围绕会议元信息、发言标注、决议字段与提示词校验，给出DeepSeek会议纪要的可复用输入结构，减少流水账与遗漏。 会议纪要生成的效果，很大程度上由输入给DeepSeek的材料形态决定。很多团队直接把一段语音转写粘贴进对话框，期待模型自动分辨发言人、提炼决议、分配任务，结果往往得到一篇按时间顺序复述的流水账。真正可用的输入格式，需要把会议背景、角色关系、讨论边界和输出要求一起交代清楚，让模型在有限上下文里建立稳定的信息坐标。对AI指导老师而言，这套格式不仅是提示词技巧，也是培训学员把会议内容转化为可执行知识资产的基础动作。
1. 会议元信息的前置结构化。
会议元信息包括会议名称、时间、地点、主持人、记录人、参会人与列席人、会议目标、议程和前置材料。DeepSeek需要这些信息判断发言权重和议题范围。比如教研会中，主持人、课程负责人、技术顾问的发言权重并不相同，模型若不知道角色关系，容易把技术建议写成最终决议。输入时应当用自然语言段落交代清楚，而不是只给干巴巴的字段。可以写成“本次会议为AI指导老师课程迭代评审会，主持人为教研负责人，参会人包括课程设计、交付教练与产品经理，目标是确认第三季度案例库更新范围”，这样模型才能建立上下文。
议程和前置材料要按议题组织。把每个议题的背景、待确认问题、已有材料摘要写清楚，输入格式可采用会议背景、议题清单、材料摘要、约束条件四段式展开。DeepSeek上下文窗口虽大，但无关材料会稀释注意力，所以材料摘要应控制在关键数据、争议点和历史决议上。元信息还应包含输出用途，是发给管理层、执行团队还是归档。用途不同，纪要详略和字段要求不同。AI指导老师培训中常让学员对比只给转写和先给元信息的输出差异，后者在决议归属和待办责任人识别上明显更稳。
2. 发言转写的角色化与时间轴标注。
原始转写不能直接喂给模型。需要先清洗口语词、重复表达和错别字，做说话人分离，并加上时间戳。DeepSeek对角色标注敏感，输入时可用“发言人：课程负责人｜内容”这样的格式，让模型知道每段话的归属。时间轴帮助定位争议演变。比如讨论课程案例库更新时，先有交付教练提出案例陈旧，后有产品经理补充客户反馈，最终由主持人拍板分批更新。若没有时间轴，模型可能把早期建议误当最终结论，导致纪要中的决议与会议实际结论不一致。
转写分段要按议题而非固定时长。每个议题下保留关键发言，删除寒暄和跑题内容。对AI指导老师场景，可要求学员在转写中标记观点、证据、异议、决议四类信号词。输入时把长转写切成议题块，每块前加“议题：案例库更新；讨论焦点：案例时效性与客户覆盖；关键发言：交付教练提出制造业案例不足，产品经理补充客户访谈反馈”。这样DeepSeek能在块内提炼，再跨块汇总。还要注意敏感信息脱敏，把客户名称、学员姓名替换为角色代号，既保护隐私，也减少模型对无关专有名词的注意力消耗。
3. 任务与决议字段的显式约束。
会议纪要的核心不是复述，而是决议和待办。输入时要明确要求DeepSeek输出决议事项、责任人、截止时间、验收标准、风险与依赖。这些字段不能靠模型猜。比如课程案例库更新这一决议，要写清责任人是谁、更新多少条、何时评审、验收标准是覆盖几个行业场景。输入格式中可用决议约束段落说明：只记录主持人确认或多数共识的事项，未定事项列入待确认清单。这样模型不会把讨论中的想法直接写成已决事项。
待办任务要符合可执行标准。输入时给出任务粒度示例，如“交付教练在两周内补充三个制造业案例，产品经理提供客户访谈摘要”。DeepSeek会模仿示例的粒度。AI指导老师培训中常见问题是学员只写“优化案例库”，模型输出也模糊。把任务字段显式约束后，纪要可直接进入项目管理工具。还可以要求模型标注任务优先级和依赖关系，但优先级规则要在输入中说明，如“影响三季度交付的为高优先级”，避免模型自行编造判断标准。
4. 提示词模板与多轮校验的输入设计。
提示词模板应包含角色、任务、输入材料、输出格式、质量标准和禁止事项。角色可写“你是企业培训部门的会议纪要助理，熟悉AI课程研发流程”。任务要具体到提炼决议、待办、风险与待确认问题。输出格式可指定Markdown表格或固定字段段落。质量标准包括不编造未出现的信息、区分讨论意见与最终决议、待办必须有责任人和时间。禁止事项包括不要按发言顺序写流水账、不要合并不同议题。模板越明确，模型越不容易在长材料中丢失重点。
多轮校验是输入设计的一部分。第一轮让DeepSeek输出结构化草稿，第二轮把草稿和原始转写一起回传，要求逐项核对决议是否有原话依据，第三轮再压缩成管理层摘要。每轮输入都要带上校验目标，避免模型自由发挥。AI指导老师在带教时，可让学员记录每轮修改点，形成输入格式的迭代清单。对于长会议，按议题分块输入并保留块间摘要，比一次性塞入全文更稳定。输出要求中要提醒模型保留待确认清单，不要把未决事项写成已决。
