新闻详情

新闻详情

首页 / 资讯中心 / 详情

从Activity Log生成周报:工作事件模型、聚合规则与事实边界

发布时间:2026/11/14 20:31:12来源:尧图网络
从Activity Log生成周报:工作事件模型、聚合规则与事实边界
自动生成周报的可靠路径不是让模型扫描所有聊天并自由总结而是先建立轻量 Activity Log用结构化工作事件记录结果、决定、阻塞、行动和来源再按项目与时间聚合最后由模型负责表达压缩。工作事件模型type WorkEvent {id: string;projectId: string;eventType: “result” | “decision” | “blocker” | “action”;summary: string;occurredAt: string;status?: “open” | “done” | “waiting”;ownerId?: string;sourceRefs: string[];visibility: “private” | “team”;};eventType 帮助周报按含义聚合sourceRefs 用于事实核对visibility 防止私人内容被自动带入共享输出。处理流水线flowchart LRA[每日WorkEvent] -- B[按时间/项目过滤]B -- C[去重与关联]C -- D[状态归一]D -- E[结果/决定/阻塞/计划]E -- F[生成周报草稿]F -- G[人工核对]G -- H[正式提交]模型应该在完成权限和范围过滤之后介入而不是先读取全量内容再决定输出什么。聚合规则多个活动合并为一个结果三次会议、两次改稿可以归并成“方案V3完成并通过评审”前提是有完成来源。未完成事项不能写成结果open 和 waiting 事件应进入风险或下周计划不能仅因为出现频率高就被总结为完成。决定与行动分开“决定首版不做Excel导入”是Decision“更新需求文档”是Action。两者生命周期不同。同一事项保留最新状态与历史展示当前状态同时保留本周发生的关键变化避免把周报写成静态快照。事实边界检查生成草稿后至少验证每个完成结果是否有来源数字是否带口径和时间范围是否跨项目合并相似事件是否把团队结果错误归为个人私人或无权限内容是否进入输出下周计划是否有明确动作与日期。5. 可观测指标周报条目的来源覆盖率用户修改或删除生成条目的比例计划误写为完成的错误率跨项目串线率从开始整理到提交的耗时。这些指标比“生成字数”更能反映系统是否真正降低成本。与忆问 MemoAsk的关系忆问可以帮助保存日常工作记忆并按时间、项目或事项查询相关内容和来源。本文的WorkEvent模型、自动聚合规则和可观测指标属于通用设计不代表忆问已经实现自动周报或绩效系统。FAQ能否直接扫描所有聊天生成周报 不建议既有权限与隐私问题也难以区分讨论、决定和结果。Activity Log会不会变成新的填写负担 应控制最小字段并尽可能从用户主动记录中提取候选由用户确认。如何处理重复事件 先建立关联关系再按结果聚合不直接删除原始事件。周报生成后为什么还要人审 工作价值、责任归属和敏感边界无法只靠文本相似度可靠判断。了解忆问 MemoAsk
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉