54 lines
2.1 KiB
Markdown
54 lines
2.1 KiB
Markdown
---
|
||
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
|