pip install langchain openai python-dotenv pydub

meeting-minutes-generator/
├── .env            # 存储API密钥
├── audio_files/    # 存放录音文件
├── output/         # 存放生成的纪要
├── main.py         # 主程序
└── requirements.txt

OPENAI_API_KEY=your_api_key_here

from pydub import AudioSegment

def convert_audio_to_text(audio_path):
    """将音频文件转换为文本"""
    audio = AudioSegment.from_file(audio_path)

    # 这里简化处理，实际应用中应接入语音识别API
    # 如使用Whisper或Google Speech-to-Text

    print(f"音频文件 {audio_path} 已加载")
    return "这是模拟的会议文本内容..."

from langchain.chat_models import ChatOpenAI
from langchain.prompts import ChatPromptTemplate
from langchain.chains import LLMChain

def generate_minutes(transcript):
    """使用LangChain生成会议纪要"""

    # 1. 初始化大语言模型
    llm = ChatOpenAI(temperature=0.5, model="gpt-3.5-turbo")

    # 2. 创建提示模板
    template = """
    你是一个专业的会议纪要撰写助手。请根据以下会议记录：
    {transcript}

    生成结构化的会议纪要，包含以下部分：
    1. 会议主题
    2. 参会人员
    3. 讨论要点（分条列出）
    4. 达成的共识或决议
    5. 下一步行动计划（包含负责人和截止时间）

    要求：使用Markdown格式，语言简洁专业。
    """

    prompt = ChatPromptTemplate.from_template(template)

    # 3. 创建处理链
    chain = LLMChain(llm=llm, prompt=prompt)

    # 4. 执行处理并返回结果
    return chain.run(transcript=transcript)

import os
from dotenv import load_dotenv

def main():
    load_dotenv()   # 加载环境变量

    # Step1: 获取输入（可以是音频或直接文本）
    input_type = input("输入类型(1-音频文件 /2-直接输入文本): ")

    if input_type == "1":
        audio_path = input("请输入音频文件路径: ")
        transcript = convert_audio_to_text(audio_path)
    else:
        transcript = input("请输入会议文本内容: ")

    # Step2: 生成会议纪要
    print("\n正在生成会议纪要...")
    minutes = generate_minutes(transcript)

    # Step3: 保存结果
    os.makedirs("output", exist_ok=True)
    output_path = f"output/minutes_{len(os.listdir('output'))+1}.md"

    with open(output_path, "w", encoding="utf-8") as f:
        f.write(minutes)

    print(f"\n✅ 会议纪要已生成并保存至 {output_path}")

if __name__ == "__main__":
    main()

# API调用优化版本示例代码片段

from langchain.callbacks import get_openai_callback

def optimized_generate_minutes(transcript):
    """带优化的生成函数"""

    llm = ChatOpenAI(
        temperature=0.5,
        model="gpt-3.5-turbo",
        max_tokens=2000,       # 控制输出长度
        request_timeout=60     # API超时设置 
    )

    with get_openai_callback() as cb:
        result = generate_minutes(transcript) 
        print(f"API消耗统计: {cb}")

        if cb.total_tokens > (0.9 * llm.max_tokens):
            print("⚠️ Token使用接近上限，考虑拆分输入内容")

        return result