腾讯会议二创 · 让每一场谈判都有场外教练。深度挂载腾讯会议实时转写/云录制/参会人统计/智能纪要/私聊/待办/日历。一句话交互:帮准备谈判作战卡 → 会中锚定/操控/BATNA 红线私聊预警 → 会后让步曲线图表复盘 + 日历同步。内置可信 AI 权限边界与评估闭环。
商务谈判会议智能教练 (Negotiation Meeting Coach)是一项面向实际任务的技能,主要用于Overview;把腾讯会议从「记录工具」升级为「谈判场外教练」;
它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
把腾讯会议从「记录工具」升级为「谈判场外教练」。不另起炉灶,而是深度挂载在腾讯会议原生能力之上:用实时转写做战术感知、用云录制做证据回放、用参会人统计做 BATNA 判断、用纪要/待办做结论沉淀。用户只需说一句话,Skill 自动串起会前→会中→会后全链路。
| 腾讯会议原生能力 | 本 Skill 的用法 | 创新延伸 |
|---|---|---|
| 实时转写 (AI 助手/开放接口) | 流式读取发言文本,做战术信号检测 | 在转写流上叠加「锚定/操控/红线」实时提示 |
| 云录制 | 会议结束后拉取录制,定位关键回合 | 把「对方施压瞬间」时间戳回链到复盘报告 |
| 参会人统计 | 读取成员列表与发言时长占比 | 识别对方谈判阵容(决策人/技术顾问/唱红脸),推算 BATNA |
| 智能纪要 | 不替代纪要,而是生成「谈判增强版」 | 在纪要外附加「条款捕获 + 让步曲线 + 风险点」 |
| 聊天 / 私聊 | 向用户本人私发实时战术提示,不干扰会场 | 把教练提示与会议公开内容隔离,避免泄密 |
| 待办 / 日历 | 将达成的条款与行动项一键建待办/日历事件 | 形成 PDCA 闭环,到期自动回检 |
集成方式:优先调用
tmeet(腾讯会议) connector;若未连接,降级为读取用户导入的转写 JSON / 录制文件,Skill 逻辑不变。所有原生能力调用必须通过用户显式授权,转写与提示默认不落盘、可一键关停。
Skill 必须把复杂 GUI 操作收敛为短指令。支持以下意图(可自由组合):
| 用户原话(示例) | Skill 动作 |
|---|---|
| 「准备和 XX 的谈判作战卡」 | 读取历史会议/对方信息 → 生成作战卡(底线/目标/BATNA/锚定策略) |
| 「开启教练模式」 | 订阅实时转写,启动战术监听,私聊通道待命 |
| 「对方在锚定我吗」 | 对最近 N 句转写做锚点检测,返回是否命中 + 建议 |
| 「别跌破底线价 120 万」 | 写入红线阈值,后续报价触及即私聊告警 |
| 「他是不是在用最后通牒」 | 检测虚假紧迫/情绪施压话术,给破局话术 |
| 「总结刚才关于价格的讨论」 | 截取最近关于「价格」的转写段 → 输出小节 + 图表 |
| 「把结论同步到日历」 | 提取条款与责任人 → 建日历事件 + 待办 |
references/battle-card-template.md):锚定先发策略、关键条款清单、红线阈值references/tactic-engine.md)scripts/generate_negotiation_report.py 输入转写 JSON,输出:本 Skill 的安全设计对应综述《Agent Skill Evaluation and Evolution》的安全三层防御(细粒度权限 + 敏感确认 + 透明):
generate_negotiation_report.py — 输入转写 JSON,输出带 Mermaid 图表与条款捕获的 Markdown 复盘报告(零第三方依赖,可直接跑)tencent-meeting-integration.md — 各原生能力的调用点、字段、降级方案tactic-engine.md — 锚定/操控/红线/让步节奏的检测规则与正则/提示词battle-card-template.md — 作战卡 Markdown 模板demo-script.md — 评委演示剧本(预定→开会→生成图表纪要→同步日历)相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.3万人学习
共49课时 | 82.7万人学习
最新文章