这篇文章也有英文版本Read in English →
我花四小时做了一个 AI 会议记录工具，成本不到十块台币
每次开完会，你记得多少？
如果你跟我一样，答案大概是「大方向记得，细节忘了一半」。
开会的时候不可能一边记笔记一边专心对话——在打字的时候，对方已经讲到下一个重点了。会前准备了议程和重点笔记，但现场翻不到、来不及看。会后想整理笔记，拖一天就忘了关键细节。
市面上有 AI 会议记录工具，但月费 $10-30 美元，而且会议记录存在别人的云端。
所以我自己做了一个。
我的个人工作系统已经把 email、目标管理、知识管理全部接上了 AI。
但会议这一块一直觉得卡卡的，想优化。
每次跟人开会，我不可能一边记笔记。虽然我会事先做 playbook（会议作战手册——对方是谁、背景脉络、希望达成的具体目标、要问的关键问题），但 playbook 放在旁边很难看，不可能边找边对话。
一开始我只想解决一件事：把录音转文本，自动产出会议记录。有逐字稿，有 playbook，让 AI 把两个合在一起，生成结构化的笔记——决策、行动项目、讨论重点。
但做着做着，我发现一件事：既然我手上已经有 playbook 又有即时逐字稿，为什么不让 AI 在会议「进行中」就给我建议？
一个念头冒出来：one click 即时战术顾问。
我在第二个屏幕按一下按钮，系统就把 playbook 的内容和最近十五秒的逐字稿丢给 Claude，几秒后回传一段建议——根据我的准备和现场状况，告诉我接下来可以怎么接。用 Sonnet 大约 3-4 秒，Opus 要 5-10 秒但建议品质更好，看场景取舍。
四个小时后，这个东西就能用了。
三栏式的 Web 接口：
左栏：Playbook
你的会议作战手册——对方是谁、背景脉络、希望达成的具体目标、要问的关键问题。上传一份 Markdown 文档就好。
中栏：即时逐字稿
开会的时候，AI 语音转文本每 10 秒一个片段，边录边产出逐字稿。在线会议用立体双声道模式，自动分离双方的声音，逐字稿上会标记「我方」和「对方」。
右栏：AI 战术顾问
这是整个工具最关键的部分。
会议中随时按一下按钮，系统把 playbook 和最近的对话内容丢给 Claude Opus，几秒后回传一段建议。
今天和一位 Minerva 的校友聊到这个工具，他听完之后马上联想到我们学校的讲师模式——Minerva 的讲师接口本来就有一个固定的 playbook，写好整堂课的 flow，在老师需要的时候给 hint。
他说：「传统教师手册的逻辑就是先写好剧本，在老师需要时给 hint。但课堂状况千变万化。」
这就是 AI 战术顾问补的那一块——playbook 是固定的框架，但 AI 能根据「现在正在发生什么」来调整建议。
他用一句话总结了这个工具的定位：「你要谈什么是事先定好的，但现场需要即兴，而且两三秒就要反应。」
不能问 ChatGPT，没时间切到另一个窗口打字。就是 one click，两三秒出结果。
而且会议快结束的时候，还能让 AI 对照 playbook 检查：我会前列了三个目标，现在达成几个了？还有什么没谈到？
这是成本拆解：
| 项目 | 工具 | 成本 |
|---|---|---|
| 语音转文本 | Qwen3-ASR | ~$0.32/hr |
| 逐字稿清理 | Claude Opus | $0 |
| 会议摘要 | Claude Opus | $0 |
| 即时战术顾问 | Claude Opus | $0 |
| 一小时会议合计 | ~$0.32 ≈ 10 元台币 |
为什么 Claude Opus（Anthropic 最顶级的模型）是零？
因为我用 Claude Code 订阅。Anthropic 的包月方案（Pro $20/月、Max $100 或 $200/月），API 用量包含在订阅里。所以不管我拿 Opus 做逐字稿清理、会议摘要、还是即时战术顾问，都不额外收费。
唯一的变动成本是 AI 语音转文本。我用阿里的 Qwen3-ASR 做录音转文本，国际价格 $0.00009/秒，一小时大约 $0.32。
对比一下市面上的 SaaS：
| 工具 | 月费 | 会前准备 | 即时建议 | 数据处理 |
|---|---|---|---|---|
| Otter.ai | $16.99/月 | 无 | 无 | 云端 |
| Fireflies | $18/月 | 无 | 无 | 云端 |
| Krisp | $16/月 | 无 | 无 | 云端 |
| Jamie | €25/月 | 无 | 无 | 云端 |
| 这个工具 | $0.32/hr | AI 自动生成 playbook | 即时战术顾问 | 本地保存 |
这些工具做的是「会中转录 + 会后摘要」。我的工具多了两层：会前 AI 自动从行事历、email、项目进度生成 playbook，会中根据 playbook 和即时对话给出战术建议——而且跑的是 Claude Opus，Anthropic 最顶级的推理模型。音频片段送到语音辨识 API、文本送到 Claude API 处理，但录音档和会议记录全部留在本机，不存在任何第三方的云存储。
做出来之后，我开始想到更多场景。
那位 Minerva 校友在对话中就自然列了好几个：
顾问咨询。 会前研究客户背景和会议目标，写进 playbook。现场谈到一半，AI 提醒还有一个议题没涵盖到。
教育现场。 老师的 playbook 就是课本内容和教案。上课时 AI 根据学生的反应和课堂进度给 hint——不是替老师教，是在需要灵感的时候推一把。
面试。 不管是面试官还是求职者——JD、履历、公司研究，这些都是 context。面试过程中 AI 根据对话内容提醒该补充或追问什么。
咨商、引导、教练。 任何「有准备但需要即兴」的场景。
共同点是什么？有一个相对固定的框架（playbook），但现场千变万化，需要在很短的时间内做出反应，而且不方便中途去查数据。
这个工具的价值不在转录——转录只是基础设施。价值在「playbook + 即时对话 → AI 战术顾问」这个组合。
这个工具有两层模型：AI 语音转文本（录音转文本、语音辨识）和文本处理（逐字稿清理、AI 会议记录、即时战术顾问）。两层的选择逻辑完全不同。
中英混杂辨识是我的硬需求。我的会议至少有一半是中英夹杂的。Qwen3-ASR 原生支持 52 种语言和 22 种中文方言，中英混杂的辨识品质在目前测过的几个引擎里相对好，虽然还不完美，仍在持续测试其他模型。成本只要 $0.32/hr。
我设计了可切换的引擎系统——Qwen、Soniox、OpenAI、Groq 都可以用。不绑死在一家。如果某天有更便宜或更准的引擎出来，换一行设置就好。
逐字稿清理、会议摘要、即时战术顾问，全部交给 Claude Opus。为什么不直接调用 API？因为 Claude Code 订阅包含了 API 用量。如果我直接用 Anthropic API，Opus 的价格是 $15/M input tokens + $75/M output tokens，一场一小时的会议光是摘要和战术顾问就要五块美金以上。订阅让这笔成本变成零。
立体双声道。
在线会议用 BlackHole 截取系统音频，把麦克风和对方的声音分到不同声道。逐字稿自动标记谁在说话。这对会议记录的品质影响很大——知道是谁说了什么，不用猜。
这个工具不是独立存在的。它是我整个可进程化工作流的一环。
会前。 我输入 /meeting prep，AI 自动从行事历、来往的邮件、项目进度中提取背景信息，三分钟生成 playbook 初稿，跟我讨论定版。这是一个 Claude Skill——写一次，每次会前自动套用，不用从零开始准备。
会中。 打开 Web UI，选择 playbook，开始录音——三秒搞定。即时逐字稿 + AI 战术顾问在第二个屏幕上跑。
会后。 按一下「Summarize」，Claude 根据逐字稿和 playbook 生成会议记录——摘要、决策、行动项目、讨论重点。按「Save」，自动存进我的目标和项目管理系统。
知识循环。 开完一场客户会议，会议记录自动存进对应的项目文档夹。AI 问你：「记录里有三个行动项目，要排进本周还是先记着？」你决定完，隔天早上 Brief 提醒你「昨天答应客户的报价还没寄」。下次跟同一个客户开会，playbook 里自动带着上次的决策和运行结果。
从「一个转录工具」变成「工作流的一环」，差别在哪里？
差别在会议不再是一个孤岛。每场会议的输出，会成为下场会议的输入。
会前 AI 备好 playbook，我做决策——哪些目标留、哪些删。会中 AI 给建议，我决定怎么接话。会后 AI 整理记录，我确认就归档。
判断和方向是人的事，其余交给系统。
我的 AI 工作流已经接上了 email、目标管理、知识库、内容创作——我把它叫做可进程化工作流。但之前每次开完会，还是得自己整理笔记。这个洞一直在漏水。四小时做的 prototype，把它补上了。
做完之后跟几个朋友聊到，有人问能不能用在他们公司，也有人想自己用。但从 prototype 到产品，要处理的东西完全不同：更多使用场景、边界情况、稳定性、部署方式。我不想为了做产品而做产品。但如果你也想要这个东西——来让我知道。
如果这篇让你有了想法，订阅电子报——我固定写 AI 工作流、和一路上想通的事。
常见问题
- 这个工具的成本是多少？
- 一小时会议约 $0.32 美元（约 10 元台币）。因为我本来就用 Claude Code 订阅方案工作，逐字稿清理、会议摘要、即时战术顾问都包含在订阅里，唯一的额外成本是语音转文本（~$0.32/hr）。
- 跟 Otter.ai、Fireflies 这些工具有什么不同？
- 市面 SaaS 月费 $10-30，提供转录和摘要。这个工具多了即时 AI 战术顾问——开会时 one click 就能根据你的 playbook 和现场对话取得建议。录音档和会议记录全部留在本机，不存在第三方云存储。
- 这个工具其他人可以用吗？
- 这是我自己做的工具，目前是个人使用的 prototype，还没有商品化。如果你对这个方向有兴趣——不管是企业导入、产品合作、还是想聊聊怎么做类似的系统——欢迎联系我。
- 支持哪些语言？
- 支持 52 种语言和方言，中英混杂辨识特别强。
