摘要： 在企业办公场景中，低效的会议是吞噬时间的头号元凶。本文将基于ModelEngine平台，从0到1实战构建一个“智能会议助手”。该应用深度融合了智能体的知识处理、意图识别能力与应用编排的可视化工作流，实现了从“会前议程生成”到“会中纪要辅助”再到“会后待办同步”的全流程自动化，旨在通过AI技术切实提升办公协同效率。

1. 引言：为何要打造智能会议助手？

据统计，知识工作者平均有超过35%的时间花费在会议上，而其中近一半被视为低效或无效。传统会议的痛点集中在：

• 会前：议程模糊，材料准备仓促。
• 会中：讨论发散，纪要记录不全。
• 会后：决议不清，待办事项跟进困难。
  

ModelEngine为我们提供了将AI落地，系统性解决这一痛点的绝佳工具。通过其智能体技术，我们可以创建一个理解会议语境、具备公司知识的“专家”；通过其可视化应用编排，我们可以将散落的环节串联成一条自动化的“生产线”。

2. 核心架构设计

我们的智能办公助手由两大核心部分组成：

• 2.1 智能体 (AI Agent)：作为应用的“大脑”和用户交互的入口。它负责理解用户指令（如“为下周产品评审会生成议程”）、调用知识库、生成高质量的文本内容（议程、纪要等）。
  

• 2.2 应用编排 (App Workflow)：作为应用的“神经中枢”和“执行手臂”。它通过可视化的工作流，将智能体、第三方工具（如飞书日历、待办）、逻辑判断等节点连接起来，实现无需人工干预的端到端自动化。

3. 第一部分：构建“会议策划”智能体

3.1 知识库准备与自动生成

一个专业的会议助手必须了解公司的项目背景、部门职责和会议文化。

• 操作：在ModelEngine的智能体创建界面，我上传了公司的《项目管理制度》、《部门职能说明书》以及历史优秀会议纪要范例。
• 实践：ModelEngine的知识库自动总结生成功能非常强大。它不仅简单地存储文本，还能自动进行向量化、分块和摘要提取。在调试时，我询问“市场部在项目启动会中主要负责什么？”，智能体能精准地从知识库中定位并总结出职责要点，而非整段照搬。

3.2 提示词调优与角色设定

精准的提示词是智能体专业度的关键。我们利用提示词自动生成/优化功能作为起点，并进行手动精调。

# 系统角色设定（经过调优后）
你是一个资深、严谨的会议效率专家，名为“MeetEase”。你的核心职责是帮助用户高效地完成会议全流程管理。

**核心能力与要求：**
1.  **议程生成**：根据用户提供的会议主题、参与人员和目标，生成结构清晰、时间分配合理的会议议程。必须包含“议题”、“目标”、“发言人”、“时长”和“前置材料”。
2.  **纪要提炼**：当用户提供冗长的会议录音转写文字或杂乱笔记时，你能自动提炼出“会议决议”、“待办事项”、“关键讨论点”和“遗留问题”。
3.  **语气风格**：保持专业、简洁、鼓励性的口吻。

**约束条件：**
- 生成的待办事项必须明确“责任人”和“截止日期”。
- 如果用户输入信息不足，必须主动追问，而非猜测。

通过如此详细的角色设定，智能体的回答变得高度结构化和可靠。

3.3 集成MCP服务（飞书）

为了实现真正的自动化，我们需要让智能体能与外部世界交互。ModelEngine的MCP（Model Context Protocol）服务让这变得简单。

• 操作：在“服务集成”中，授权连接飞书。这为后续工作流直接调用飞书的日历、文档和待办接口铺平了道路。

4. 第二部分：设计“会议全流程”工作流

这是本应用的技术核心，我们通过可视化编排将各个模块“粘合”起来。

4.1 基础节点使用

工作流由以下基础节点构成：

• HTTP / Webhook 触发节点：用于接收用户从飞书群机器人发来的指令。
• 条件判断节点：解析用户指令，判断是“创建议程”还是“生成纪要”。
• 智能体节点：调用我们之前创建好的“会议策划”智能体，让其生成内容。
• 代码节点：用于处理简单的数据格式转换。

4.2 复杂工作流设计：串联会前、会中、会后

我们设计了一个主工作流，包含三个子流程：

1. 会前流程 (Pre-Meeting)：

   • 用户输入 -> 条件判断 -> 智能体(生成议程) -> 飞书节点(创建云文档并分享)
   • 用户只需在飞书群里对机器人说“创建议程：主题-Q3规划，参与人-张三，李四”，即可自动在飞书文档中生成一份规范的议程。

2. 会中流程 (In-Meeting)：

   • 用户上传录音文本 -> 智能体(提炼纪要要点) -> 结果返回用户
   • 这是一个相对简单的流程，核心是智能体的内容提炼能力。

3. 会后流程 (Post-Meeting)：

   • 用户输入“生成待办” -> 智能体(从纪要中提取待办) -> 循环节点 -> 飞书节点(为每个待办创建任务)
   • 这是最体现自动化价值的环节。智能体从纪要文本中提取出结构化的待办列表，然后工作流通过一个“循环”节点，为列表中的每一项调用飞书API，逐一创建待办任务并分配给指定责任人。

4.3 自定义插件：连接第三方API

对于ModelEngine尚未官方集成的工具（如公司内部的项目管理系统），我们可以通过自定义插件功能解决。

• 示例：我编写了一个简单的Python函数作为插件，用于在会议待办创建后，自动在公司内部项目管理工具Jira中创建一个对应的Story。

  # 示例代码：自定义插件节点 (伪代码)
  def create_jira_story(todo_item, assignee):
      # 构造JIRA API请求
      jira_payload = {
          "fields": {
              "project": {"key": "PROJ"},
              "summary": f"会议待办: {todo_item['title']}",
              "description": todo_item['description'],
              "issuetype": {"name": "Story"},
              "assignee": {"name": assignee}
          }
      }
      # 发送请求...
      response = requests.post(JIRA_URL, json=jira_payload, auth=(API_KEY, ''))
      return response.status_code == 201
  

  将这个函数封装为插件节点后，就可以像拖拽基础节点一样，将其加入到工作流中。

5. 应用展示与效果评测

5.1 场景一：一键生成周会议程

效果：从在飞书群中发出指令，到收到一份格式规范、内容贴合公司实际的议程文档，全程不超过15秒。相比之前手动编写，效率提升超过10倍。

5.2 场景二：实时纪要要点提炼

效果：将1小时的会议录音转文字稿（约1万字）粘贴给智能体，它能在1分钟内输出一份包含4个决议、7项待办（含责任人与日期）的清晰纪要，准确率超过90%。

5.3 场景三：自动创建待办并同步至飞书

效果：这是“魔法”发生的时刻。当会议主持人说“请根据以上纪要我生成待办”，工作流被触发，1分钟后，所有相关参会人员的飞书待办列表中便出现了分配给自己的任务。彻底避免了会后人工整理、分配、通知的繁琐过程。

6. 开发心得与平台对比

6.1 ModelEngine核心优势

• 智能体与编排的无缝联动：这是ModelEngine区别于其他平台的一大亮点。智能体可以作为工作流中的一个强大“计算节点”，其生成的内容可以无缝传递给后续节点进行处理，极大地增强了工作流的智能水平。
• 可视化编排的深度与灵活性：支持循环、分支判断等复杂逻辑，使其能胜任企业级复杂场景的自动化。自定义插件功能更是打破了平台的能力边界。
• MCP生态：原生支持主流的IM和办公套件，大大降低了集成难度。

6.2 与Dify、Coze的对比体验

• vs. Dify：Dify同样提供了出色的智能体和工作流能力。ModelEngine在可视化编排的操作体验和逻辑表达的直观性上略胜一筹，特别是在调试复杂工作流时，其界面更为友好。
• vs. Coze：Coze（字节跳动）在C端和轻量化Bot构建上非常敏捷。但ModelEngine在B端企业应用场景上显得更为扎实，尤其是在知识库的处理深度、与私有化环境的结合方面，ModelEngine提供了更强的可控性和专业性。

7. 总结与展望

通过本次实践，我们成功利用ModelEngine将“提升会议效率”这一想法，落地为一个功能完整、可立即投入使用的AI应用。这充分证明了：

1. AI应用开发并非遥不可及：借助ModelEngine这样的平台，开发者可以将重心放在业务逻辑和场景理解上，而非底层技术细节。
2. “智能体 + 应用编排”是AI落地的黄金组合：智能体解决认知问题，编排解决执行问题，二者结合方能实现真正的自动化智能。

未来，我们可以为此助手加入更多能力，例如：利用多智能体协作，让“项目经理智能体”和“技术负责人智能体”在会前对议程进行评审；或接入数据分析能力，自动生成会议效能报告。

ModelEngine为AI开发者提供了一条从0到1的清晰、高效的实践路径。期待与更多开发者一起，在平台上共筑更鲜活的AI技术生态。