TRAE AI 创造力大赛 · 学习工作赛道

会中智囊Meeting Copilot

在你提问之前，答案已经准备好

一个实时对话认知副驾，持续理解正在发生的多人交流，提前准备"怎么说、看懂、核实、追问"，需要时立即出现，不需要时保持安静。

"传统会议 AI 帮你记住开了什么会；Meeting Copilot 帮你把这场会开好。"
Meeting Copilot
正在监听
麦克风 系统音频
客户技术负责人
你们支持完全离线部署吗？RPO 能做到接近零吗？回答已准备
客户产品负责人
我们希望两周内正式上线……
3 条内容已准备 1 个开放问题 回答已准备
核心交互演示

90 秒产品体验

这是一场模拟的客户会议。系统不弹出大段答案，只在发言旁标记"回答已准备"。点击展开后，你可以切换"怎么说 / 看懂 / 核实 / 追问"，并观察答案随事实变化而失效与替换。

0 / 7
准备开始
点击"开始演示"按钮，体验一场模拟客户会议
还没有准备好的内容
暂未检测到风险
还没有历史记录
创意名称与创意介绍

从"会后记录员"到"会中认知副驾"

现有会议 AI 大多聚焦语音转文字、会后摘要和待办整理。但用户最困难的时刻，往往发生在会议正在进行时：

听到陌生术语，却无法离开会议搜索
对方突然提问，却来不及组织合适回答
不确定公司知识库里是否支持某项能力
不知道下一步应该追问什么
没发现问题未回答、条件冲突或承诺缺少依据
即使有 AI 聊天框，也来不及复制上下文和组织 Prompt
灵感来源
把 AI 从"会后记录员"变成"会中认知副驾"
传统 AI 等待用户组织 Prompt，而 Meeting Copilot 持续监听对话，在后台判断用户可能需要什么，提前完成检索与生成。它不弹出大段答案，只标记"回答已准备"，让用户决定何时查看。
一句话产品形态：一款无 Bot、跨当面与线上场景的实时对话桌面应用。
目标用户及痛点

谁在实时对话中需要认知副驾

高信息密度、实时反应要求高的知识工作者，是 Meeting Copilot 最核心的用户。

销售 · 售前 · 客户成功
客户突然提出专业问题，来不及查询知识库和组织正式回答。
产品经理 · 项目经理 · 创业者
会议信息密集，容易漏掉矛盾、未回答问题和隐含前提。
咨询顾问 · 用户研究员 · 采访者
无法在保持对话节奏的同时查资料并构思高价值追问。
学生 · 教师 · 培训参与者
遇到陌生概念时不能随时打断现场节奏。
跨专业 · 跨行业工作者
懂业务但不熟悉对方领域的术语、规范和背景。
客户会议
当面访谈
线上会议
混合会议
咨询讨论
课堂培训
内部评审
线上、当面和混合会议只是音频来源不同，产品面对的本质都是"多人实时对话"。
核心机制

静默预生成：答案就绪层

系统将持续监听和判断，但"是否计算"与"是否展示"彻底分离。三个独立阈值决定了内容在后台准备、轻提示和主动打断之间的边界。

准备阈值
提示阈值
打断阈值
有一定概率有用 → 后台静默准备
价值较高 → 轻量"内容已准备"
高影响高置信 → 主动展示
准备阈值 < 提示阈值 < 打断阈值
传统聊天框 等待用户
发现问题 → 打开 AI → 复制上下文 → 写 Prompt → 等待回答
传统主动助手 不断弹出
识别内容 → 不断弹出建议 → 用户注意力被打断
Meeting Copilot 静默就绪
识别潜在需求 → 后台静默准备 → 轻提示 → 用户需要时即时展开
"后台主动，前台克制，用户决定。" "后台误判主要浪费算力，前台误判会浪费注意力和信任。"
核心能力

四类固定辅助

任何候选内容都可以生成四个固定视角。它不是帮用户写一篇报告，而是帮用户准备下一句话。

怎么说 · 默认视图
给出用户可以自然说出口的一到两句话。口语化、简洁、与用户角色匹配，不像报告或机器人，缺少依据时使用稳妥表达。
"我们支持私有化部署，但完全离线环境和接近零的 RPO 需要结合您的更新方式、容灾架构和数据范围进一步确认。我们可以先把指标口径对齐，再给出正式方案。"
看懂
解释术语含义、业务背景、隐含前提和对方真正关心的问题，帮助用户快速理解陌生信息。
RPO（Recovery Point Objective）指故障发生后允许丢失的数据量。客户说"接近零 RPO"，真正关心的不是是否支持私有化，而是发生故障时能接受多少数据丢失。
核实
检查公司知识库、当前会议、历史会议和联网信息，区分哪些有依据、哪些只是模型推断。
公司知识库 当前会议 联网信息 模型推断
公司资料中找到私有化部署能力，但没有找到"接近零 RPO"的无条件正式承诺。
追问
默认只给一个最值得提出的问题，而不是堆砌问题列表。帮助用户选择下一步最有价值的一句话。
"您说的'接近零'具体是秒级、分钟级，还是要求完全零数据丢失？"
它不是帮用户写一篇报告，而是帮用户准备下一句话。
思考助手

我可能漏掉了什么

应答助手解决"怎么回答"，思考助手解决"我可能漏掉了什么"。每张风险卡统一包含：发现了什么、为什么值得注意、建议下一步怎么说或怎么问。

未回答或部分回答的问题
发现了什么
关于完全离线环境下的外部依赖，目前只回答了部署方式，尚未回答更新与授权机制。
建议下一步
"离线环境下的软件更新和授权刷新机制，我们需要单独确认。"
时间、预算或技术条件冲突
发现了什么
两周正式上线与至少四周的采购审批周期可能无法同时满足。
建议下一步
"您说的两周是完成技术验证，还是正式采购后的生产上线？"
缺少正式依据的承诺
发现了什么
会议中出现性能承诺，但私有知识库中没有找到可直接承诺的正式依据。
建议下一步
"这个指标我们需要会后对照正式 SLA 文档确认，确保口径一致。"
决策前提尚未确认
发现了什么
当前结论依赖"预算已审批"和"上线指生产环境"，但两者尚未在会议中确认。
建议下一步
"在推进方案前，我们确认一下预算状态和上线口径。"
议题漂移
发现了什么
当前讨论已从"部署方案"偏离到"采购流程"，原议题中的容灾范围尚未明确。
建议下一步
"我们先回到容灾范围的确认，采购流程稍后单独讨论。"
行动项缺少负责人或截止时间
发现了什么
会议中形成"提供离线部署方案"的行动项，但没有指定负责人和截止日期。
建议下一步
"这个方案由谁负责、什么时候给到您？"
不同说话人口径不一致
发现了什么
会议中关于上线时间出现两种不同描述：两周正式上线 vs 至少四周采购审批。
建议下一步
"我们确认一下时间口径：两周是指技术验证还是包含采购流程？"
动态答案生命周期

答案不是一次性文本

答案是一个拥有上下文、来源、状态、版本和依赖关系的动态对象。点击下方状态查看解释。

准备中
→
已就绪
→
当前可用
→
已解决
已归档
已替换
已失效
已就绪
答案已准备完毕，但尚未展开。界面只显示轻量的"回答已准备"提示，等待用户决定何时查看。
"答案不是一次性聊天消息，而是一个拥有上下文、来源、状态、版本和依赖关系的动态对象。"
私有知识库与信息来源

来源路由：不同问题走不同路

产品支持多类知识来源，根据问题类型自动选择最合适的检索路径，并标注来源和冲突。

当前会议
实时转写与事实
私有知识库
产品方案与正式口径
历史会议
既有约定与项目记忆
CRM 与项目资料
客户与项目上下文
联网搜索
最新政策与外部信息
模型通用知识
术语解释与推理
"RPO 是什么意思？"
通用知识，必要时联网
"我们公司的产品是否支持？"
私有知识库
"客户刚才要求什么？"
当前会议
"之前和这个客户如何约定？"
历史会议和项目资料
"某项政策最近有没有更新？"
联网搜索

完整产品能力

多说话人实时分离
说话人身份映射
用户手动命名 Speaker
跨会议人物与项目记忆
专业术语纠正
实时多语言转写
当前与历史会议联合检索
知识来源标签和冲突提示
完整产品形态

无 Bot · 不绑定平台 · 跨场景

产品无须将 Bot 拉入会议，也不绑定 Zoom、腾讯会议、飞书会议或其他特定平台。无论当面、线上还是混合，始终只向用户展示信息。

当面交流
麦克风采集多人语音
线上会议
麦克风 + 系统音频
混合会议
两种来源同时采集
客户沟通 · 咨询 · 培训
同一套实时理解能力
技术蓝图

从音频到答案的完整管线

悬停每个节点查看解释。麦克风和系统音频独立采集、独立转写；说话人识别作为独立增强层；Fast 模型负责快速判断，强模型负责生成答案。

麦克风 & 系统音频
双路独立采集
两路音频独立传输、独立转写，不在本地提前混合，保留来源信息。
→
macOS 音频层
Swift Helper
原生 Swift 辅助进程负责系统音频捕获、权限管理、重采样和断流恢复。
→
实时 ASR
增量转写
每路音频独立 ASR 会话，输出 partial / stable / final 三种状态。
→
说话人引擎
独立增强层
音频来源不等于说话人身份。说话人识别独立于 ASR，不阻塞答案生成。
→
转写稳定层
合并与去重
合并多路来源、按时间排序、跨来源重复消除，发布可推理的稳定片段。
→
Fast Detector
快速结构化判断
Fast 模型识别术语、问题、约束、承诺和风险，决定是否准备、是否提示。
→
预生成调度器
去重 · 排序 · 检索
将检测事件转为后台任务，去重、判断相关性、选择来源、并行检索。
→
来源路由与 RAG
混合检索
向量 + 关键词 + 元数据过滤，区分知识库、历史会议、联网和模型推断。
→
强模型答案生成
四视角卡片
强模型一次生成"怎么说 / 看懂 / 核实 / 追问"结构化卡片，记录来源与依赖。
→
答案生命周期
版本 · 依赖 · 失效
记录依赖的事实和转写版本，事实变化时精准定位受影响卡片并更新状态。
→
Electron 桌面 UI
React + TypeScript
Electron 承载窗口、快捷键和桌面交互；React 负责高质量实时 UI。
Electron React TypeScript macOS Swift Audio Helper WebSocket 实时 ASR Speaker Diarization Fast LLM Detector Private Knowledge Base / RAG Web Search Meeting Memory Structured Facts Answer Lifecycle Engine
双路独立采集麦克风和系统音频独立采集、独立转写，不在本地混合。
音频来源 ≠ 说话人说话人识别作为独立增强层，不阻塞答案生成。
Fast + 强模型分工Fast 模型快速结构化判断，强模型生成高质量答案。
答案记录依赖所有答案记录来源、上下文和依赖的事实版本。
事实变化触发更新后续事实变化精准定位受影响卡片，触发重新生成。
转写不直接推理每个瞬时增量不直接触发推理，避免语义反转误判。
价值与意义

把会议 AI 推进为实时认知基础设施

Meeting Copilot 不是一个更快的转写工具，而是一个在对话进行时持续提供认知支持的系统。

效率价值
减少切换搜索、复制上下文和组织 Prompt 的时间，让用户在会议中保持专注。
认知价值
帮助用户理解陌生信息、组织下一句话，并发现遗漏的矛盾和未回答问题。
商业价值
让企业私有知识在客户交流中即时发挥作用，而不只是被动存放在文档系统中。
沟通价值
让不同专业背景的人能够在同一场对话中更顺畅地协作。
产品价值
将会议 AI 从"会后记录工具"推进为"会中实时认知基础设施"。
永久产品边界

人始终掌握表达权

AI 负责准备，人负责判断和表达。系统只提供第二认知通道，不夺走用户的表达权。

AI 负责
  • 理解
  • 检索
  • 准备
  • 提醒
  • 展示
·
人负责
  • 判断
  • 表达
  • 承诺
  • 决策
  • 行动
Meeting Copilot 永远不做 TTS、不自动代说、不自动输入、不自动发送、不自动操作会议软件，也不替用户作出任何承诺或决定。
"系统只提供第二认知通道，不夺走用户的表达权。"
"对话不会停下来等你搜索。"
"所以，答案应该提前准备好。"
会中智囊Meeting Copilot
AI 在你提问前准备，在你需要前不打扰。