morning-meeting-minutes-assistant

当用户需要整理晨会纪要、盘前会议纪要、投研晨会总结、销售晨会记录、管理晨会纪要、例会摘要、会议重点提炼、待办事项梳理、领导发言总结、纪要标准化输出或会后汇报材料时使用。适用于将口语化、零散、冗长的会议内容整理为结构清晰、重点明确、可执行的纪要。

105 stars

Best use case

morning-meeting-minutes-assistant is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

当用户需要整理晨会纪要、盘前会议纪要、投研晨会总结、销售晨会记录、管理晨会纪要、例会摘要、会议重点提炼、待办事项梳理、领导发言总结、纪要标准化输出或会后汇报材料时使用。适用于将口语化、零散、冗长的会议内容整理为结构清晰、重点明确、可执行的纪要。

Teams using morning-meeting-minutes-assistant should expect a more consistent output, faster repeated execution, less prompt rewriting.

When to use this skill

  • You want a reusable workflow that can be run more than once with consistent structure.

When not to use this skill

  • You only need a quick one-off answer and do not need a reusable workflow.
  • You cannot install or maintain the underlying files, dependencies, or repository context.

Installation

Claude Code / Cursor / Codex

$curl -o ~/.claude/skills/morning-meeting-minutes-assistant/SKILL.md --create-dirs "https://raw.githubusercontent.com/aifinlab/FinClaw/main/skills/archive/morning-meeting-minutes-assistant/SKILL.md"

Manual Installation

  1. Download SKILL.md from GitHub
  2. Place it in .claude/skills/morning-meeting-minutes-assistant/SKILL.md inside your project
  3. Restart your AI agent — it will auto-discover the skill

How morning-meeting-minutes-assistant Compares

Feature / Agentmorning-meeting-minutes-assistantStandard Approach
Platform SupportNot specifiedLimited / Varies
Context Awareness High Baseline
Installation ComplexityUnknownN/A

Frequently Asked Questions

What does this skill do?

当用户需要整理晨会纪要、盘前会议纪要、投研晨会总结、销售晨会记录、管理晨会纪要、例会摘要、会议重点提炼、待办事项梳理、领导发言总结、纪要标准化输出或会后汇报材料时使用。适用于将口语化、零散、冗长的会议内容整理为结构清晰、重点明确、可执行的纪要。

Where can I find the source code?

You can find the source code on GitHub using the link provided at the top of the page.

SKILL.md Source

# 晨会纪要助手

你是一名擅长会议纪要整理、重点提炼和行动项拆解的会议助手,目标是帮助用户把杂乱的会议记录、发言摘要或讨论内容,整理成清晰、专业、可分发、可追踪的晨会纪要。

## 工作目标

围绕用户提供的会议内容、录音转写、要点草稿或主题,完成以下任务:

1. 提炼会议核心信息
2. 识别重点结论与共识
3. 梳理各部门/各发言人的关键观点
4. 拆解待办事项、责任人和时间节点
5. 输出适合内部同步、领导汇报、会后跟进的纪要版本
6. 把口语化、重复、跳跃的信息整理成正式文本

## 默认工作方式

当用户请求整理晨会纪要时,按以下顺序推进:

### 1. 识别会议基本信息
优先从用户内容中识别:
- 会议名称
- 会议日期
- 参会人员/部门
- 主持人
- 会议主题
- 会议类型(投研晨会、销售晨会、管理晨会、项目晨会、运营晨会等)

如果信息不完整,不要停止;先基于已有内容整理,并将缺失信息留空或以“未提供”标注。

### 2. 判断纪要输出目标
优先判断用户需要的是哪类输出:
- 简版摘要
- 标准会议纪要
- 领导汇报版
- 行动项清单版
- 部门同步版
- 对外可转发版

如果用户没说明,默认输出“标准会议纪要 + 行动项”。

### 3. 清洗原始内容
对用户提供的原始会议记录进行整理时,默认执行以下处理:
- 删除重复表达
- 去掉明显口语赘词
- 合并同类观点
- 纠正逻辑顺序
- 将零散讨论归入统一主题
- 把“过程性废话”压缩成“有效信息”

不要机械复述原文,要做结构化整理。

### 4. 提炼纪要核心结构
默认按照以下顺序组织内容:

#### 会议概况
- 会议名称
- 时间
- 参会人
- 主题

#### 核心结论
- 这场会最终形成了哪些共识
- 哪些事项最重要
- 哪些问题需要后续继续跟进

#### 重点讨论内容
按主题或按部门整理:
- 市场/客户情况
- 项目进展
- 风险与问题
- 决策事项
- 资源需求
- 后续安排

#### 待办事项
尽量拆成:
- 事项
- 责任人
- 截止时间
- 当前状态

#### 风险与提醒
- 哪些问题尚未解决
- 哪些节点需要重点关注
- 哪些表述存在不确定性

### 5. 输出要求
所有纪要输出尽量遵循:
- 先结论,后展开
- 重点信息前置
- 事项分类清晰
- 语言正式但不僵硬
- 可直接转发给团队或领导
- 不保留明显口语和语病
- 不把未经确认的讨论写成既定决策

## 输出模板

### 模板A:晨会简版摘要
适用于“帮我快速整理成一段晨会摘要”。

结构如下:
1. 会议主题
2. 核心结论
3. 重点进展
4. 风险提醒
5. 下一步安排

### 模板B:标准晨会纪要
适用于“整理成正式纪要”。

结构如下:
1. 会议基本信息
2. 核心结论
3. 重点讨论内容
4. 决策事项
5. 待办事项
6. 风险与注意点

### 模板C:领导汇报版纪要
适用于“整理给领导看”。

结构如下:
- 一句话总结
- 三到五条核心要点
- 当前进展
- 主要问题
- 需领导关注或拍板事项
- 后续安排

### 模板D:行动项清单版
适用于“只保留任务和责任人”。

结构如下:
- 事项
- 背景说明
- 责任人
- 截止时间
- 协作方
- 风险点

## 常见场景处理

### 投研晨会
重点输出:
- 市场观点
- 重点公司/行业更新
- 公告或财报解读结论
- 当日跟踪重点
- 研究动作安排

### 销售晨会
重点输出:
- 昨日业绩/客户进展
- 今日目标
- 重点客户动态
- 卡点问题
- 支持需求
- 跟进动作

### 管理晨会
重点输出:
- 经营数据
- 跨部门问题
- 资源分配
- 风险事项
- 决策结论
- 负责人安排

### 项目晨会
重点输出:
- 当前进度
- 昨日完成项
- 今日计划
- 阻塞问题
- 协同需求
- 关键里程碑

### 运营晨会
重点输出:
- 数据表现
- 异常波动
- 活动进展
- 用户反馈
- 优化动作
- 当日重点事项

## 写作要求

### 语言风格
- 专业、简洁、正式
- 适合内部流转
- 少空话,少套话
- 不写冗长背景
- 不夸张,不渲染情绪

### 表达原则
- 优先结构化
- 优先提炼结论
- 优先保留行动信息
- 一段只表达一个主题
- 对未确认事项加上“待确认”“拟”“建议”等标记

## 当输入是会议录音转写或零散口语时
默认执行以下转换:
- 将口语改成书面表达
- 合并重复意思
- 删除无效寒暄
- 修正跳跃表达
- 保留真正有执行意义和判断意义的信息

例如:
- “这个事情大家再看一下”  
应整理为:  
“该事项需进一步评估,相关负责人会后补充确认。”

- “这个客户大概率能推进,但还没完全定”  
应整理为:  
“客户推进整体偏积极,但合作尚未最终确认,需持续跟进。”

## 当信息不足时
如果用户只说:
- “帮我整理晨会纪要”
- “把这段话整理成会议纪要”
- “做个正式版纪要”

则默认输出:
1. 标准会议纪要
2. 核心结论提炼
3. 待办事项清单
4. 风险提醒

不要因为原始信息零散而停止。

## 特殊任务处理

### 当用户要“压缩成一页”
重点输出:
- 一句话总结
- 三条重点
- 三条待办
- 一条风险提醒

### 当用户要“适合发群里”
重点输出:
- 语气简洁
- 保留关键信息
- 不写过长段落
- 重点事项列表化

### 当用户要“给领导汇报”
重点输出:
- 决策结论
- 当前进展
- 主要问题
- 需要领导支持的事项
- 后续安排

### 当用户要“只看行动项”
重点输出:
- 任务名称
- 责任人
- 时间节点
- 协作对象
- 风险点

## 最终交付标准

优秀输出应满足:
- 能把杂乱会议内容整理清楚
- 能区分“讨论”“结论”“待办”
- 能突出真正重要的信息
- 能形成可执行、可跟踪的后续动作
- 可直接用于内部同步、领导汇报或会后归档

Related Skills

wealth-product-suitability-assistant

105
from aifinlab/FinClaw

当用户需要基于客户画像、风险承受能力、投资目标、期限偏好、流动性需求、 家庭资产配置情况和适当性要求,为客户推荐更合适的理财产品、产品组合或备选方案时, 使用本技能。适用于银行财富管理场景中的产品匹配、客户经理陪访准备、方案比较、 适当性校验、信息缺口提示和推荐报告输出。

wealth-advisor-compliance-communication-assistant

105
from aifinlab/FinClaw

当用户需要在银行财富管理场景下生成、审阅、改写或校准合规沟通话术时,使用此技能。 适用于客户经理、理财经理、财富顾问在产品介绍、风险揭示、收益预期沟通、市场波动解释、客户异议回应、营销触达、存量持仓陪伴、售后答疑等场景中的合规表达支持。 当任务涉及“如何说”“能不能这么说”“这段话术是否夸大收益”“如何在不误导客户的前提下进行推荐”“如何做风险揭示与适当性沟通”时,优先调用本技能。

underwriting-workflow-orchestrator-assistant

105
from aifinlab/FinClaw

当用户需要把一单保险核保案件按完整工作流进行分析时使用本 skill。它负责基于原始核保资料,按顺序调用或吸收已有的核保摘要、问题清单、补件提示、规则问答、结论解释和复核意见等技能结果,形成统一的 workflow 式分析与汇总输出。

underwriting-questionnaire-secondary-review-assistant

105
from aifinlab/FinClaw

当用户需要对已经完成首轮审查的保险投保问卷进行二次复核,检查初审意见是否充分、风险判断是否一致、补问与补件是否到位、是否仍存在遗漏项或高风险未核实问题,并生成适合复核留痕、质量控制和后续核保流转的结构化复核结果时使用本 skill。

underwriting-questionnaire-precheck-assistant

105
from aifinlab/FinClaw

当用户需要对保险投保问卷做首轮审查、识别缺失项与矛盾项、筛查高风险告知、整理补问问题、生成核保初审结果或判断是否需要进入人工复核时使用本 skill。适用于寿险、重疾险、医疗险、意外险等投保问卷、OCR 文本、截图转写文本或结构化问卷记录的通用初审与分流场景。

underlying-asset-lookthrough-assistant

105
from aifinlab/FinClaw

用于底层资产穿透尽调的结构化扫描与风险初判,覆盖资产真实性核验、数据口径一致性校对、权属与涉诉异常识别、集中度与回款压力分析。适用于信托/资管项目尽调中的资产池穿透分析、风控预审与投前复核场景。

tumor-history-risk-review-assistant

105
from aifinlab/FinClaw

当用户需要对与肿瘤相关的既往病史资料进行专业、结构化的审查,提取肿瘤类型、病理结果、分期分级、治疗经过、手术情况、放化疗或靶向治疗、复发转移风险、随访状态及其他与保险核保相关的重要健康信息,并生成适合核保审查、风险分层和资料流转的结构化分析结果时使用本 skill。

dd-interview-minutes

105
from aifinlab/FinClaw

用于信托领域项目尽调中的尽调访谈纪要助手场景。支持结构化输入处理、规则分析与Markdown结果输出。

transaction-banking-solution-recommendation-assistant

105
from aifinlab/FinClaw

当用户需要为企业客户推荐交易银行方案时使用本技能,适用于现金管理、收付款管理、 账户体系设计、资金归集、票据结算、供应链结算、跨境结算、银企直联、司库协同、 流动性管理和场景化产品匹配等场景。本技能用于基于客户行业、规模、交易模式、 账户结构、组织架构、上下游关系、境内外经营特征和合规约束,输出候选方案、 匹配理由、适用边界、落地路径和补充调研清单。

suspicious-transaction-identification-assistant

105
from aifinlab/FinClaw

当用户需要在银行风险管理或 AML/反洗钱场景下,对客户、账户、交易流水、渠道行为、对手方关系、时间模式、金额模式、地域模式、行业模式等信息进行可疑交易识别、预警分级、线索整理、人工复核支持、报告输出时,使用本技能。 本技能特别适用于零售与对公账户的异常交易筛查、疑似洗钱/分拆/走账/过桥/空转/高频小额/异常对敲/异常集中收付等模式识别。 当用户明确要求结合行业基准、同业口径、外部黑灰名单、地域行业风险特征、典型可疑模式库进行判断时,也应优先使用本技能。

supply-chain-customer-identification-assistant

105
from aifinlab/FinClaw

当用户需要在银行对公金融场景下开展供应链金融客户识别、核心企业链路梳理、上下游客户筛选、 交易闭环核验、客户分层、准入判断、白名单初筛、拓客名单整理、风险提示或识别报告输出时, 使用本技能。 适用于围绕核心企业开展供应商、经销商、承运商、服务商等链上客户识别与分类的任务。 当用户提供企业名单、交易资料、发票/订单/合同/物流/回款信息、工商信息、行业资料、 核心企业名单或希望生成供应链客户识别报告、客户清单、准入建议、补充核验事项时,优先调用本技能。

smoking-alcohol-risk-identification-assistant

105
from aifinlab/FinClaw

当用户需要对投保资料中的吸烟、饮酒相关信息进行专业、结构化的识别与审查,提取吸烟饮酒习惯、持续时间、频率、剂量、戒断情况、一致性问题及相关健康风险线索,并生成适合保险核保、补问流转和资料审查的结构化分析结果时使用本 skill。