俗话说“工欲善其事，必先利其器”，做会议记录有很多专业的工具，比如说onenote、notion、印象笔记、WPS等等。
我就一直在用onenote，很经典的一款笔记软件，特别和office家族其他软件集成的非常好，但onenote也有不足，比如现在很流行的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时间的，有时候一个小时的会议录音稿，需要两个小时去整理。
这几天看到一个国内的AI大模型工具，叫作Kimi，是今年很火的一家AI公司Moonshot开发的，它的长文本处理和文件读取能力让我感到很惊讶，可以智能化地整理会议纪要、根据格式规范生成纪要，大大节省了手工整理纪要的时间。
Kimi的界面非常简洁，可以对话、上传文件、联网搜索，只需要登陆就可以免费使用所有功能。
Kimi可以处理20万字的超长文本文件，提取关键信息，这对于打工人来说很有用，像会议录音文本、行业报告、技术文档都可以快速的进行解读，堪比第二大脑。
这几天kimi又发布消息说可以处理200万字的文本，这也太恐怖了，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，把采访的重要观点提取出来，整个录音文本有1.1万字，存在word文件中，只需要上传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把乔布斯对于计算机、创业、商业、产品等核心观点都提取了出来，这对于一般的会议录音文档也同样适用，当你做会议纪要时，就不需要再费时费力的花几个小时去听录音，只要在Kimi整理的基础上查缺补漏、校验下即可。
「Kimi在整理和生成会议纪要上的四大特点」
在整理会议纪要时，最重要的是「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，包括参会人员、时间、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，也就是说无论你喜欢哪种形式的文档，都可以上传给kimi，让它帮你整理文件。
其次你可以给他提很具体的需求，比如说“「按规范格式生成会议纪要”、“提取会议笔记中的关键数据”」等等。
下面来试试Kimi到底表现咋样，案例是一份手机销售会议的记录，格式为PDF，内容关于月度业绩的完成情况，以及下个月的目标。
接下来需要整理该份笔记中的重点内容，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笔记，包括会议名称、日期、参会人员、主要事项和决策、下一步行动项等，要求格式规范、言简意赅，但不能遗漏重要信息和数据”
Kimi读取PDF文件，并按照提示要求生成了会议纪要，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，剔除了无关紧要的文字。和原始笔记对比，会议内容一目了然。
除此之外，还可以让kimi生成表格，更加清晰地记录各位销售人员的数据，俗话说字不如表，能用到表格就尽量用表格展示数据。
提示如下：
“针对刚刚的文档，提取其中的数据生成表格形式，分成三列，内容关于销售人员的本月销售业绩、KPI达成情况、下月销售目标”
Kimi完美地整理了会议笔记中各位销售人员的业绩完成情况，并输出为表格。
你还可以使用kimi进行缩写、续写、检查错别字、检查语法、提取复杂信息等等，这些本是打工人自己花时间要做的事，可以交给kimi，咱们偷偷打局王者不香嘛哈哈
Kimi除了是整理文件的小达人，在智能生成文本上也非常强，比如说刚刚会议纪要里关于手机销售下一步计划要提升客户满意度，如何提升呢？这是个问题。
让我们问问kimi，提示如下：
“你是个手机销售经理，你现在需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、服务、售后等各方面提出具体的建议和措施”
如果你对手机产品和技术上不太清楚，也可以问Kimi，它可以联网查询，给到最新最全的解读，比如关于智能手机CPU的选型和技术，提示如下：
“目前智能手机主流的CPU有哪几种，请列出各自的技术原理、性能、优缺点，消费者该如何选择合适的CPU，请更新到2024最新行情和数据”
随着去年ChatGPT的出现，AI在办公领域体现出非常强大的应用能力，可以整理会议笔记、生成专业文本、提取关键信息、分析数据、辅助编程等等，微软也在尝试着在Excel和PPT中加入大模型，虽然现在并未得到普及，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作为一个国内方便使用的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、销售等领域的打工人可以试试用Kimi来给自己的工作提提效。
当然大家使用AI一定要记得数据和信息脱敏，不要因小失大，本文所用案例都是AI生成的示例文本，无任何隐私信息。