---
title: "AI-Driven Task Extraction"
type: concept
tags: [ai, task-management, nlp, automation]
sources: [todoist-task-manager, meeting-notes-action-items]
last_updated: 2026-04-21
---

## Definition

AI-Driven Task Extraction（AI 驱动的任务提取）是指利用大语言模型（LLM）从非结构化文本中自动识别并提取任务要素（谁/做什么/何时/何地/优先级），并将其转换为结构化任务数据的过程。核心技术栈：LLM（解析） + Task API（存储） + Cron Job（追踪）。

## Aliases

- AI Task Extraction
- Task Extraction from Text
- 自动任务提取
- Natural Language to Task
- 任务自动录入

## How It Works

1. **输入源**：邮件正文、会议记录、聊天消息、语音转录文本
2. **LLM 解析**：Prompt 设计引导模型输出结构化 JSON（含任务描述、截止日期、优先级、标签）
3. **任务创建**：调用 Todoist/Jira/Notion 等 API 创建任务
4. **确认反馈**：回复用户"已创建：[任务名] @[项目] 🔴 高优先级，截止 [日期]"
5. **持续追踪**：Cron Job 扫描逾期任务，主动推送提醒

## Prompt Example

```
你是一个任务提取助手。从以下文本中提取所有待办事项，
输出 JSON 格式：{"tasks": [{"description": "", "due": "", "priority": 1-4, "project": ""}]}
原文：
"{user_input}"
```

## Use Cases

- **Email Inbox**：扫描 Gmail 收件箱，提取"需要回复"类任务
- **Meeting Notes**：从 Otter.ai/Zoom 转录中提取行动项
- **Slack/Discord**：监听频道消息，自动识别任务请求
- **Voice Transcription**：SuperCall 电话转录 → 提取待确认/待执行事项
- **Newsletter 阅读**：文章中提到的"需要跟进"点 → 创建研究任务

## Key Relationships

- [[LLM]] — 核心解析引擎
- [[Todoist API]] — 任务存储后端
- [[Todoist Task Manager]] — 自然语言→任务提取的完整实现
- [[Meeting Notes Action Items]] — 会议场景的任务提取
- [[Cron Job]] — 逾期任务主动追踪
- [[Preference Learning]] — 从用户反馈中优化提取准确率