当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > WPSAI整理会议记录提示词怎么写

WPSAI整理会议记录提示词怎么写

2026-05-30 14:06:45 0浏览 收藏
这篇文章手把手教你如何用精准提示词驱动WPS AI,将杂乱无章的团队讨论自动提炼成一份真正可执行、可追溯、可验证的《决策记录》——它不止要求AI识别结论与依据,更强制输出明确的责任人、硬性截止日、具象交付物,以及5条像“□ 合同附件PDF已上传至‘法务-合同终版’子目录”这样一眼就能打勾、截图即证、毫无争议的检查项,彻底告别“已同步”“已知悉”等无效表述,让每一次团队决策落地有痕、追责有据。

WPS AI把团队讨论整理成决策记录提示词怎么要求AI给出检查项

你需要让WPS AI把零散的团队讨论内容自动提炼成一份可执行、可追溯的决策记录,而不是只输出一段概括性文字——这意味着AI必须识别出哪些话是结论、哪些是前提条件、哪些隐含了责任归属和时间节点,否则后续没人知道该谁在什么时间前做什么。

明确告诉AI你要的是“决策记录”而非“会议纪要”

在WPS文字中打开讨论原始文本(或粘贴进新文档)→ 点击右上角【WPS AI】→ 选择【AI帮我写】→ 在输入框中输入以下提示词:

“请将下方讨论内容整理为正式《决策记录》,严格按以下结构输出:① 决策事项(一句话定义问题/目标);② 决策依据(列出2–3条支撑该决策的关键事实或数据,来自原文);③ 决策结论(必须是明确的‘同意/否决/暂缓’+具体动作,禁止模糊表述如‘考虑推进’);④ 执行要求(含责任人、交付物、截止日期,三者缺一不可);⑤ 检查项(5条可逐项打勾验证的客观标准,每条以‘□’开头,不带解释,不出现‘是否’‘能否’等疑问句式)。”

这一步最关键:不写“检查项”三个字,AI大概率不会生成;不强调“可逐项打勾”“不带解释”,它可能写出“是否完成?→ 是/否”这种无效格式。

检查项必须可验证、不可辩驳

方法一:用否定排除法限定生成逻辑

在原有提示词末尾追加一句:“检查项必须满足:每条都对应一个可观察、可举证、不可协商的结果,例如‘□ 合同附件PDF已上传至共享文件夹‘法务-合同终版’子目录’,而不是‘□ 合同已确认’。”

【若检查项含‘已沟通’‘已同步’‘已知悉’等主观状态描述,整条视为无效】

方法二:直接给范例锚定风格

在提示词中插入示例:“参考格式:□ 需求文档V2.3版本号已标注在页眉右上角;□ 测试环境URL已写入邮件正文第3段;□ 财务部签字扫描件分辨率≥300dpi。”

这个例子会让AI立刻理解你不要虚词、只要硬指标。WPS AI对具象范例的响应速度远高于抽象要求。

让AI自己校验检查项是否达标

第一步:在AI生成初稿后,选中全部检查项内容 → 右键 → 【AI解释】→ 输入指令:“逐条判断:每条是否满足‘可观察、可举证、不可协商’?不满足的请直接删除,并补足5条合格项。”

第二步:复制修改后的检查项 → 新建一行 → 输入:“请将以下5条检查项转为表格,列名为‘序号’‘检查项’‘验证方式(10字内)’,验证方式仅填‘截图’‘链接’‘邮件标题’‘系统日志’四选一。”

第三步:得到表格后,通读“验证方式”列——如果出现“口头确认”“会议共识”“领导同意”等字样,说明AI没真正理解什么叫“可举证”,需返回第一步重跑。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。

嵌套路由如何重定向到首子页?解决空白问题嵌套路由如何重定向到首子页?解决空白问题
上一篇
嵌套路由如何重定向到首子页?解决空白问题
美图设计室AI头像生成三技巧
下一篇
美图设计室AI头像生成三技巧
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    573次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    616次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    646次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    605次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    422次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码