Talk Analyzer - AI 对话分析技能
技能概述
Talk Analyzer 是一个强大的 AI 驱动的商务对话分析工具，能够自动从会议记录、销售电话、客户支持对话中提取关键信息、行动项和策略建议。
核心能力
1. 多类型对话分析
- 会议分析 - 自动提取会议要点、决策和待办事项
- 销售分析 - 识别客户异议、购买信号和跟进策略
- 客服分析 - 评估服务质量、客户满意度和问题解决效率
- 谈判分析 - 分析双方立场、让步和谈判策略
- 面试分析 - 评估候选人资质和文化契合度
- 通用分析 - 适用于任何类型的对话内容
2. 智能提取功能
- 对话摘要 - 生成 2-3 句话的精炼总结
- 关键要点 - 自动提取讨论的主要话题和结论
- 行动项提取 - 识别任务、负责人和截止日期
- 决策记录 - 记录重要决定及其理由
- 情感分析 - 评估对话情绪和参与度
- 发言者画像 - 分析每个参与者的贡献和风格
3. 销售专用功能
- 异议识别 - 自动识别客户提出的顾虑（价格、时间、功能等）
- 购买信号 - 发现客户的购买意向和紧迫性
- 机会点 - 识别痛点、预算信号和决策权
- 跟进建议 - 基于对话内容生成下一步行动策略
4. AI 引擎支持
- Claude (Anthropic) - 主要分析引擎，提供深度理解
- OpenAI GPT - 备选引擎，提供多样化分析
- 本地 LLM - 支持私密对话的本地处理
使用场景
场景 1: 团队会议总结
输入: 1小时的团队会议记录 输出:
- 会议摘要
- 5-10 个关键决策点
- 每个人的待办事项（含截止日期）
- 需要后续讨论的话题
价值: 节省 30 分钟的会议纪要整理时间
场景 2: 销售电话分析
输入: 销售通话文字记录 输出:
- 客户需求和痛点
- 提出的异议及严重程度
- 购买信号和时间线
- 跟进策略建议
价值: 提高销售转化率 20-30%
场景 3: 客服质量评估
输入: 客服对话记录 输出:
- 客户满意度评分
- 问题解决质量
- 客服沟通技巧评估
- 改进建议
价值: 优化客服培训，提升客户满意度
场景 4: 批量对话分析
输入: 多个对话文件 输出:
- 每个对话的独立分析
- 跨对话的模式识别
- 趋势分析和洞察
价值: 发现系统性问题和机会
技能参数
必需参数
input- 对话文本文件路径type- 分析类型（meeting/sales/support/negotiation/interview/general）
可选参数
sentiment- 启用情感分析（布尔值）speakers- 参与者姓名列表（逗号分隔）focus- 关注的特定方面（如 "pricing,timeline,objections"）detailed- 生成详细分析报告（布尔值）output- 输出文件路径format- 输出格式（json/markdown）
使用示例
基础用法
openclaw-talk analyze \
--input meeting.txt \
--type meeting高级用法
openclaw-talk analyze \
--input sales-call.txt \
--type sales \
--sentiment \
--speakers "John,Sarah" \
--focus "objections,pricing,timeline" \
--detailed \
--output report.json批量分析
openclaw-talk batch \
--config batch-config.json \
--output-dir ./reports/对话对比
openclaw-talk compare \
--inputs "call1.txt,call2.txt,call3.txt" \
--type sales \
--output comparison.md输出示例
JSON 格式输出
{
"type": "meeting",
"summary": "团队讨论了 Q2 移动应用发布计划，确定4月底上线核心功能，离线模式推迟到5月。",
"key_points": [
"移动应用开发进度 70%",
"推送通知需要 2 周，离线模式需要 4-5 周",
"决定先发布核心功能，后续迭代添加离线模式",
"批准营销预算 $30,000"
],
"action_items": [
{
"task": "设置 50-100 人的 beta 测试计划",
"owner": "Bob",
"deadline": "明天",
"priority": "high"
},
{
"task": "制定营销策略并分享",
"owner": "Charlie",
"deadline": "周五",
"priority": "high"
}
],
"decisions": [
{
"decision": "同时发布 iOS 和 Android 版本",
"made_by": "Alice",
"rationale": "用户群体平均分布"
}
],
"sentiment": {
"overall": "positive",
"participants": {
"Alice": {"sentiment": "positive", "engagement_level": "high"},
"Bob": {"sentiment": "neutral", "engagement_level": "medium"},
"Charlie": {"sentiment": "positive", "engagement_level": "high"}
}
}
}技术要求
环境要求
- Node.js 18.0.0 或更高版本
- npm 或 pnpm 包管理器
API 密钥
需要以下至少一个 AI 服务的 API 密钥：
- Anthropic Claude API Key
- OpenAI API Key
- 或本地 LLM 服务端点
输入格式
- 支持纯文本文件 (.txt)
- 推荐格式: 每个发言者独立一行
- 建议最小长度: 50 字符
- 支持自动语言检测
性能指标
- 分析速度: 1000 字对话约 10-20 秒
- 准确率: 关键信息提取准确率 > 90%
- 支持语言: 主要支持中文和英文
- 最大输入: 单次分析最多 100,000 字符
优势特点
- 高度自动化 - 无需人工整理，一键生成结构化报告
- 多场景适配 - 6 种预设分析类型，覆盖常见商务场景
- 深度洞察 - 不仅提取信息，还提供策略建议
- 灵活配置 - 丰富的参数支持定制化分析
- 批量处理 - 支持同时分析多个对话文件
- 隐私保护 - 支持本地 LLM，敏感对话不出本地
典型工作流
- 收集对话 - 从会议、电话录音转文字
- 配置分析 - 选择分析类型和关注点
- 执行分析 - 运行 AI 分析引擎
- 查看结果 - 获取结构化报告
- 采取行动 - 基于洞察执行后续任务
集成能力
命令行集成
# 在脚本中使用
./analyze.sh analyze --input "$MEETING_FILE" --type meeting > report.json编程接口
import { ConversationAnalyzer } from 'openclaw-talk-analyzer';
const analyzer = new ConversationAnalyzer({...});
const result = await analyzer.analyze(input, options);批处理
# 定时任务分析每日会议
crontab -e
0 18 * * * /path/to/openclaw-talk batch --config daily-config.json更新计划
v1.1.0 (即将推出)
- 实时音频转录集成
- PDF 报告导出
- Web 可视化仪表板
v1.2.0 (规划中)
- 多语言支持扩展
- CRM 系统集成（Salesforce, HubSpot）
- 团队协作功能
支持和文档
- 完整文档: https://github.com/ZhenRobotics/openclaw-talk-analyzer
- 快速开始: 见项目 QUICKSTART.md
- 示例文件: 包含真实场景示例
- 问题反馈: GitHub Issues
许可证
MIT License - 开源免费使用
让 AI 帮你从对话中提取价值，把时间用在更重要的事情上！