返回文章列表

智能体进会:三类玩法全解,附亚朵影子面试官的抄作业命令

飞书 CLI 社区··原文

深圳开发者日上最"看得见摸得着"的,是智能体直接进会。会议全链路能力已经开放:智能体能实时听会、读弹幕、把互动内容发回会场,后续还会上投屏和会议进程监控。这篇拆解已验证的三类玩法、背后的标杆案例,以及你现在就能用的 lark-cli vc / minutes 命令。

三类玩法(按智能体怎么思考、怎么开口分)

  • 深度思考 + 文字交互——智能体实时回应弹幕问题、统计高频疑问、跟进会议待办。当前已全量开放,这是你本周就能上线的玩法。
  • 浅思考 + 语音交互——智能体扮演固定角色做标准化交互:销售培训、用户调研、会议点名。适合流程基本不变的场景。
  • 深度思考 + 语音交互——智能体实时接收语音指令完成复杂操作。还在内部探索阶段,存在一定响应延迟。

关于灰度:智能体独立入会、语音交互目前处于灰度阶段,优先开放给有真实落地场景、具备开发能力、愿意共创的客户。而文字交互这套闭环是全量开放的。

标杆案例一:亚朵"影子面试官"

亚朵基于这套能力做了影子面试官:自动拉取岗位 JD 和候选人简历,面试中实时给出追问建议,面试结束后自动生成面评归档——面试官全程不用敲一个字。

复现这个闭环:

# 1. 把会议转成 minute_token

lark vc +recording --meeting-id <meeting_id>

# 2. 面试进行中拉实时逐字稿 + 章节

lark minutes +detail --minute-tokens <token> --transcript --chapter --as user

# 3. 把一条追问建议发进会议聊天

lark vc +meeting-message-send --meeting-id <meeting_id> --content "建议追问:候选人主导的深度?"

# 4. 会后生成面评文档

lark docs +create --content '<title>面评-候选人X</title>...'

影子面试官提示词:

"你是资深面试官的影子助手。这是岗位 JD、候选人简历,以及面试实时逐字稿的最近一段。请判断:候选人刚才的回答是否真正回答了问题?如果回避或答得浅,给出一句具体的追问建议(不超过 30 字)。如果回答充分,只输出『OK』。不要评价语气,只给可执行的追问。"

标杆案例二:事故排查助手(飞书自家产研)

飞书内部研发团队部署的会议智能体,能在故障排查会中实时接收语音指令完成数据查询,让研发专注于问题分析而不是来回切仪表盘。它维护一块实时面板:当前结论、原因定位、影响范围、时间线、待办。

底层是同一套积木:vc +recordingminutes +detail --transcript,然后由智能体把一份共享文档当作唯一事实源持续更新:

# 会中持续更新一份"活的"事故文档

lark docs +update --doc <事故文档> --command append \

--content '<p>[11:46] 当前结论:追光退款;原因定位中;影响:trc、11</p>'

标杆案例三:会议点名助手

针对多人大周会,智能体自动统计实际参会人员名单,把会议内容同步给未参会的人,避免信息传递断层。

# 谁发言了 / 谁到会了

lark minutes +detail --minute-tokens <token> --transcript --as user

# 把纪要私信发给每个缺席的人

lark im +messages-send --user-id <缺席者> --msg-type text --content "今日周会纪要:<链接>"

从这里开始:文字交互闭环

不用等语音灰度。全量开放的文字闭环已经覆盖了最高价值的玩法——听会,然后基于记录行动:

meeting_id ──vc +recording──▶ minute_token

minute_token ──minutes +detail──▶ 逐字稿 + 摘要 + 待办

逐字稿 ──你的 Agent──▶ 答疑 / 统计 / 跟进

结果 ──vc +meeting-message-send / im +messages-send──▶ 发回给人

一条命令把会议变成结构化数据,再一条命令把智能体的产出推回会场。剩下的全是你的提示词。