Run any Skill in Manus with one click

funasr-task-manager-channel-intake

Stars1

Forks0

UpdatedMay 18, 2026 at 02:25

Recognize transcription intent and orchestrate task submission when audio/video files or ASR keywords appear in a channel. Use when: audio/video files arrive, user mentions transcription/ASR/subtitle, user asks to batch-process media, or agent needs to proactively guide a user into the transcription pipeline.

Installation

Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.

Run Skill in Manus

Source

wangminle

wangminle/funasr-task-manager

View GitHub Repository View Creator Repositories

Download

Run Skill in Manus

Related occupationsSOC

Based on SOC occupation classification

Software DevelopersComputer and Mathematical Occupations·SOC 15-1252

File Explorer

6 files

SKILL.md

readonly

音频入口与意图编排

这是 funasr-task-manager Skill 体系中最核心的入口。它让 Agent 从"被动等命令"变成"看到文件后主动引导用户完成转写"。

职责：识别用户意图并完成最小必要的入口编排——判断是否启动 ASR、完成参数协商、执行预检查、提交任务，并把后续监控与结果交付交给 funasr-task-manager-result-delivery。

MVP 阶段可把进度监控和结果交付临时写在此 Skill 中，但文档和实现都应保留 funasr-task-manager-result-delivery 的拆分边界，避免入口 Skill 演化成巨型 Skill。

执行检查清单（强制）

实时通知规范：本 Skill 的所有用户通知必须遵循 6-skills/_shared/CHANNEL-NOTIFICATION.md。禁止用普通文本替代 send_user_notice()。

强制规则：Agent 在执行本 Skill 流程时，必须逐条确认以下通知已通过 send_user_notice() 发送。跳过任何一项需要明确理由（如用户明确说"不用通知"）。使用 background: true 执行异步操作时，更需要主动调用 send_user_notice() 回报状态，不可静默等待结果。

#	检查项	时机	`send_user_notice()` 内容	发送后再执行
0	通知预检	Phase 0	内部记录，不通知用户	意图判断
1	收到文件确认	Phase 1	"收到 N 个音频/视频文件：{文件列表}"	意图判断
2	意图确认	Phase 1	"需要转写吗？" 或直接进入（高置信度）	—
3	开始下载通知	Phase 1.5	"⏳ 正在从{渠道}下载文件..."	curl 下载
4	下载完成通知	Phase 1.5	"✅ 下载完成：{N}/{total} 个文件（{size}MB）"	ffprobe 预检
5	预检查结果	Phase 2	异常时通知，正常时可跳过	上传文件
6	开始上传通知	Phase 4	"⏳ 正在上传到转写引擎..."	POST /files/upload
7	任务提交确认	Phase 4	"✅ 已提交 N 个文件，任务编号 {task_id}，预计 {eta} 完成"	移交监控
8	移交结果交付	Phase 5	无需用户可见通知，内部交接	—

每条通知必须记录以下结构化跟踪信息（用于事后审计和问题排查）：

notice_log:
  - seq: 1
    phase: "Phase 1"
    content: "收到 1 个音频文件：tv-report-1.wav"
    adapter: "message"          # "message" / "cli_notify" / "assistant_text"
    delivered: true              # toolResult ok / CLI exit 0
    message_id: "om_xxx"        # 平台返回的消息 ID（用于回复线程）
    timestamp: "2026-05-07T13:07:01"
  - seq: 2
    ...

Agent 在最终报告中应附上 notice_log 摘要，例如"本次共发送 7 条通知，6 条送达、1 条失败（seq=5, adapter=cli_notify, error=timeout）"。

`send_user_notice()` 调用方式

OpenClaw 环境（首选）：

{"name": "message", "arguments": {"action": "send", "message": "收到 1 个音频文件：tv-report-1.wav"}}

CLI fallback（无 message tool 时）：

python -m cli notify send --text "收到 1 个音频文件：tv-report-1.wav" --chat-id "<chat_id>"

私聊使用 --receive-id-type open_id --chat-id "<open_id>"。

时序要求：每条通知必须在对应耗时操作之前发送，等待 toolResult 返回 ok: true 后再执行下一步。

常见执行偏差（必读）

偏差模式	典型表现	正确做法
静默执行	全程不发送任何状态通知，直到最终结果	每个 Phase 至少一次 `send_user_notice()`
用普通文本代替	输出 assistant 文本"正在下载..."但未调用 message tool	必须调用 `send_user_notice()` 而非普通文本
效率优先跳过	觉得"快干快完"，中间通知打断节奏	通知是用户体验核心，不是可选项
后台遗忘	`background: true` 后忘记回报状态	异步操作完成后立即 `send_user_notice()`
大文件焦虑	处理大文件时把精力放在技术问题上	大文件/长时间操作更需要频繁通知
只发结果	只在最后发送汇总和文件	各阶段都要 `send_user_notice()`，用户需要知道进度
重复发送	message tool 和 CLI 都调用了	只使用第一个可用方式，成功后不 fallback
手写 curl 发飞书	直接 `curl` 调用飞书 API 发消息	仅允许 `message` tool 或 `cli notify`，禁止手写 curl 作为默认路径
通知不可用不标注	预检发现两个通道都不可用，但最终报告不提及	必须在最终报告追加"⚠ 实时通知不可用"

2026-04-28 复盘教训：OpenClaw 机器人实际执行中，9 个通知阶段全部跳过，只做了最终交付。根因是"效率优先心态"和"无执行检查机制"。 2026-05-05 排查结论：批量转写 session 中 Agent 有 message tool 可用但未调用，所有阶段文本通过 OpenClaw 飞书 bridge 在 turn 结束后统一推送。本清单要求必须显式调用 send_user_notice() 而非依赖普通文本。

触发条件

文件触发

channel 中出现音视频文件（扩展名匹配以下列表）：

.wav .mp3 .mp4 .flac .ogg .webm .m4a .aac .wma .mkv .avi .mov .pcm

关键词触发

用户消息包含以下关键词（完整列表见 references/trigger-keywords.json）：

中文：转写 / 识别 / 字幕 / 转文字 / 语音转文本 / 批量任务
英文：ASR / FunASR / transcribe / subtitle
Profile：smoke / remote-standard / standard / full

组合触发

文件 + 任何文字说明（即便不含关键词，有文件就应主动询问）
引用/转发了包含音视频的消息

不触发

纯文本闲聊
图片文件（.jpg / .png / .gif 等）
文档文件（.pdf / .docx / .xlsx 等），除非用户明确提及转写

三层感知模型

Layer A：感知（Perception）
  ├─ channel 中有新内容吗？
  ├─ 内容包含文件吗？什么类型？
  └─ 内容包含文字吗？什么语义？

Layer B：识别（Recognition）
  ├─ 这是 ASR 任务请求吗？
  ├─ 置信度如何？
  │   ├─ 高（有文件 + 明确关键词）→ 直接进入参数收集
  │   ├─ 中（有文件无关键词）     → 主动询问 "需要转写吗？"
  │   └─ 低（有关键词无文件）     → 提示 "请发送音频/视频文件"
  └─ 用户提到敏感/保密？ → 进入安全 fallback（当前：拒绝假装加密，提示未支持加密管道；未来：切换到 funasr-task-manager-secure-ingest）

Layer C：决策（Decision）
  ├─ 单文件还是批量？
  ├─ 需要什么输出格式？
  ├─ 需要先检查服务器状态吗？
  └─ 可以直接提交还是需要更多参数？

完整交互流程

Phase 0：通知能力预检（强制）

在进入任何业务逻辑之前，Agent 必须先检测当前 session 的通知能力。预检结果决定后续所有 send_user_notice() 的适配器路径。

检测步骤：

检查 message tool 可用性：查看当前 session 的工具列表是否包含 message。
检查 cli notify 可用性（两步：先确认模块存在，再验证凭据有效）：

# 第一步：确认 CLI 模块存在
cd 3-dev/src/backend && python -m cli notify --help > /dev/null 2>&1
# 第二步（如果第一步成功）：验证凭据可用
python -m cli notify auth-check --channel feishu

提取 notification_context：从 runtime context 提取 chat_id、open_id、message_id、sender_id 等路由信息，判断 is_group_chat。

预检输出（结构化记录）：

notification_precheck:
  message_tool_available: true/false
  cli_notify_available: true/false
  cli_notify_error: null / "凭据未配置" / "auth-check 失败"
  is_group_chat: true/false
  receive_id_type: "chat_id" / "open_id"
  receive_id: "oc_xxx" / "ou_xxx"
  reply_to_id: "om_xxx" / null
  adapter_priority: ["message", "cli_notify"] / ["cli_notify"] / ["assistant_text"]
  notice_capable: true/false

预检结果处理：

结果	处理
`message` tool 可用	优先级 1 可用，继续 Phase 1
`message` 不可用，`cli notify` 可用	使用 CLI fallback，继续 Phase 1
两者都不可用	记录 `notice_capable: false`；继续执行业务但最终报告标注"⚠ 实时通知不可用，本次所有阶段通知均未送达"

预检应在 5 秒内完成。auth-check 超时视为 CLI 不可用。

Phase 1：意图确认

识别文件和任务意图
高置信度 → 跳过确认，直接到 Phase 1.5
中/低置信度 → 主动询问用户
超时无响应 → 不执行，记录日志

Phase 1.5：渠道文件获取

为什么需要这一步：当 Agent 运行在聊天平台（飞书、企业微信、Slack 等）中时，用户发送的文件存储在平台服务器上，Agent 必须先通过平台 API 下载到本地才能上传到 ASR 后端。这一步是耗时瓶颈——如果 Agent 不知道怎么鉴权和下载，会花几分钟探索各种路径。

Step 1：判断文件来源

本地文件（CLI / 本地 Agent）→ 跳过本阶段，直接到 Phase 2
渠道消息文件（飞书 / 企业微信 / Slack / Discord 等）→ 继续

Step 2：渠道鉴权

优先使用预配置凭据，避免运行时探索。凭据应在 funasr-task-manager-init Phase 7 中配置好，存放在 Agent 平台的凭据存储中。

渠道	鉴权方式	凭据来源
飞书/Lark	`app_id` + `app_secret` → `POST /open-apis/auth/v3/tenant_access_token/internal` → `tenant_access_token`	Agent 配置文件或环境变量 `FEISHU_APP_ID` / `FEISHU_APP_SECRET`
企业微信	`corpid` + `corpsecret` → `GET /cgi-bin/gettoken` → `access_token`	环境变量 `WECOM_CORP_ID` / `WECOM_CORP_SECRET`
Slack	Bot OAuth Token（`xoxb-...`）	环境变量 `SLACK_BOT_TOKEN`
Discord	Bot Token	环境变量 `DISCORD_BOT_TOKEN`

关键规则：

不要在运行时搜索凭据（如 grep JS 源码、find 配置文件），这是上次 8 分钟延迟的主因
如果凭据不可用 → 立即告知用户："缺少飞书/微信凭据，请先配置"，引导进入 init Phase 7
Token 应缓存，避免每次任务都重新获取（飞书 tenant_access_token 有效期 2 小时）

Step 3：下载文件到本地

先确定 Skill 专属临时目录（跨平台）：

# Linux / macOS
TMPDIR="${TMPDIR:-/tmp}"
WORK_DIR="$TMPDIR/funasr-task-manager"
mkdir -p "$WORK_DIR"

# Windows PowerShell
# $WORK_DIR = Join-Path $env:TEMP "funasr-task-manager"
# New-Item -ItemType Directory -Force -Path $WORK_DIR

⚠️ 禁止将下载文件或转写结果直接存放在 workspace/项目根目录。所有中间文件必须保存到 $WORK_DIR（即 {TMPDIR}/funasr-task-manager/）下。如果用户指定了输出目录，使用用户指定的路径。

飞书：

⚠️ 不要使用 drive API：/open-apis/drive/v1/files/{file_key}/download 是云文档/网盘接口，需要 drive:file:readonly 权限，对聊天中发送的文件附件无效（返回 403 / 错误码 99991672）。对话文件必须用下方的 im/v1/messages 接口。

curl -s -o "$WORK_DIR/{original_filename}" \
  -H "Authorization: Bearer {tenant_access_token}" \
  "https://open.feishu.cn/open-apis/im/v1/messages/{message_id}/resources/{file_key}?type=file"

飞书大文件回退（>50MB 会返回错误码 234037: Downloaded file size exceeds limit）：

# 使用 HTTP Range 分块下载（10MB/块）
CHUNK_SIZE=$((10 * 1024 * 1024))
OFFSET=0
OUTFILE="$WORK_DIR/{original_filename}"

# 第一次请求获取总大小
TOTAL_SIZE=$(curl -sI -H "Authorization: Bearer {tenant_access_token}" \
  -H "Range: bytes=0-0" \
  "https://open.feishu.cn/open-apis/im/v1/messages/{message_id}/resources/{file_key}?type=file" \
  | grep -i content-range | sed 's|.*/||; s|[^0-9]||g')

> "$OUTFILE"
while [ $OFFSET -lt $TOTAL_SIZE ]; do
  END=$(( OFFSET + CHUNK_SIZE - 1 ))
  [ $END -ge $TOTAL_SIZE ] && END=$(( TOTAL_SIZE - 1 ))
  curl -s -H "Authorization: Bearer {tenant_access_token}" \
    -H "Range: bytes=${OFFSET}-${END}" \
    "https://open.feishu.cn/open-apis/im/v1/messages/{message_id}/resources/{file_key}?type=file" \
    >> "$OUTFILE"
  OFFSET=$(( END + 1 ))
done

判断逻辑：先尝试直接下载，若返回 234037 错误码则自动切换到 Range 分块下载。Agent 应在下载大文件时通知用户："⏳ 文件较大（{size}MB），使用分块下载..."

企业微信：

curl -s -o "$WORK_DIR/{original_filename}" \
  "https://qyapi.weixin.qq.com/cgi-bin/media/get?access_token={access_token}&media_id={media_id}"

Slack：

curl -s -o "$WORK_DIR/{original_filename}" \
  -H "Authorization: Bearer {bot_token}" \
  "{url_private_download}"

批量文件处理：

多个文件应并行下载（asyncio.gather 或后台子进程），不要串行等待
下载进度通知用户："正在从飞书下载 3 个文件..."
下载完成 → 记录本地路径列表，进入 Phase 2

Step 4：下载验证

验证文件大小 > 0
验证文件扩展名匹配
下载失败 → 报告具体文件和错误原因，不静默跳过

详细的渠道 API 参考见 references/channel-file-apis.md。

Phase 2：预检查

进入 funasr-task-manager-media-preflight 规程执行预检查（文件格式、大小、时长、转码需求）
检查 ffmpeg/ffprobe 可用性
检查后端服务健康：GET /health → status: "ok"
检查可用服务器：GET /api/v1/stats → server_online > 0

权限说明：GET /api/v1/servers 依赖 AdminUser 认证，普通 API Key 会返回 403。运行时可用性判断应使用无需 admin 权限的 /api/v1/stats（返回 server_online/server_total）。如需获取完整服务器列表（如排查调度问题），Agent 必须持有 admin token。
预检查失败 → 明确告知用户哪个环节有问题

Phase 3：参数协商

询问输出格式（有默认值，非强制交互）
- 默认：txt + json，用户可选 srt
判断单文件 / 批量任务
- 1 个文件 → 单文件流程
- 多个文件 → 批量流程，自动生成 task_group_id
特殊参数（如有）：语言、热词列表、回调 URL（需附带 HMAC secret）
长音频切分：用户可选 segment_level（off/10m/20m/30m，默认 10m）
如果用户说"默认就行" → 全部使用默认值

Phase 4：任务提交

上传文件：POST /api/v1/files/upload → 记录 file_id
创建任务：POST /api/v1/tasks
```
{
  "items": [
    {"file_id": "...", "language": "zh", "options": {...}}
  ],
  "callback": {"url": "...", "secret": "..."},
  "segment_level": "10m"
}
```
→ 记录 task_id(s) 和 task_group_id

分段参数协商：
- segment_level（默认 10m）：切分策略。off 关闭切分；10m/20m/30m 按时长阈值自动决定是否切分。用户说"不要切分"时传 off；用户偏好较少切分时可选 20m 或 30m
- 如用户未提及，使用默认值即可
向用户确认："已提交 N 个文件，任务编号 xxx"
提交失败 → 报告错误原因

Phase 5：移交结果交付

将上下文交接给 funasr-task-manager-result-delivery 的执行流程
交接字段：task_id(s)、task_group_id、用户偏好格式、channel 回传方式
funasr-task-manager-result-delivery 已就绪，直接移交即可

与其他 Skill 的协作

协作场景	进入的 Skill 规程	状态	时机	交接输入	交接输出
文件格式/时长预检查	`funasr-task-manager-media-preflight`	✅ 可用	Phase 2	文件路径	`ready` / `duration_sec` / `needs_conversion` / `warnings`
任务监控与结果交付	`funasr-task-manager-result-delivery`	✅ 可用	Phase 5	`task_id(s)` / `task_group_id` / 用户偏好格式	转写文本 / 质量报告 / 文件附件
测试场景需要清库	`funasr-task-manager-reset-test-db`	✅ 可用	Agent 判断需要干净环境时	脚本参数	JSON 状态报告
验证端到端链路	`funasr-task-manager-web-e2e`	✅ 可用	发布前验证	profile 名称	测试报告
用户声明保密/加密	`funasr-task-manager-secure-ingest`	⏳ 未创建	Phase 1 识别到敏感关键词时	—	当前 fallback：见下方说明
无可用服务器/性能未知	`funasr-task-manager-server-benchmark`	✅ 可用	用户确认后，或测试/闲时场景	`server_id`（可选）	benchmark 结果 / 推荐并发数

尚未创建的 Skill 的 Fallback 行为

funasr-task-manager-secure-ingest（P2，尚未创建）：

当用户提到保密/加密/敏感关键词，或文件扩展名为 .enc/.aes/.gpg 时，Agent 不可假装具备安全处理能力。当前应：

告知用户："当前系统尚未支持加密文件处理管道。"
提供替代方案：
- 在本地完成转写（CLI + 本地 FunASR 服务）
- 等待加密功能上线后再提交
- 用户显式确认风险后以明文模式处理
不静默回退到明文流程，不假装已加密

注意：用户实时转写链路中，如果服务器缺少 rtf_baseline，不应自动启动 benchmark 阻塞任务；应提示"性能基线未校准，将使用默认估算"，除非用户明确要求先校准。此时可引导用户进入 funasr-task-manager-server-benchmark 规程。

安全默认值（V0.4.14）

本 Skill 涉及 callback URL 提交和任务创建，以下安全机制已在 V0.4.14 中默认启用，Agent 在执行时应知晓：

安全特性	默认值	说明
SSRF 保护	`ssrf_protection_enabled = True`	所有 callback URL 均经过 SSRF 校验，私有 IP/内网地址会被拒绝
DNS Fail-Closed	默认启用	DNS 解析失败时视为私有地址拒绝（防止 DNS Rebinding 攻击）
Callback HMAC	支持 `secret` 字段	任务创建时可附带 callback secret，回调时使用 `hmac.compare_digest` 做时间安全比较
Webhook 请求体限制	1MB	Alertmanager webhook 请求体不得超过 1MB
敏感值脱敏	自动	CLI 的 `config set` 对 API Key 等敏感值在回显时自动脱敏；日志中 token 长度 >= 20 字符的 `t-` 前缀串会被脱敏
SSE 认证	`X-API-Key` header	SSE 进度流不再通过 URL query 传递 token，改用请求头认证（query `?token=` 仍可用但已 deprecated）

Agent 执行注意：

提交任务时带 callback URL 的，应同时设置 callback.secret 字段
不要向内网/私有 IP 提交 callback URL（会被 SSRF 保护拦截）
CLI 配置敏感凭据后回显会自动脱敏，这是预期行为

错误处理规范

错误场景	Agent 应做的事	不应做的事
上传接口 400	报告"文件格式不支持"，列出支持的格式	静默重试或猜测格式
上传接口 413	报告"文件过大"，告知大小限制	尝试压缩音频
服务器全部 OFFLINE	报告"所有转写服务器不可用"	继续提交任务
任务长时间 QUEUED	报告"等待中，前方有 N 个任务"	反复取消重建任务
转写结果为空	报告"未检测到语音内容"，建议检查音频	假装成功
API 认证失败 401	提示检查 API Key 配置	自行生成 Key
通知预检全部失败	继续执行业务，但在最终报告尾部追加"⚠ 实时通知不可用：`message` tool 和 `cli notify` 均不可用，本次所有阶段通知均未送达用户"	静默跳过不标注

name	funasr-task-manager-channel-intake
description	Recognize transcription intent and orchestrate task submission when audio/video files or ASR keywords appear in a channel. Use when: audio/video files arrive, user mentions transcription/ASR/subtitle, user asks to batch-process media, or agent needs to proactively guide a user into the transcription pipeline.

funasr-task-manager-channel-intake

More from this repository

音频入口与意图编排

执行检查清单（强制）

send_user_notice() 调用方式

常见执行偏差（必读）

触发条件

文件触发

关键词触发

组合触发

不触发

三层感知模型

完整交互流程

Phase 0：通知能力预检（强制）

Phase 1：意图确认

Phase 1.5：渠道文件获取

Step 1：判断文件来源

Step 2：渠道鉴权

Step 3：下载文件到本地

Step 4：下载验证

Phase 2：预检查

Phase 3：参数协商

Phase 4：任务提交

Phase 5：移交结果交付

与其他 Skill 的协作

尚未创建的 Skill 的 Fallback 行为

安全默认值（V0.4.14）

错误处理规范

相关文件

音频入口与意图编排

执行检查清单（强制）

send_user_notice() 调用方式

常见执行偏差（必读）

触发条件

文件触发

关键词触发

组合触发

不触发

三层感知模型

完整交互流程

Phase 0：通知能力预检（强制）

Phase 1：意图确认

Phase 1.5：渠道文件获取

Step 1：判断文件来源

Step 2：渠道鉴权

Step 3：下载文件到本地

Step 4：下载验证

Phase 2：预检查

Phase 3：参数协商

Phase 4：任务提交

Phase 5：移交结果交付

与其他 Skill 的协作

尚未创建的 Skill 的 Fallback 行为

安全默认值（V0.4.14）

错误处理规范

相关文件

More from this repository

`send_user_notice()` 调用方式

`send_user_notice()` 调用方式