我花四小時做了一個 AI 會議記錄工具，成本不到十塊台幣

每次開完會，你記得多少？

如果你跟我一樣，答案大概是「大方向記得，細節忘了一半」。

開會的時候不可能一邊記筆記一邊專心對話——在打字的時候，對方已經講到下一個重點了。會前準備了議程和重點筆記，但現場翻不到、來不及看。會後想整理筆記，拖一天就忘了關鍵細節。

市面上有 AI 會議記錄工具，但月費 $10-30 美元，而且會議記錄存在別人的雲端。

所以我自己做了一個。

---

四小時，從想法到 Prototype

我的個人工作系統已經把 email、目標管理、知識管理全部接上了 AI。

但會議這一塊一直覺得卡卡的，想優化。

每次跟人開會，我不可能一邊記筆記。雖然我會事先做 playbook（會議作戰手冊——對方是誰、背景脈絡、希望達成的具體目標、要問的關鍵問題），但 playbook 放在旁邊很難看，不可能邊找邊對話。

一開始我只想解決一件事：把錄音轉文字，自動產出會議記錄。有逐字稿，有 playbook，讓 AI 把兩個合在一起，生成結構化的筆記——決策、行動項目、討論重點。

但做著做著，我發現一件事：既然我手上已經有 playbook 又有即時逐字稿，為什麼不讓 AI 在會議「進行中」就給我建議？

一個念頭冒出來：one click 即時戰術顧問。

我在第二個螢幕按一下按鈕，系統就把 playbook 的內容和最近十五秒的逐字稿丟給 Claude，幾秒後回傳一段建議——根據我的準備和現場狀況，告訴我接下來可以怎麼接。用 Sonnet 大約 3-4 秒，Opus 要 5-10 秒但建議品質更好，看場景取捨。

四個小時後，這個東西就能用了。

---

它長什麼樣

三欄式的 Web 介面：

左欄：Playbook

你的會議作戰手冊——對方是誰、背景脈絡、希望達成的具體目標、要問的關鍵問題。上傳一份 Markdown 檔案就好。

中欄：即時逐字稿

開會的時候，AI 語音轉文字每 10 秒一個片段，邊錄邊產出逐字稿。線上會議用立體雙聲道模式，自動分離雙方的聲音，逐字稿上會標記「我方」和「對方」。

右欄：AI 戰術顧問

這是整個工具最關鍵的部分。

會議中隨時按一下按鈕，系統把 playbook 和最近的對話內容丟給 Claude Opus，幾秒後回傳一段建議。

今天和一位 Minerva 的校友聊到這個工具，他聽完之後馬上聯想到我們學校的講師模式——Minerva 的講師介面本來就有一個固定的 playbook，寫好整堂課的 flow，在老師需要的時候給 hint。

他說：「傳統教師手冊的邏輯就是先寫好劇本，在老師需要時給 hint。但課堂狀況千變萬化。」

這就是 AI 戰術顧問補的那一塊——playbook 是固定的框架，但 AI 能根據「現在正在發生什麼」來調整建議。

他用一句話總結了這個工具的定位：「你要談什麼是事先定好的，但現場需要即興，而且兩三秒就要反應。」

不能問 ChatGPT，沒時間切到另一個視窗打字。就是 one click，兩三秒出結果。

而且會議快結束的時候，還能讓 AI 對照 playbook 檢查：我會前列了三個目標，現在達成幾個了？還有什麼沒談到？

---

一小時不到十塊錢

這是成本拆解：

項目	工具	成本
語音轉文字	Qwen3-ASR	~$0.32/hr
逐字稿清理	Claude Opus	$0
會議摘要	Claude Opus	$0
即時戰術顧問	Claude Opus	$0
一小時會議合計		~$0.32 ≈ 10 元台幣

為什麼 Claude Opus（Anthropic 最頂級的模型）是零？

因為我用 Claude Code 訂閱。Anthropic 的包月方案（Pro $20/月、Max $100 或 $200/月），API 用量包含在訂閱裡。所以不管我拿 Opus 做逐字稿清理、會議摘要、還是即時戰術顧問，都不額外收費。

唯一的變動成本是 AI 語音轉文字。我用阿里的 Qwen3-ASR 做錄音轉文字，國際價格 $0.00009/秒，一小時大約 $0.32。

對比一下市面上的 SaaS：

工具	月費	會前準備	即時建議	資料處理
Otter.ai	$16.99/月	無	無	雲端
Fireflies	$18/月	無	無	雲端
Krisp	$16/月	無	無	雲端
Jamie	€25/月	無	無	雲端
這個工具	$0.32/hr	AI 自動生成 playbook	即時戰術顧問	本地儲存

這些工具做的是「會中轉錄 + 會後摘要」。我的工具多了兩層：會前 AI 自動從行事曆、email、專案進度生成 playbook，會中根據 playbook 和即時對話給出戰術建議——而且跑的是 Claude Opus，Anthropic 最頂級的推理模型。音訊片段送到語音辨識 API、文字送到 Claude API 處理，但錄音檔和會議記錄全部留在本機，不存在任何第三方的雲端儲存。

---

不只會議

做出來之後，我開始想到更多場景。

那位 Minerva 校友在對話中就自然列了好幾個：

顧問諮詢。 會前研究客戶背景和會議目標，寫進 playbook。現場談到一半，AI 提醒還有一個議題沒涵蓋到。

教育現場。 老師的 playbook 就是課本內容和教案。上課時 AI 根據學生的反應和課堂進度給 hint——不是替老師教，是在需要靈感的時候推一把。

面試。 不管是面試官還是求職者——JD、履歷、公司研究，這些都是 context。面試過程中 AI 根據對話內容提醒該補充或追問什麼。

諮商、引導、教練。 任何「有準備但需要即興」的場景。

共同點是什麼？有一個相對固定的框架（playbook），但現場千變萬化，需要在很短的時間內做出反應，而且不方便中途去查資料。

這個工具的價值不在轉錄——轉錄只是基礎設施。價值在「playbook + 即時對話 → AI 戰術顧問」這個組合。

---

技術選擇

這個工具有兩層模型：AI 語音轉文字（錄音轉文字、語音辨識）和文字處理（逐字稿清理、AI 會議記錄、即時戰術顧問）。兩層的選擇邏輯完全不同。

語音轉文字：Qwen3-ASR

中英混雜辨識是我的硬需求。我的會議至少有一半是中英夾雜的。Qwen3-ASR 原生支援 52 種語言和 22 種中文方言，中英混雜的辨識品質在目前測過的幾個引擎裡相對好，雖然還不完美，仍在持續測試其他模型。成本只要 $0.32/hr。

我設計了可切換的引擎系統——Qwen、Soniox、OpenAI、Groq 都可以用。不綁死在一家。如果某天有更便宜或更準的引擎出來，換一行設定就好。

文字處理：Claude Opus（訂閱制）

逐字稿清理、會議摘要、即時戰術顧問，全部交給 Claude Opus。為什麼不直接呼叫 API？因為 Claude Code 訂閱包含了 API 用量。如果我直接用 Anthropic API，Opus 的價格是 $15/M input tokens + $75/M output tokens，一場一小時的會議光是摘要和戰術顧問就要五塊美金以上。訂閱讓這筆成本變成零。

立體雙聲道。

線上會議用 BlackHole 擷取系統音訊，把麥克風和對方的聲音分到不同聲道。逐字稿自動標記誰在說話。這對會議記錄的品質影響很大——知道是誰說了什麼，不用猜。

---

整合進工作流

這個工具不是獨立存在的。它是我整個可程式化工作流的一環。

會前。 我輸入 /meeting prep，AI 自動從行事曆、來往的郵件、專案進度中提取背景資訊，三分鐘生成 playbook 初稿，跟我討論定版。這是一個 Claude Skill——寫一次，每次會前自動套用，不用從零開始準備。

會中。 打開 Web UI，選擇 playbook，開始錄音——三秒搞定。即時逐字稿 + AI 戰術顧問在第二個螢幕上跑。

會後。 按一下「Summarize」，Claude 根據逐字稿和 playbook 生成會議記錄——摘要、決策、行動項目、討論重點。按「Save」，自動存進我的目標和專案管理系統。

知識循環。 開完一場客戶會議，會議記錄自動存進對應的專案資料夾。AI 問你：「記錄裡有三個行動項目，要排進本週還是先記著？」你決定完，隔天早上 Brief 提醒你「昨天答應客戶的報價還沒寄」。下次跟同一個客戶開會，playbook 裡自動帶著上次的決策和執行結果。

從「一個轉錄工具」變成「工作流的一環」，差別在哪裡？

差別在會議不再是一個孤島。每場會議的輸出，會成為下場會議的輸入。

---

寫在最後

會前 AI 備好 playbook，我做決策——哪些目標留、哪些刪。會中 AI 給建議，我決定怎麼接話。會後 AI 整理記錄，我確認就歸檔。

判斷和方向是人的事，其餘交給系統。

我的 AI 工作流已經接上了 email、目標管理、知識庫、內容創作——我把它叫做可程式化工作流。但之前每次開完會，還是得自己整理筆記。這個洞一直在漏水。四小時做的 prototype，把它補上了。

做完之後跟幾個朋友聊到，有人問能不能用在他們公司，也有人想自己用。但從 prototype 到產品，要處理的東西完全不同：更多使用場景、邊界情況、穩定性、部署方式。我不想為了做產品而做產品。但如果你也想要這個東西——來讓我知道。

---

如果這篇讓你有了想法，訂閱每週一封信——我固定寫 AI 工作流、和一路上想通的事。