| name | dialogue-summarizer |
| description | 智能总结对话上下文,提取关键信息、识别行动项、生成结构化回顾。当用户需要总结对话、复盘讨论、提取关键点、生成会议纪要、识别行动项或进行对话回顾时,立即使用此技能。即使对话很长或上下文不完整,也要使用此技能来提供有价值的总结。 |
对话总结与复盘技能
🎯 技能概述
这个技能用于对对话上下文进行智能总结和复盘,提取关键信息、识别行动项、生成结构化回顾。无论对话长短或上下文完整性如何,都能提供有价值的总结。
📋 使用场景
立即触发此技能当用户说以下类型的话时:
- "总结一下我们的对话" 或 "总结刚才的讨论"
- "刚才我们讨论了什么?" 或 "刚才说了什么"
- "帮我复盘一下这次对话" 或 "对话回顾"
- "提取对话中的关键点" 或 "提取关键信息"
- "生成会议纪要" 或 "会议记录"
- "有哪些行动项需要跟进?" 或 "待办事项"
- "对话总结" 或 "讨论摘要"
即使对话很长、上下文不完整,或用户没有明确要求详细总结,只要涉及对话回顾或信息提取,就使用此技能。
🔧 执行流程
1. 收集对话上下文
- 首选: 从系统获取最近的对话历史(通常是最后10-20轮对话)
- 备选方案: 如果系统不提供完整上下文,请求用户提供需要总结的对话内容或简要描述讨论主题
- 分段处理: 如果对话很长(超过20轮),自动分段处理并生成分层总结
2. 分析对话结构
- 主题识别: 识别对话主题和子话题
- 决策点标记: 标记重要决策点和转折点
- 问题解决识别: 识别问题和对应的解决方案
- 关键信息提取: 提取关键数据、事实、数字和日期
3. 选择总结模式
根据对话长度和用户需求,选择适当的总结模式:
模式1: 快速总结(对话≤5轮)
模式2: 标准总结(对话6-15轮)
模式3: 详细复盘(对话≥16轮或有复杂讨论)
4. 生成结构化总结
ALWAYS 使用以下模板生成总结:
## 对话总结报告
### 📋 基本信息
- **对话时间**: [自动生成时间戳]
- **对话时长**: [估算的对话时间]
- **参与方**: [用户和AI助手]
- **主要话题**: [1-3个主要话题]
- **总结模式**: [快速/标准/详细]
### 🎯 关键讨论点
1. [第一个关键点]
- 背景/问题
- 讨论内容
- 结论/决定
2. [第二个关键点]
- 背景/问题
- 讨论内容
- 结论/决定
### ✅ 已达成共识
- [共识点1]
- [共识点2]
- [共识点3]
### 📝 行动项与待办事项
| 事项 | 负责人 | 截止时间 | 状态 | 优先级 |
|------|--------|----------|------|--------|
| [行动项1] | [用户/AI] | [时间] | 待处理/进行中/已完成 | 高/中/低 |
| [行动项2] | [用户/AI] | [时间] | 待处理/进行中/已完成 | 高/中/低 |
### 💡 复盘建议
1. **做得好的方面**:
- [优点1]
- [优点2]
2. **可以改进的方面**:
- [改进点1]
- [改进点2]
3. **下次对话建议**:
- [建议1]
- [建议2]
### 📊 数据统计
- 总对话轮数: [数字]
- 用户发言次数: [数字]
- AI发言次数: [数字]
- 问题解决率: [百分比]
- 行动项数量: [数字]
5. 上下文回退机制
如果无法获取完整对话上下文,使用以下回退方案:
## 对话总结请求
我注意到对话上下文不完整,无法提供全面的总结。请提供以下信息:
1. **对话主题**: 这次讨论主要是关于什么?
2. **关键讨论点**: 有哪些重要的讨论内容?
3. **已达成共识**: 我们达成了哪些共识?
4. **待办事项**: 有哪些需要跟进的事项?
或者,您可以简要描述需要总结的对话内容,我将基于您的描述生成总结。
📁 文件引用
核心脚本
scripts/summarizer.py - 主要总结逻辑
scripts/context_handler.py - 上下文处理工具
参考文档
references/summary_templates.md - 多种总结模板
references/keyword_extraction.md - 关键词提取方法
references/action_item_detection.md - 行动项识别规则
资源文件
assets/template_quick.md - 快速总结模板
assets/template_standard.md - 标准总结模板
assets/template_detailed.md - 详细复盘模板
🧪 测试用例
测试1:简短对话总结(快速模式)
输入: "总结一下我们刚才关于天气查询的对话"
预期输出: 包含天气信息、查询时间、建议等关键点的快速总结
测试2:技术讨论总结(标准模式)
输入: "帮我复盘一下这次技能创建的讨论"
预期输出: 包含问题描述、解决方案、代码示例、后续步骤的标准总结
测试3:项目规划对话(详细模式)
输入: "生成这次项目规划会议的纪要"
预期输出: 包含项目目标、任务分配、时间线、风险点的详细复盘
测试4:上下文不完整
输入: "刚才说了什么"(上下文缺失)
预期输出: 回退机制,请求用户提供更多信息
🔍 信息提取策略
1. 关键词提取
- 使用预定义的关键词列表(见
references/keyword_extraction.md)
- 识别技术术语、产品名称、人名等专有名词
- 提取数字、日期、时间等量化信息
2. 模式识别
- 问题模式: 谁、什么、何时、哪里、为什么、如何
- 决策模式: "决定"、"同意"、"选择"、"确定"等
- 行动模式: "需要"、"应该"、"将要"、"计划"等
- 结论模式: "所以"、"因此"、"总之"、"结果是"等
3. 情感倾向分析
- 识别积极/消极/中性的讨论点
- 标记有争议或需要进一步讨论的话题
⚠️ 注意事项
- 隐私保护: 不要总结包含敏感信息的对话
- 准确性: 确保总结准确反映对话内容,不添加未讨论的内容
- 客观性: 保持中立客观的总结立场,不偏袒任何一方
- 实用性: 提供对用户真正有用的信息,避免过度概括
- 可读性: 使用清晰易懂的语言和格式,适当使用标题和列表
🚀 技能优化建议
短期优化(立即实施)
- 多模板支持: 提供快速、标准、详细三种总结模式
- 上下文回退: 添加上下文不完整时的处理机制
- 分段处理: 支持长对话的分段总结
中期优化(未来版本)
- 多语言支持: 支持中英文对话总结
- 情感分析: 加入对话情感倾向分析
- 主题聚类: 自动聚类相关话题
长期优化(高级功能)
- 时间线可视化: 生成对话时间线图
- 个性化模板: 允许用户自定义总结模板
- 集成NLP模型: 使用更先进的信息提取技术
📈 版本历史
- v1.0.0 (2024-03-17): 初始版本,基础对话总结功能
- v1.1.0 (2024-03-18): 优化版本,添加多模式支持、上下文回退、完善测试用例