我就一贯在用onenote,很经典的一款条记软件,特殊和office家族其他软件集成的非常好,但onenote也有不敷,比如现在很盛行的AI大模型,它就没有及时跟进,哈哈哈

除了会议过程中做记录,会议后整理纪要也是很占用韶光的,有时候一个小时的会议录音稿,须要两个小时去整理。

这几天看到一个海内的AI大模型工具,叫作Kimi,是今年很火的一家AI公司Moonshot开拓的,它的长文本处理和文件读取能力让我感到很惊异,可以智能化地整理会议纪要、根据格式规范天生纪要,大大节省了手工致顿纪要的韶光。

Kimi的界面非常简洁,可以对话、上传文件、联网搜索,只须要上岸就可以免费利用所有功能。

运用Kimi AI整理会议记录同事都来围不雅观

Kimi可以处理20万字的超长文本文件,提取关键信息,这对付打工人来说很有用,像会议录音文本、行业报告、技能文档都可以快速的进行解读,堪比第二大脑。

这几天kimi又发布说可以处理200万字的文本,这也太胆怯了,什么洪篇巨制都可以几分钟内消化掉,仿佛是叮当猫的知识面包。

测试了下用Kimi整理乔布斯之前的一段媒体采访录音文本,把采访的主要不雅观点提取出来,全体录音文本有1.1万字,存在word文件中,只须要上传word文件到kimi上,然后给出提示词即可,以下是他用的prompt。

然后Kimi在几秒内,就提取出了这段采访的关键信息。

可以看到,Kimi把乔布斯对付打算机、创业、商业、产品等核心不雅观点都提取了出来,这对付一样平常的会议录音文档也同样适用,当你做会议纪要时,就不须要再费时费力的花几个小时去听录音,只要在Kimi整理的根本上查缺补漏、校验下即可。

「Kimi在整理和天生会议纪要上的四大特点」

在整理会议纪要时,最主要的是「把关键业务信息按条理写清楚,并在会后按规范格式整理成会议纪要,包括参会职员、韶光、背景、决策、行动项、重难点等等」。

Kimi在整理和解读文件上有看家本领,它支持读取pdf、docx、xlsx、ppt等多种文档格式,也便是说无论你喜好哪种形式的文档,都可以上传给kimi,让它帮你整理文件。

其次你可以给他提很详细的需求,比如说“「按规范格式天生会议纪要”、“提取会议条记中的关键数据”」等等。

下面来试试Kimi到底表现咋样,案例是一份手机发卖会议的记录,格式为PDF,内容关于月度古迹的完成情形,以及下个月的目标。

接下来须要整理该份条记中的重点内容,并输出为格式规范的会议纪要。

首先我们把PDF文件上传到kimi上,然后给出第一个提示:

“请按照规范的会议纪要格式梳理这份会议条记,包括会议名称、日期、参会职员、紧张事变和决策、下一步辇儿为项等,哀求格式规范、言简意赅,但不能遗漏主要信息和数据”

Kimi读取PDF文件,并按照提示哀求天生了会议纪要,它一方面梳理了格式,看起来更加清晰,另一方面保留了所有关键信息和数据,剔除了无关紧要的笔墨。
和原始条记比拟,会议内容一览无余。

除此之外,还可以让kimi天生表格,更加清晰地记录各位发卖职员的数据,俗话说字不如表,能用到表格就只管即便用表格展示数据。

提示如下:

“针对刚刚的文档,提取个中的数据天生表格形式,分成三列,内容关于发卖职员的本月发卖古迹、KPI达成情形、下月发卖目标”

Kimi完美地整理了会议条记中各位发卖职员的古迹完成情形,并输出为表格。

你还可以利用kimi进行缩写、续写、检讨错别字、检讨语法、提取繁芜信息等等,这些本是打工人自己花韶光要做的事,可以交给kimi,咱们偷偷打局王者不喷鼻香嘛哈哈

Kimi除了是整理文件的小达人,在智能天生文本上也非常强,比如说刚刚会议纪要里关于手机发卖下一步操持要提升客户满意度,如何提升呢?这是个问题。

让我们问问kimi,提示如下:

“你是个手机发卖经理,你现在须要通过提升客户满意度,来达到提升销量的目的,请从产品、门店、话术、做事、售后等各方面提出详细的建媾和方法”

如果你对手机产品和技能上不太清楚,也可以问Kimi,它可以联网查询,给到最新最全的解读,比如关于智好手机CPU的选型和技能,提示如下:

“目前智好手机主流的CPU有哪几种,请列出各自的技能事理、性能、优缺陷,消费者该如何选择得当的CPU,请更新到2024最新行情和数据”

随着去年ChatGPT的涌现,AI在办公领域表示出非常强大的运用能力,可以整理会议条记、天生专业文本、提取关键信息、剖析数据、赞助编程等等,微软也在考试测验着在Excel和PPT中加入大模型,虽然现在并未得到遍及,但我有一种非常强烈的预感,未来几年AI会颠覆大家的办公体验。

Kimi作为一个海内方便利用的AI大模型,在整理会议纪要方面能力还是很不错的,金融、咨询公司、快消行业、发卖等领域的打工人可以试试用Kimi来给自己的事情提提效。

当然大家利用AI一定要记得数据和信息脱敏,不要因小失落大,本文所用案例都是AI天生的示例文本,无任何隐私信息。