1. 项目概述：一个为Cursor定制的会议纪要生成工具

最近在深度使用Cursor这款AI编程工具时，我产生了一个想法：既然它能通过对话理解我的编程意图，那能不能让它帮我处理一些更“日常”但同样繁琐的工作呢？比如，开完会后那一大堆杂乱的讨论记录和待办事项。手动整理不仅耗时，还容易遗漏关键信息。于是，我动手开发了“Cursor-Tool--Meeting-Summarizer”——一个专门为Cursor设计的会议纪要自动生成与整理工具。

这个工具的核心目标很简单： 将你在会议中随手记下的、结构松散的笔记，通过Cursor的AI能力，自动转化为一份结构清晰、重点突出、包含行动项的标准会议纪要。 它不是一个独立的软件，而是一套“方法论”加上一系列可复用的Cursor指令（Custom Instructions）和对话模板。你不需要安装任何额外插件，只需要在Cursor的聊天框中，按照我们预设的流程操作，就能得到一份高质量的纪要。

它适合谁呢？我认为任何需要频繁参加会议并负责记录整理的开发者、项目经理、产品经理或团队负责人都会需要。尤其是远程协作团队，沟通主要依靠文字和线上会议，会后信息的结构化沉淀至关重要。传统方法是会后花半小时甚至更久来整理，而现在，借助这个工具，你可能只需要几分钟。

2. 核心设计思路与方案选型

2.1 为什么选择Cursor作为载体？

在构思这个工具时，我考虑过几种方案：开发一个独立的桌面应用、编写一个浏览器插件，或者直接利用现有的AI平台API。但最终我选择了以Cursor为核心来构建，主要基于以下几点考量：

第一，零成本与无缝集成。 Cursor本身就是一个强大的、集成了大语言模型的IDE。对于已经使用Cursor进行开发的用户来说，无需额外申请API密钥、配置网络环境或安装新软件。所有操作都在你熟悉的开发环境内完成，切换成本极低。你正在写代码，突然需要整理会议笔记，直接切到Chat面板即可，体验是连贯的。

第二，上下文优势。 Cursor的聊天会话具有很好的连续性。这意味着你可以将一次会议的所有零散记录分多次输入，AI能基于完整的对话历史来理解上下文，进行总结。比如，你先输入了会议的前半部分讨论要点，稍后又补充了后半部分的决议和待办，AI在最终总结时会综合考虑所有信息，而不是孤立地看待最后一条消息。

第三，灵活性与可定制性。 通过设计系统化的“Custom Instructions”（自定义指令）和对话模板，我们可以引导Cursor扮演一个专业的“会议秘书”角色。你可以定义你想要的纪要格式（比如是否包含“与会人员”、“会议目标”、“决议”、“待办事项”等章节），也可以指定总结的风格（是偏正式的项目报告，还是偏敏捷的团队同步）。这种基于自然语言的“编程”方式，比硬编码一个固定格式的软件要灵活得多。

2.2 工具的核心工作流设计

整个工具的设计围绕一个核心工作流展开，这个流程模拟了人类整理纪要时的思考过程：

1. 信息输入与预处理 ：用户提供原始的、非结构化的会议笔记。这些笔记可能是速记的关键词、断续的句子，甚至是录音转文字后的粗糙文本。
2. 关键信息提取与结构化 ：AI识别并提取核心要素，包括讨论的主题、提出的观点、达成的共识、存在的分歧、以及最重要的——产生的行动项（谁，在什么时间前，做什么）。
3. 内容归纳与润色 ：将提取出的信息按照逻辑顺序进行组织，用清晰、专业的语言重新表述，消除口语化、冗余和歧义。
4. 格式化输出 ：将结构化后的内容填充到用户指定的模板中，生成一份可直接分享或存档的文档。

这个工作流完全通过你与Cursor的对话来驱动。我们的工具提供了一套“话术”和“指令集”，让你能更高效、更准确地引导Cursor完成每一步。

注意：这里的一个关键认知转变是，我们不是在“命令”一个工具，而是在“协作”一个AI伙伴。你的提示（Prompt）质量直接决定了输出结果的质量。因此，工具的核心价值之一，就是提供了经过大量实践验证的高效提示模板。

3. 核心细节解析与实操要点

3.1 会议笔记的输入技巧

很多人觉得AI总结得不好，第一步就出了问题：输入的信息太乱。AI不是神，它需要足够且清晰的“原料”才能加工出好产品。

原始笔记记录原则：

• 记录事实与观点，而非流水账 ：不要写“张三说了很多关于预算的事”，而要写“张三：Q3项目预算预计超支15%，主要原因是硬件采购成本上涨”。后者包含了“谁”、“什么事”、“具体数据/原因”三个关键信息。
• 明确区分“讨论”与“决议” ：可以用符号简单标记，例如在达成的共识前加 [决议] ，在待办事项前加 [TODO] 。例如：“[决议] 采用方案A进行下一阶段开发。[TODO] 李四在下周五前提供方案A的详细技术评估报告。”
• 记下发言者 ：即使不完整，也要尽量关联观点和人。这有助于AI在总结时梳理出“与会人员”和“行动项负责人”。

输入给Cursor时的格式建议： 当你把笔记粘贴进Cursor时，可以给它一个简单的上下文。不要直接扔进去一堆文字。更好的方式是：

以下是我刚刚参加的“项目迭代规划会”的原始笔记，内容比较零散。请帮我根据这些内容，整理一份结构清晰的会议纪要。

原始笔记开始：
- 时间：周三下午2点-3点半
- 参会人：老王（产品）、我（开发）、小李（测试）、小张（设计）
- 主题：确定v1.2版本功能范围
- 老王：用户反馈最需要的是数据导出功能，优先级最高。
- 小李：数据导出需要增加单元测试覆盖率，目前这块比较弱。
- 我：开发数据导出API，预计需要5个工作日。需要小张先提供导出页面的设计稿。
- 小张：设计稿可以在本周四下班前给出初版。
- 讨论：是否同时做导出格式自定义？结论是本期不做，列入v1.3需求池。
- [TODO] 我：开发数据导出API（5个工作日）。
- [TODO] 小张：周四下班前提供导出页面设计初稿。
- [TODO] 小李：针对导出功能补充测试用例，并同步提升相关模块的单元测试覆盖率。
原始笔记结束。

看到区别了吗？你给了AI会议主题、时间、参会人等背景信息，并用清晰的列表和 [TODO] 标签标明了行动项。这能极大提升AI理解的准确度。

3.2 自定义指令（Custom Instructions）的深度配置

Cursor的“Custom Instructions”功能是这个工具的“灵魂”。你可以在这里预设AI的“角色”和“行为准则”，让它在一开始就进入状态。

我的推荐配置分为两部分：

第一部分：关于你的信息（What would you like ChatGPT to know about you to provide better responses?）

我是一名软件开发工程师/项目经理，经常需要参加技术评审、需求讨论和团队站会。我使用你来帮助我快速整理会议纪要、提炼技术讨论要点和生成行动项列表。我追求信息的准确性和结构的清晰度。

这段描述帮助AI了解你的基本背景和核心需求，使其回复更贴近你的工作场景。

第二部分：你希望AI如何回复（How would you like ChatGPT to respond?）

当你帮我处理会议纪要时，请扮演一个专业的会议秘书角色。请遵循以下原则：
1. **结构化输出**：纪要必须包含：会议主题、时间、与会人员、会议目标、核心讨论要点（分点陈述）、达成的决议或结论、待办事项（明确负责人与截止时间）。
2. **信息提炼**：从我的零散笔记中识别并归纳核心观点，去除重复和无关紧要的细节。用简洁、正式的语言重新组织。
3. **行动项明确**：确保所有待办事项都是可执行的，格式为“负责人：任务描述（截止时间）”。如果我的笔记中截止时间不明确，你可以主动询问我。
4. **主动澄清**：如果遇到模糊、矛盾或信息缺失的地方（例如某观点没有发言人、行动项没有负责人），不要猜测，而是直接向我提问，请求澄清。
5. **格式偏好**：优先使用Markdown格式输出，以便我直接复制到文档或Wiki中。标题使用##，列表使用-或1.。

这套指令为AI设定了一个非常明确的行为框架。它不再是泛泛地聊天，而是被“编程”成了一个专业的会议纪要助手。每次开启一个新的会话，它都会带着这个“使命”来与你对话。

3.3 高效对话模板与Prompt工程

即使有了Custom Instructions，在具体会话中，一个优秀的“开场Prompt”也能事半功倍。我常用的模板如下：

角色：你现在是我的专职会议纪要助手，擅长从杂乱信息中提炼重点并结构化。

任务：我将提供本次会议的原始笔记。请你：
1.  首先，确认你理解的关键信息：会议主题、时间、参会人。
2.  然后，提取并归纳核心讨论内容，区分事实、观点和争议点。
3.  接着，清晰列出所有达成的决议和结论。
4.  最后，生成一个格式清晰的待办事项列表，确保每项都有明确的负责人和期望完成时间。

如果任何信息缺失或不清晰，请立即向我提问。

这是我的会议原始笔记：
[此处粘贴你的笔记]

这个模板的好处在于：

• 角色定位清晰 ：再次强化了AI的助手身份。
• 任务步骤化 ：将复杂的总结任务分解为AI易于顺序执行的子步骤（确认、提取、列出、生成）。
• 明确了交互方式 ：要求AI在信息不清时主动提问，避免了它自行脑补导致错误。

在实际操作中，你可以根据会议类型微调模板。例如，对于每日站会，可以强调“快速同步”、“阻塞问题”；对于需求评审会，可以强调“功能点”、“验收标准”、“依赖关系”。

4. 实操过程与核心环节实现

下面，我通过一个模拟的、更复杂的会议场景，来完整演示如何使用这套工具。

4.1 场景设定与原始输入

假设我们刚开完一个“智能家居中控平台项目需求评审会”。我的原始笔记如下，这次记得更乱一些：

下午需求评审，老张、我、前端小陈、后端阿吴、测试琳姐。
吵了半天。老张说要加个根据天气自动调节室内灯光色温的功能，说这样有科技感。
小陈觉得想法酷，但担心前端动画效果复杂，尤其是要和实时天气API对接做动态渐变。
阿吴说后端加个天气API代理服务不难，关键是这个逻辑放后端还是前端？放后端有延迟，放前端API密钥不安全。
琳姐问怎么测？模拟各种天气条件？还有用户手动覆盖的测试用例。
我提到功耗和用户隐私问题，突然加这个功能会不会让APP变卡？用户愿不愿意给我们定位权限获取当地天气？
最后好像定了：做。但要做成可手动开关的智能场景，默认关闭。先搞个简单的天气状态（晴、雨、阴）对应三套色温方案，别搞连续渐变。API放后端，用服务端缓存，半小时更新一次，解决延迟和安全问题。
小陈负责调研前端动画库和实现方案，下周三给结论。
阿吴负责设计后端API接口和缓存策略，同期进行。
琳姐下周一起参与方案评审，并开始构思测试矩阵。
我负责更新产品需求文档（PRD），明确隐私提示文案。

4.2 分步操作与AI交互实录

第一步：开启Cursor Chat，粘贴预设的对话模板并替换笔记内容。

我输入：

角色：你现在是我的专职会议纪要助手，擅长从杂乱信息中提炼重点并结构化。

任务：我将提供本次会议的原始笔记。请你：
1.  首先，确认你理解的关键信息：会议主题、时间、参会人。
2.  然后，提取并归纳核心讨论内容，区分事实、观点和争议点。
3.  接着，清晰列出所有达成的决议和结论。
4.  最后，生成一个格式清晰的待办事项列表，确保每项都有明确的负责人和期望完成时间。

如果任何信息缺失或不清晰，请立即向我提问。

这是我的会议原始笔记：
下午需求评审，老张、我、前端小陈、后端阿吴、测试琳姐。
吵了半天。老张说要加个根据天气自动调节室内灯光色温的功能，说这样有科技感。
小陈觉得想法酷，但担心前端动画效果复杂，尤其是要和实时天气API对接做动态渐变。
阿吴说后端加个天气API代理服务不难，关键是这个逻辑放后端还是前端？放后端有延迟，放前端API密钥不安全。
琳姐问怎么测？模拟各种天气条件？还有用户手动覆盖的测试用例。
我提到功耗和用户隐私问题，突然加这个功能会不会让APP变卡？用户愿不愿意给我们定位权限获取当地天气？
最后好像定了：做。但要做成可手动开关的智能场景，默认关闭。先搞个简单的天气状态（晴、雨、阴）对应三套色温方案，别搞连续渐变。API放后端，用服务端缓存，半小时更新一次，解决延迟和安全问题。
小陈负责调研前端动画库和实现方案，下周三给结论。
阿吴负责设计后端API接口和缓存策略，同期进行。
琳姐下周一起参与方案评审，并开始构思测试矩阵。
我负责更新产品需求文档（PRD），明确隐私提示文案。

第二步：分析AI的首次回复，并进行交互修正。

Cursor（AI）的首次回复通常会直接生成一份纪要。但更专业的做法是看它先“确认理解”。不过根据我们的指令，它可能直接输出了。假设输出如下：

好的，作为你的会议纪要助手，我已理解你的需求。以下是根据你的笔记整理的会议纪要：

**会议主题**：智能家居中控平台项目 - “天气联动灯光色温”功能需求评审会
**会议时间**：[需补充] 某日下午
**与会人员**：老张（产品/发起人？）、你（记录者/产品？）、小陈（前端）、阿吴（后端）、琳姐（测试）

**核心讨论要点**：
1.  **功能提议**：老张提议新增“根据天气自动调节室内灯光色温”功能，以提升产品科技感。
2.  **前端可行性**：小陈认可创意，但指出技术难点在于复杂的动画效果以及与实时天气API的动态对接。
3.  **后端架构争议**：阿吴提出关键争议点：天气处理逻辑部署位置。
    - **后端方案**：易于管理API密钥，但存在数据延迟影响体验。
    - **前端方案**：响应快，但存在API密钥暴露的安全风险。
4.  **测试挑战**：琳姐关注测试方案，包括如何模拟多样化的天气条件，以及测试用户手动覆盖功能的用例。
5.  **产品与用户体验顾虑**：你提出了功耗影响、应用性能（是否导致APP卡顿）以及用户隐私（获取位置权限的意愿）问题。

**达成的决议与结论**：
1.  **功能立项**：决定开发该功能。
2.  **实现方案**：
    - 功能将设计为“可手动开关的智能场景”，默认状态为“关闭”。
    - 初期采用离散化方案：仅对应“晴、雨、阴”三种基本天气状态，配置三套固定的色温方案，暂不实现连续渐变。
    - **技术架构定稿**：天气API调用与逻辑处理置于后端，通过服务端缓存（更新频率为30分钟一次）来平衡延迟性与安全性。

**待办事项（Action Items）**：
- **负责人：小陈**
  - 任务：调研前端动画库及实现方案。
  - 截止时间：下周三前提交结论。
- **负责人：阿吴**
  - 任务：设计后端API接口与缓存策略。
  - 截止时间：与小陈同期进行（建议明确具体日期）。
- **负责人：琳姐**
  - 任务：参与下周的方案评审，并开始构思测试矩阵。
  - 截止时间：下周评审会议后。
- **负责人：你**
  - 任务：更新产品需求文档（PRD），并明确隐私提示文案。
  - 截止时间：[需补充]

第三步：针对不明确处进行追问，完善纪要。

AI的总结已经相当不错了，但它也标出了 [需补充] 。此外，“老张”的角色和我的角色可以更明确，“同期进行”的截止时间也需要细化。

我继续向Cursor输入：

总结得很好。请根据以下补充信息更新纪要：
1. 会议时间是今天（3月26日）下午14:00-15:30。
2. 老张是产品经理，我是项目经理。
3. 阿吴的任务“设计后端API接口与缓存策略”的截止时间也是下周三，与小陈同步输出方案设计文档。
4. 我的任务（更新PRD）截止时间是本周五下班前。
5. 请将“你”改为我的名字“王伟”。
更新后，请输出完整的最终版会议纪要。

第四步：获得最终成果。

Cursor会根据我的补充，更新纪要内容，输出一份信息完整、可直接使用的最终文档。这份文档结构清晰，决议明确，行动项责任人和时间一目了然，大大节省了我手动整理和沟通确认的时间。

5. 常见问题与排查技巧实录

在实际使用中，你可能会遇到一些典型问题。以下是我踩过坑后总结的经验。

5.1 AI总结遗漏了重要细节怎么办？

这是最常见的问题。原因通常是你的原始笔记中，该细节不够突出，或者被淹没在大量文字里。

排查与解决：

• 技巧一：会前预设议程，会中按议程记录 ：在笔记开头先写下本次会议的几个核心议题（如：1. 功能A方案；2. 项目排期；3. 资源协调）。记录时，将观点归类到对应议题下。AI对结构化的输入处理得更好。
• 技巧二：会后主动补充提问 ：如果发现AI遗漏了某个关键结论，不要直接说“你漏了XXX”。而是以提供补充信息的方式输入：“关于第三点架构争议，我们最终还补充了一个决议：选择‘多云’天气作为‘阴’的默认映射方案。请将此更新到决议部分。” 这样AI会将其作为新信息融入上下文，并重新调整总结。
• 技巧三：分阶段总结 ：对于超长会议，不要试图一次性扔给AI所有笔记。可以按议程分段。先输入“第一部分：功能方案讨论”的笔记并让AI总结，然后再输入“第二部分：排期讨论”的笔记，并告诉AI“这是会议的后半部分内容，请结合我们之前关于功能方案的讨论，形成一份完整的纪要”。利用Cursor的会话记忆能力。

5.2 行动项（TODO）识别不准确或负责人缺失

AI有时会把一般的讨论点误判为行动项，或者无法从口语化描述中提取出明确的负责人。

排查与解决：

• 输入时强化标记 ：在原始笔记中，强制自己使用统一、醒目的标记。我强烈推荐使用 @某人 + 任务 + (截止时间) 的格式。例如：“ @小陈 调研前端动画库，下周三给结论。 ” AI对“@”符号非常敏感，能极高概率地正确识别为行动项。
• 指令中明确格式要求 ：在Custom Instructions或开场Prompt中，反复强调行动项的格式。“待办事项必须严格遵循‘负责人：任务描述（截止时间）’的格式，例如‘小陈：完成前端方案调研报告（2023-10-27）’。”
• 事后手动修正与确认 ：将AI生成的行动项列表单独复制出来，在团队频道里快速发一遍：“这是刚才会议梳理的行动项，大家确认下有无错漏？”。这既是对AI工作的复核，也是一种高效的团队沟通。

5.3 生成的纪要语言过于机械或冗长

有时AI会生成一些听起来很“官方”、很啰嗦的句子，失去了会议讨论中鲜活的细节和重点。

排查与解决：

• 在指令中指定语言风格 ：在Custom Instructions里可以加上：“请使用简洁、直接、偏向技术团队内部沟通的语言风格，避免使用过于正式或官僚化的措辞。”
• 提供范例 ：你可以给AI一个你喜欢的纪要范例。在对话开始时说：“请参考以下风格和格式为我整理纪要：[粘贴一份你过去写的、认为很好的纪要]”。Few-shot learning（小样本学习）能非常有效地引导AI模仿你的风格。
• 最后人工润色 ：承认AI目前还不能100%替代人类的判断。对于最重要的项目纪要，在AI生成初稿后，快速通读一遍，用几分钟时间调整一下关键表述，使其更符合团队的习惯用语。这比从零开始写要快得多。

5.4 处理有激烈争论或未达成共识的会议

这类会议的笔记往往充满“我认为”、“我反对”、“但是”等词汇，信息密度高且情绪化。

解决方案：

• 引导AI聚焦“观点”与“论据” ：在Prompt中明确指示：“本次会议讨论中存在较多分歧。在总结时，请重点梳理各方提出的主要观点及其支撑理由，并在‘未决议题’部分清晰列出这些分歧点。”
• 结构化呈现分歧 ：要求AI用表格来对比不同观点，这样更直观。

  请将关于‘技术架构选型’的争议整理成如下表格：
  | 方案 | 提议方 | 主要优点 | 主要缺点/风险 |
  | :--- | :--- | :--- | :--- |
  | ... | ... | ... | ... |
  

• 明确输出“后续行动” ：即使没有结论，会议也可能有产出，比如“决定由XX收集更多数据，于下次会议再议”。确保AI将这些“决定要做的下一步”也识别为行动项。

6. 高级技巧与场景扩展

掌握了基础流程后，你可以尝试一些更进阶的玩法，让这个工具发挥更大价值。

6.1 构建可复用的会议纪要模板库

不同的会议类型需要不同的纪要模板。你可以在Cursor中创建多个“项目”（Projects），每个项目里保存针对特定会议类型的定制化Prompt和指令。

• 每日站会模板 ：强调“昨日进展”、“今日计划”、“阻塞问题”。输出格式可以非常简洁，甚至就是一个列表。
• 技术评审会模板 ：强调“评审对象”、“发现的问题”、“修改建议”、“风险评估”。
• 项目复盘会模板 ：强调“目标回顾”、“成果与数据”、“根本原因分析”、“改进措施”。

当你需要开某种会时，直接进入对应的Cursor项目，使用预设好的对话开场，效率极高。

6.2 与代码库、任务管理系统联动

作为开发者，我们的工作流不仅仅是写纪要。纪要里的行动项需要被创建为GitHub Issues、Jira Tickets或Trello Cards。

半自动化联动：

1. 让AI用非常规整的Markdown格式输出行动项，甚至指定特定的符号。

   请将行动项用以下格式列出，以便我后续脚本处理：
   - [ ] **@小陈** 调研前端动画库 (截止: 2023-10-27) #前端 #调研
   - [ ] **@阿吴** 设计后端API接口 (截止: 2023-10-27) #后端 #设计
   

   （这里的 [ ] 、 **@某人** 、 #标签 都是为了后续处理方便）
2. 你可以写一个简单的脚本（或使用Cursor的代码编辑能力），从AI的输出中解析出这些格式化的行动项，然后通过GitHub/Jira的API自动创建任务。虽然不能全自动，但已经能节省大量复制粘贴、手动创建任务的时间。

6.3 从录音转录文本直接生成纪要

如果你有会议录音并已转成文字，这个工具的处理流程完全适用。但需要注意：

• 转录文本质量 ：录音转文字通常会有大量“嗯”、“啊”、“这个那个”等语气词，以及可能的识别错误。第一步最好先对转录文本进行简单的清理（或让AI先做一次清理：“请先移除文本中大量的语气词和重复冗余的句子，保留核心讨论内容”）。
• 发言人区分 ：如果转录软件能区分发言人（如“发言人A：”、“发言人B：”），务必保留这个结构。这对于AI梳理谁说了什么至关重要。你可以在Prompt中告诉AI：“以下文本是会议录音转录，已区分发言人。请根据发言人对话内容进行总结。”

7. 个人实操心得与最终建议

经过数月的频繁使用，我将这个从想法变成实践的工具完全融入了自己的工作流。它并没有让我完全不用动脑，而是将我从繁琐的“结构搬运工”和“文字润色工”的角色中解放出来，让我能更专注于会议本身的讨论和思考。

几点最深的体会：

1. 工具的价值在于增强而非替代 ：它最擅长的是“结构化”和“初稿生成”。而会议中最有价值的“洞察”、“决策”和“责任分配”，仍然需要你作为参与者去捕捉和确认。把它看作一个超级能干的初级助理，它帮你打好草稿，你来最终定稿和拍板。
2. 输入质量决定输出上限 ：这条原则在AI时代被无限放大。你潦草的笔记，只能得到模糊的总结。有意识地训练自己记录关键信息（谁、什么事、什么结论、什么行动）的习惯，不仅是为了AI，更是为了你自己对会议的理解。这个工具反过来也在训练我成为更好的记录者。
3. 迭代优化你的指令 ：不要设置完Custom Instructions就一劳永逸。当你发现AI在某类会议上总结得不好时，回顾一下对话，思考是指令不清晰，还是例子不够好？然后去微调你的指令。这个过程就像调试代码一样，你和AI助手在不断磨合中越来越默契。

给新手的起步建议： 不要一开始就追求全自动。从最简单的场景开始：比如先处理一次15分钟的站会记录。用上文的模板，感受一下从杂乱列表到清晰纪要的过程。成功后，你会获得正反馈，然后逐步应用到更复杂、更重要的会议中。慢慢地，你会形成一套自己最顺手的指令和话术组合，这才是真正属于你的、高效的“会议纪要生成工作流”。