会议结束，录音、文档和聊天记录堆在一起。把材料交给大语言模型，很快就能得到一份条理清楚的纪要。省事是显而易见的，但读到“已确认上线时间”这样的句子时，最好停一下：原话里有没有确认？是谁确认的？那是决定，还是随口一提？这些问题不会因为文本变顺而消失。
从“写出来”到“写对”
大语言模型擅长压缩和改写，能把散乱的口语整理成段落。它的生成方式依赖上下文和语言模式，并不天然掌握会议现场的权限关系。一句“再看看”，可能被写成“原则同意”；一句“后面再对”，可能被归入待办。这不是故意出错，而是语言生成与业务语境之间的缝隙。用于纪要时，关键不在于生成速度，而在于把不确定处标出来，让人回听核对。
提示词解决不了全部上下文
有人会把提示词写得很长，要求区分决议、待办和风险。这有用，但有限。会议信息分散在录音、文档、聊天记录里，模型一次能读入的内容也有限。若关键背景被省略，它只能用常识推断。推断看起来合理，却未必符合事实。可操作的做法是把材料分段，先提取原话与发言者，再汇总；汇总后逐条对照来源。流程不花哨，却能减少返工。
责任放在哪
大语言模型进入办公流程后，一个容易被忽略的问题是责任。纪要发出去，谁对内容负责？如果写错时间，是使用者的疏忽，还是工具的问题？现实里，责任还是落在签发者身上。工具可以起草，不能替代确认。组织需要把核验动作写进流程：谁回听、谁确认、哪些句子必须保留原话。否则效率提升会被纠错成本抵消。
怎么验证有没有用
验证方式不必复杂。可以用一批历史会议材料做回放，让工具生成初稿，再逐条对照原话，看它漏了什么、改写了什么、在哪些地方自行补全。这样得到的不是抽象感受，而是可检查的失误类型。对高频会议，还可以固定一套标记：推测内容、待确认事项、原话引用分别标出，减少阅读者误判。
适合做初稿，不适合替人签名
我不太赞成把大语言模型当作“自动会议记录员”来宣传。它在初稿、摘要、格式整理上有价值；在确认意图、判断授权、处理敏感分歧时，需要人。可操作的分工是：模型先搭骨架，标出疑点；人补上下文，确认关键句。这样既不神化，也不浪费。
下次看到一份过于顺滑的纪要，不妨问一句：这句话在原话里出现过吗？问题朴素，却决定工具能不能进入正式流程。