

# Meeting Insights Report

**Period**: [earliest date] – [latest date]
**Meetings analyzed**: [count]
**Total transcript words**: [count]
**Your speaking share (avg)**: [X%]

---

## Top 3 Findings

[Rank by impact. Each finding gets 2-3 sentences + one concrete example with a direct quote and timestamp.]

## Detailed Analysis

### Speaking Dynamics
[Stats table + narrative interpretation + flagged red flags]

### Directness & Conflict Patterns
[Flagged instances grouped by pattern type, with quotes and rewrites]

### Verbal Habits
[Filler word stats, contextual spikes, only if rate > 3/100 words]

### Listening & Questions
[Question type breakdown, listening indicators, specific examples]

### Facilitation
[Only if applicable — agenda, decisions, action items]

### Energy & Sentiment
[Arc summary, flagged drops]

## Strengths
[3 specific things the user does well, with evidence]

## Growth Opportunities
[3 ranked by impact, each with: what to change, why it matters, a concrete "try this next time" action]

## Comparison to Previous Period
[Only if prior analysis exists — delta on key metrics]

5. 后续选项

交付报告后，提供以下选项：

• 深入分析任意特定会议或模式
• 一页式“沟通速查表”，列出用户需要改进的前 3 个习惯
• 跟踪设置：将当前指标保存为基线，供日后对比
• 导出为 Markdown 或结构化 JSON，用于绩效评估

---

边界情况

• 没有发言人标签：先向用户发出警告。对文本进行层面的分析（全文的填充词、提问类型），但跳过按发言人划分的指标。建议重新导出并启用发言人区分（diarization）功能。
• 非常短的会议（少于 5 分钟或少于 500 词）：进行分析，但需说明短会议中的模式可能不具代表性。
• 非英语转录稿：填充词和模糊语词典以英语为中心。对于其他语言，需说明这一局限，并重点分析结构性指标（发言比例、轮流发言、提问数量）。
• 单次会议与语料库：如果只有一份转录稿，则跳过趋势或对比类表述，仅围绕该次会议给出结论。
• 无法确定用户身份：如果扫描后无法确定哪位发言人是用户，请在继续之前询问，不要猜测。

转录稿获取提示

仅当用户似乎不清楚如何获取转录稿时，才在输出中包含本节：

• Zoom：设置 → 录制 → 启用“音频转录”。从云端录制中下载 .vtt 文件。
• Google Meet：自动转录会保存到日历活动对应 Drive 文件夹中的 Google 文档。
• Granola：可导出为 Markdown。在消费级工具中，发言人标签质量最佳。
• Otter.ai：从网页控制台导出为 .txt 或 .json。
• Fireflies.ai：导出为 .docx 或 .json，两种格式均可用。
• Microsoft Teams：转录内容显示在会议聊天中。下载为 .vtt。

建议采用 YYYY-MM-DD - Meeting Name.ext 的命名约定，便于按时间顺序分析。

---

反模式

反模式	失败原因	更好的做法
在没有发言人标签的情况下进行分析	无法得出个人指标，结果只是通用的词云	请用户重新导出并启用发言人识别
对 5 分钟的站会运行所有模块	大材小用，填充词和冲突分析需要 20 分钟以上的会议	自动检测会议时长，跳过不相关的模块
在没有背景的情况下呈现原始指标	没有基准的“你说了 47 次‘嗯’”会令人泄气	始终与常模比较，并展示随时间的变化轨迹
孤立地分析单次会议	一次会议只是一个快照，而非模式，结论不可靠	基于趋势的辅导至少需要 3 次以上会议
把发言时间均等视为目标	主持人本就应少说，演示者本就应多说	根据会议类型和角色对发言比例加权
将每个模糊语都标记为负面	“我觉得”和“也许”在头脑风暴中是恰当的	区分决策会议（模糊语不利）与构思会议（模糊语无妨）

---

相关技能

技能	关系
project-management/senior-pm	范围更广的项目管理，用于项目规划、风险和利益相关方管理
project-management/scrum-master	敏捷仪式，可与 meeting-analyzer 配合提升回顾会质量
project-management/confluence-expert	将会议分析结果保存为 Confluence 页面
c-level-advisor/executive-mentor	高管沟通辅导，提供互补视角