1. 项目背景与核心价值
去年第三季度，我负责协调市场部与技术部的产品沟通会时，曾连续三天熬夜整理会议材料。直到发现用AI Agent处理跨部门协作任务能提升8倍效率——这正是本文要分享的"龙虾工作流"（Lobster Workflow）。这个工作流的核心在于：将会议筹备分解为结构化任务，通过AI Agent自动完成信息整合、可视化呈现和文档生成。
传统跨部门沟通存在三个典型痛点：
- 信息碎片化：不同部门提供的素材格式混乱（Word/Excel/邮件片段）
- 转化耗时长：人工整理6份素材平均需要4小时
- 版本管理难：会议前最后一刻还在修改PPT页码
而龙虾工作流通过以下技术组合解决这些问题：
- 素材结构化引擎（HTML模板解析）
- 智能排版系统（PPT自动生成）
- 可视化映射工具（Drawio流程图生成）
2. 技术架构解析
2.1 信息抽取层
采用HTML作为中间格式处理异构文档，其优势在于：
- 标签化结构适合机器解析
- 兼容Markdown/Word/Excel的转换
- 保留原始文档的层级关系
典型处理代码示例：
def convert_to_html(source_file): if source_file.endswith('.docx'): return pandoc.convert(source_file, 'html') elif source_file.endswith('.xlsx'): df = pd.read_excel(source_file) return df.to_html()2.2 逻辑处理层
AI Agent在此阶段执行三个关键操作：
- 实体识别：提取部门、责任人、时间节点等关键信息
- 关系构建：用知识图谱连接离散数据点
- 优先级排序：基于会议目标自动调整内容权重
关键技巧：设置权重系数时，建议技术文档的代码片段权重设为0.7，业务需求描述设为0.3，这样生成的PPT会保持技术细节完整性。
2.3 输出生成层
通过以下工具链实现自动化输出：
- PPT生成：使用python-pptx库动态排版
- 流程图：调用Drawio的API生成矢量图
- 会议纪要：基于GPT模型自动生成执行摘要
3. 实操演示
3.1 准备工作
需要配置的环境：
- Python 3.8+ 运行环境
- 安装依赖库：
pip install python-pptx pandas pydrawio - 准备素材文件夹结构：
/meeting_prep ├── /input # 原始素材 ├── /temp # HTML中间文件 └── /output # 最终成果
3.2 运行流程
分步执行命令：
python lobster.py --input ./input --format pptx --theme dark_blue典型运行日志：
[INFO] 开始处理6份输入文件 [DEBUG] 已转换 marketing_spec.docx → temp/marketing.html [AI] 识别出3个关键交付节点 [PPT] 生成12页幻灯片（含3个自动流程图）3.3 效果对比
传统方式 vs 龙虾工作流：
| 指标 | 人工处理 | AI处理 |
|---|---|---|
| 耗时 | 240分钟 | 28分钟 |
| 版本迭代次数 | 6次 | 1次 |
| 跨部门确认点 | 15个 | 3个 |
4. 避坑指南
4.1 字体兼容性问题
当出现PPT文字错位时：
- 检查系统是否安装对应字体
- 在config.ini中添加备用字体：
[fonts] primary = Microsoft YaHei fallback = Arial Unicode MS
4.2 流程图优化技巧
Drawio生成的流程图可能出现元素重叠，建议：
- 添加布局参数：
?layout=organic - 限制单页节点数不超过15个
- 对技术流程图启用
tech_style=true参数
4.3 性能调优
处理20页以上文档时：
- 启用缓存模式：
--cache true - 分段处理大文件：
chunk_size = 1024 * 1024 # 1MB分块 for chunk in read_in_chunks(large_file, chunk_size): process(chunk)
5. 进阶应用
5.1 自定义模板开发
创建专属PPT模板的步骤：
- 在master.pptx中设计版式
- 标注占位符：
<p:spTree> <p:nvSpPr> <p:cNvPr id="1" name="AI_Placeholder_1"/> </p:nvSpPr> </p:spTree> - 注册模板到系统：
python register_template.py my_template.pptx
5.2 与企业微信集成
通过webhook实现自动通知：
import requests def send_wechat(msg): url = "https://qyapi.weixin.qq.com/cgi-bin/webhook/send" params = { "key": "your-key", "msgtype": "markdown", "content": msg } requests.post(url, json=params)这套系统在我司实施后，跨部门会议筹备时间从平均4.2小时降至35分钟。最惊喜的是技术部同事反馈："终于能看懂市场部要什么了"——AI生成的流程图让需求可视化程度提升了60%。现在连CEO都知道："找龙虾处理会议材料比找人类助理快"。
