Задача

Каждую неделю миллионы людей выходят со встреч с кашей из заметок, голосовых сообщений и обрывочных записей. Через день уже непонятно: кто что обещал, какой дедлайн, и принимали ли мы вообще то решение.

Этот промпт решает одну конкретную проблему: превращает сырые, неструктурированные заметки со встречи в готовый протокол с решениями, задачами, ответственными и дедлайнами.

Хороший протокол встречи — это не стенограмма. Это список обязательств, которые нельзя забыть.

Для кого

  • Менеджеры проектов и тимлиды — после daily/weekly-встреч
  • Аналитики и продакты — после встреч с заказчиком или стейкхолдерами
  • Фрилансеры — после созвонов с клиентами
  • Все, кто ведёт заметки в Notion, Google Docs или просто в блокноте
ℹ Совместимость
Промпт протестирован в Claude Sonnet 4.6, Claude Opus 4.6 и GPT-5.4. Работает в любой LLM, поддерживающей длинный контекст (от 8K токенов). Для транскриптов длиннее 30 минут рекомендуем модели с окном от 128K токенов.

Промпт

Ты — опытный ассистент руководителя. Твоя задача — превратить сырые заметки
со встречи в чёткий, структурированный протокол.

<заметки>
{{ВСТАВЬ ЗАМЕТКИ СО ВСТРЕЧИ}}
</заметки>

<контекст>
Название встречи: {{НАЗВАНИЕ}}
Дата: {{ДАТА}}
Участники: {{СПИСОК УЧАСТНИКОВ}}
</контекст>

Правила:
1. Извлекай ТОЛЬКО то, что явно сказано или однозначно следует из заметок.
   Не додумывай и не добавляй от себя.
2. Если ответственный не назван — укажи «не назначен».
3. Если дедлайн не упомянут — укажи «не установлен».
4. Каждая задача должна начинаться с глагола действия (подготовить, отправить,
   проверить, согласовать и т.д.).
5. Приоритет определяй по контексту: «срочно», «быстрее», «ASAP» → высокий;
   «когда будет время», «в перспективе» → низкий; остальное → средний.

Выведи результат строго в следующем формате:

## Протокол встречи: {{название}}
**Дата:** {{дата}} | **Участники:** {{список}}

### Краткое резюме
2-3 предложения: о чём была встреча и к чему пришли.

### Ключевые решения
- [ ] Решение 1
- [ ] Решение 2

### Задачи

| # | Задача | Ответственный | Дедлайн | Приоритет |
|---|--------|---------------|---------|-----------|
| 1 | ...    | ...           | ...     | ...       |

### Открытые вопросы
- Вопрос, который остался без ответа

### Следующие шаги
Что нужно сделать до следующей встречи (1-3 пункта).
💡 Совет: XML-теги
Теги <заметки> и <контекст> — не декорация. Claude и другие модели используют XML-разметку для чёткого разделения данных от инструкций. Это снижает вероятность галлюцинаций и повышает точность извлечения.

Как работает промпт


graph TD
    A["📝 Сырые заметки со встречи"] --> B["Определение участников и ролей"]
    B --> C["Извлечение решений"]
    B --> D["Извлечение задач"]
    B --> E["Поиск открытых вопросов"]
    C --> F["Краткое резюме"]
    D --> G["Таблица задач с ответственными"]
    E --> H["Список нерешённых вопросов"]
    F --> I["📋 Готовый протокол"]
    G --> I
    H --> I

Промпт работает за счёт трёх принципов:

  1. Разделение данных и инструкций — заметки обёрнуты в XML-теги, модель знает, где «сырой материал», а где правила обработки
  2. Жёсткий формат вывода — модель не «фантазирует», а заполняет заданную структуру
  3. Явные правила для неопределённости — если чего-то нет в заметках, модель пишет «не назначен» вместо того, чтобы выдумывать

Пример результата

Допустим, вы скопировали в промпт такие заметки:

Созвон по редизайну лендинга, 8 апреля.
Были: Лена (дизайн), Макс (фронт), Аня (продакт).

Аня говорит старая конверсия 1.2%, хотим 2.5%.
Лена покажет 3 варианта макета до пятницы.
Макс сказал что новый хедер можно сделать за 2 дня,
но нужны финальные иконки от Лены.
Решили убрать блок с отзывами — никто не скроллит до него.
Аня спросит у маркетинга нужен ли A/B тест.
Непонятно кто напишет новые тексты для hero-секции.

Модель выдаст:


Протокол встречи: Редизайн лендинга

Дата: 8 апреля 2026 | Участники: Лена (дизайн), Макс (фронтенд), Аня (продакт)

Краткое резюме

Обсудили редизайн лендинга с целью поднять конверсию с 1.2% до 2.5%. Решили убрать блок с отзывами. Лена готовит макеты, Макс начнёт вёрстку после получения иконок.

Ключевые решения

  • Убрать блок с отзывами — пользователи не скроллят до него
  • Целевая конверсия — 2.5% (текущая — 1.2%)

Задачи

#ЗадачаОтветственныйДедлайнПриоритет
1Подготовить 3 варианта макета лендингаЛена11 апреля (пятница)Высокий
2Передать финальные иконки МаксуЛенадо начала вёрсткиВысокий
3Сверстать новый хедерМакс2 дня после получения иконокСредний
4Уточнить у маркетинга необходимость A/B-тестаАняНе установленСредний
5Написать новые тексты для hero-секцииНе назначенНе установленСредний

Открытые вопросы

  • Кто напишет тексты для hero-секции?
  • Нужен ли A/B-тест — ждём ответа от маркетинга

Следующие шаги

  1. Лена присылает макеты до пятницы — команда выбирает вариант
  2. Аня получает ответ от маркетинга по A/B-тесту
  3. Определить автора текстов для hero-секции

📝 Обратите внимание
Модель корректно обработала неопределённости: задача №5 помечена «Не назначен», а вопрос по A/B-тесту вынесен в открытые вопросы. Ничего не додумано — только то, что было в заметках.

Вариации и настройки

ВариацияЧто изменить в промптеКогда использовать
JSON-выводЗаменить формат вывода на JSON-схему (см. ниже)Интеграция с Notion API, Jira, Trello
Сжатый форматДобавить: «Только таблицу задач, без резюме»Быстрые daily-встречи на 10 минут
С контекстом проектаДобавить тег <проект> с описанием проектаДолгосрочные проекты со сложной историей
МультиязычныйДобавить: «Заметки на русском, протокол на английском»Распределённые команды
С рискамиДобавить секцию «Риски и блокеры»Встречи по статусу проекта

JSON-формат для автоматизации

Если вы хотите передавать результат в таск-трекер через API, замените формат вывода на:

{
  "meeting": {
    "title": "Редизайн лендинга",
    "date": "2026-04-08",
    "participants": ["Лена", "Макс", "Аня"]
  },
  "summary": "...",
  "decisions": ["Убрать блок с отзывами"],
  "action_items": [
    {
      "task": "Подготовить 3 варианта макета",
      "owner": "Лена",
      "deadline": "2026-04-11",
      "priority": "high"
    }
  ],
  "open_questions": ["Кто напишет тексты для hero-секции?"],
  "next_steps": ["Лена присылает макеты до пятницы"]
}
⚠ Важно про JSON
При запросе JSON-вывода в Claude добавьте в начало промпта: «Выведи только валидный JSON без пояснений». Иначе модель может обернуть JSON в текстовое описание. В API Anthropic можно использовать параметр response_format для гарантированного structured output.

Сравнение моделей для этой задачи

ПараметрClaude Sonnet 4.6Claude Opus 4.6GPT-5.4
Точность извлечения задачОтличнаяОтличнаяОтличная
Соблюдение форматаСтрогоеСтрогоеХорошее
Работа с неопределённостьюКорректно ставит «не назначен»Корректно + объясняет причинуИногда додумывает
Контекстное окно1M токенов1M токенов1M токенов
Скорость ответаБыстраяСредняяБыстрая
Стоимость за запрос (≈)~$0.01–0.03~$0.05–0.15~$0.02–0.05
Лучше всего дляЕжедневные встречиСложные стратегические сессииУниверсальное использование

Советы по улучшению

1. Добавляйте контекст проекта

Чем больше модель знает о проекте, тем точнее она определит приоритеты и связи между задачами:

<проект>
Название: Редизайн лендинга SaaS-продукта
Текущий этап: Discovery → Design (переход)
Дедлайн запуска: 1 мая 2026
Команда: дизайн (Лена), фронтенд (Макс), продукт (Аня)
</проект>

2. Используйте цепочку встреч

Если встречи регулярные, добавляйте протокол прошлой встречи в контекст:

<предыдущий_протокол>
{{Протокол прошлой встречи}}
</предыдущий_протокол>

Дополнительно отметь: какие задачи из прошлого протокола выполнены,
какие перенесены, какие новые.

3. Обрабатывайте транскрипты, а не только заметки

Промпт работает и с автоматическими транскриптами из Zoom, Google Meet или TeleMost. Добавьте правило:

Заметки — это автоматическая транскрипция. Игнорируй повторы, слова-паразиты,
незаконченные фразы. Извлекай только содержательные решения и обязательства.

4. Задайте формат дедлайнов

По умолчанию модель может вернуть «до пятницы», «через 2 дня» или «11 апреля». Если вам нужен единый формат:

Все даты записывай в формате YYYY-MM-DD.
Относительные даты (пятница, через неделю) пересчитывай от даты встречи.

Промпт — это контракт между вами и моделью. Чем точнее вы описали ожидаемый результат, тем меньше придётся редактировать вручную.

5. Автоматизируйте через API

Для регулярных встреч имеет смысл обернуть промпт в простой скрипт:

import anthropic

client = anthropic.Anthropic()

def process_meeting_notes(notes: str, title: str, date: str, participants: str) -> str:
    prompt = f"""Ты — опытный ассистент руководителя...

<заметки>
{notes}
</заметки>

<контекст>
Название встречи: {title}
Дата: {date}
Участники: {participants}
</контекст>
..."""

    message = client.messages.create(
        model="claude-sonnet-4-6-20250214",
        max_tokens=4096,
        messages=[{"role": "user", "content": prompt}]
    )
    return message.content[0].text

graph LR
    A["🎙 Zoom / Meet"] --> B["Транскрипт"]
    B --> C["Python-скрипт + Claude API"]
    C --> D["Протокол в Markdown"]
    D --> E["Notion / Confluence"]
    D --> F["Jira / Linear задачи"]
    D --> G["Slack-уведомление команде"]


Этот промпт экономит 15–20 минут после каждой встречи. При 5 встречах в неделю — это больше часа, который вы тратите на осмысленную работу вместо форматирования заметок.