Qwen3-VL:30B飞书办公助手案例：自动整理会议截图→生成待办事项→同步飞书多维表格

Qwen3-VL:30B飞书办公助手案例：自动整理会议截图→生成待办事项→同步飞书多维表格

项目亮点：通过CSDN星图AI云平台，零基础私有化部署最强多模态大模型Qwen3-VL:30B，搭建既能"看图"又能"聊天"的飞书智能办公助手，实现会议截图自动整理、待办事项生成和飞书多维表格同步的全流程自动化。

1. 项目概述与价值

1.1 解决什么实际问题

在日常办公中，我们经常遇到这样的场景：会议结束后，白板上写满了讨论要点和行动项，有人用手机拍照记录，但这些图片往往散落在不同人的相册里，最终变成"数字垃圾"。手动整理既耗时又容易遗漏重要信息。

Qwen3-VL:30B飞书办公助手正是为了解决这个痛点而设计。它能够：

• 自动识别会议截图中的文字和内容
• 智能提取关键信息和待办事项
• 自动同步到飞书多维表格，形成可跟踪的任务列表
• 支持自然语言交互，像同事一样对话查询进度

1.2 技术方案亮点

这个方案的核心优势在于：

• 私有化部署：所有数据都在自己的服务器处理，保证企业数据安全
• 多模态能力：Qwen3-VL:30B既能理解图片内容，又能进行文本对话
• 无缝集成：通过Clawdbot与飞书深度集成，使用体验自然流畅
• 零基础搭建：基于CSDN星图平台，无需复杂的环境配置

实验说明：本文所有的部署及测试环境均由 CSDN 星图 AI 云平台提供。我们使用官方预装的 Qwen3-VL-30B 镜像作为基础环境进行二次开发。

2. 环境准备与快速部署

2.1 硬件环境要求

为了获得最佳的多模态交互体验，我们需要足够的计算资源：

2.2 镜像选择与部署

在CSDN星图平台中，选择预装的Qwen3-VL:30B镜像：

快速操作步骤：

1. 登录星图AI云平台
2. 在镜像市场搜索"Qwen3-vl:30b"
3. 选择官方推荐配置一键部署
4. 等待实例启动完成（通常5-10分钟）

2.3 基础功能测试

实例启动后，通过Ollama控制台进行快速测试：

# 简单的API测试代码
from openai import OpenAI

# 配置客户端
client = OpenAI(
    base_url="您的实例公网地址/v1",
    api_key="ollama"
)

# 测试文本对话
response = client.chat.completions.create(
    model="qwen3-vl:30b",
    messages=[{"role": "user", "content": "你好，请介绍一下你自己"}]
)
print(response.choices[0].message.content)

如果返回正常的自我介绍，说明模型部署成功。

3. Clawdbot安装与配置

3.1 快速安装Clawdbot

Clawdbot是连接AI模型和飞书的关键桥梁，安装非常简单：

# 使用npm全局安装
npm i -g clawdbot

# 验证安装是否成功
clawdbot --version

3.2 初始化配置

运行初始化向导，完成基础配置：

clawdbot onboard

在初始化过程中，建议选择：

• 运行模式：Local（本地模式）
• 基础配置：先跳过高级设置，后续在控制面板调整
• 认证方式：Token认证（设置一个安全的token）

3.3 启动控制面板

启动Clawdbot网关服务：

clawdbot gateway

访问控制面板（将YOUR_INSTANCE_ID替换为您的实例ID）：

https://YOUR_INSTANCE_ID-18789.web.gpu.csdn.net/

4. 网络与安全配置

4.1 解决访问问题

初次访问可能会遇到页面空白的问题，这是因为默认配置只允许本地访问。需要修改配置文件：

# 编辑配置文件
vim ~/.clawdbot/clawdbot.json

关键配置修改：

{
  "gateway": {
    "bind": "lan",  // 改为lan允许网络访问
    "auth": {
      "mode": "token",
      "token": "您的安全token"  // 设置访问token
    },
    "trustedProxies": ["0.0.0.0/0"]  // 信任所有代理
  }
}

4.2 安全最佳实践

为了保证系统安全，建议：

1. 使用强密码作为token
2. 定期更新访问凭证
3. 配置防火墙规则，限制访问IP
4. 启用HTTPS加密传输

5. 集成Qwen3-VL:30B模型

5.1 配置模型连接

修改Clawdbot配置，指向我们部署的Qwen3-VL:30B模型：

{
  "models": {
    "providers": {
      "my-ollama": {
        "baseUrl": "http://127.0.0.1:11434/v1",
        "apiKey": "ollama",
        "models": [
          {
            "id": "qwen3-vl:30b",
            "name": "本地Qwen3 30B模型",
            "contextWindow": 32000
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "my-ollama/qwen3-vl:30b"
      }
    }
  }
}

5.2 测试多模态能力

重启服务后，测试模型的图片理解能力：

# 测试图片理解功能
def analyze_meeting_screenshot(image_path):
    """
    分析会议截图，提取关键信息
    """
    prompt = """请分析这张会议白板截图：
    1. 识别所有文字内容
    2. 提取讨论的主要议题
    3. 列出所有行动项和负责人
    4. 总结会议结论
    
    请用JSON格式返回结果，包含以下字段：
    - topics: 主要议题列表
    - action_items: 行动项列表（包含负责人和截止时间）
    - conclusions: 会议结论
    """
    
    response = client.chat.completions.create(
        model="qwen3-vl:30b",
        messages=[
            {
                "role": "user", 
                "content": [
                    {"type": "text", "text": prompt},
                    {"type": "image_url", "image_url": {"url": image_path}}
                ]
            }
        ]
    )
    return response.choices[0].message.content

6. 飞书多维表格集成

6.1 创建飞书应用

首先需要在飞书开放平台创建自建应用：

1. 登录飞书开放平台
2. 创建新的企业自建应用
3. 开通多维表格权限
4. 获取App ID和App Secret

6.2 配置飞书连接

在Clawdbot中配置飞书连接：

{
  "feishu": {
    "app_id": "您的飞书应用ID",
    "app_secret": "您的飞书应用密钥",
    "encrypt_key": "加密密钥",
    "verification_token": "验证token"
  }
}

6.3 实现数据同步

编写同步到飞书多维表格的代码：

import requests
import json

def sync_to_feishu_table(action_items, table_id):
    """
    将行动项同步到飞书多维表格
    """
    url = f"https://open.feishu.cn/open-apis/bitable/v1/apps/{table_id}/tables/tblxxx/records/batch_create"
    
    headers = {
        "Authorization": "Bearer {access_token}",
        "Content-Type": "application/json"
    }
    
    records = []
    for item in action_items:
        records.append({
            "fields": {
                "任务描述": item["description"],
                "负责人": item["assignee"],
                "截止时间": item["due_date"],
                "状态": "待开始",
                "来源": "会议截图自动识别"
            }
        })
    
    response = requests.post(url, headers=headers, json={"records": records})
    return response.json()

7. 完整工作流实现

7.1 自动化处理流程

整个系统的自动化流程如下：

1. 图片接收：通过飞书机器人接收用户发送的会议截图
2. 内容分析：使用Qwen3-VL:30B分析图片内容
3. 信息提取：提取议题、行动项、结论等结构化信息
4. 表格同步：自动同步到飞书多维表格
5. 通知反馈：通过飞书通知相关人员

7.2 错误处理与重试

为了保证系统稳定性，需要实现完善的错误处理：

def process_meeting_screenshot(image_url, user_id):
    """
    处理会议截图的完整流程
    """
    try:
        # 1. 分析图片内容
        analysis_result = analyze_meeting_screenshot(image_url)
        
        # 2. 解析JSON结果
        data = json.loads(analysis_result)
        
        # 3. 同步到飞书表格
        table_result = sync_to_feishu_table(data["action_items"], "表格ID")
        
        # 4. 发送处理完成通知
        send_feishu_message(user_id, "会议内容已自动整理完成！")
        
        return {"success": True, "data": data}
        
    except Exception as e:
        # 错误处理和重试逻辑
        logger.error(f"处理失败: {str(e)}")
        return {"success": False, "error": str(e)}

8. 实际应用效果

8.1 使用场景示例

场景一：日常站会白板整理

• 拍摄站会白板照片发送给机器人
• 自动识别任务分配情况
• 同步到团队任务跟踪表

场景二：项目会议纪要

• 上传项目讨论白板截图
• 自动提取关键决策和行动项
• 更新项目进度表

场景三：头脑风暴整理

• 发送创意讨论白板照片
• 自动整理创意点子
• 生成可执行的创新项目列表

8.2 效率提升对比

9. 总结与展望

9.1 项目总结

通过本方案，我们成功实现了：

1. 零基础部署：在CSDN星图平台快速部署Qwen3-VL:30B模型
2. 智能集成：通过Clawdbot连接AI能力和飞书平台
3. 自动化流程：实现会议截图到待办事项的自动转换
4. 企业级应用：满足数据安全和易用性要求

9.2 未来扩展方向

这个基础框架还可以进一步扩展：

• 支持更多文件类型：PDF、Word、Excel等文档解析
• 多语言支持：国际化团队的跨语言会议处理
• 智能提醒：基于截止时间的自动提醒功能
• 数据分析：会议效率分析和团队工作负载统计

9.3 开始使用建议

对于想要尝试的企业用户，建议：

1. 从小范围开始：先在一个团队试点使用
2. 逐步完善：根据反馈调整识别规则和表格格式
3. 培训推广：让团队成员熟悉新的工作方式
4. 持续优化：基于使用数据不断改进系统

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。