不装插件、不连服务器：一个网页手机电脑通吃，搞定录音转写+自动纪要+飞书归档

AI大眼萌带你玩转AIGC

会议结束的那一刻，你拿到的应该是 一份能追问的纪要 ，而不是一脑子模糊

参加在线会议常有这种无力感：录制权限在主持人手里，你只是听众，只能干听。听着听着重点就溜走了，想记也没地方记——屏幕上正共享着内容，手边既没有纸笔，会议里也不好意思开麦打断。

手机上更尴尬：会议在手机里开着，你既录不到对方的说话声（手机只能收麦克风，抓不住线上会议的远端音频），也不敢切去备忘录打字，一打字就听漏了；想随手记点什么，回头面对几十分钟的录音也没精力整理，最后沉在相册里吃灰。

散会之后，脑子里只剩一团模糊，回头想找某个结论，连去哪翻都不知道。说白了，我们缺的不是一个“能录音的工具”，而是一个开网页就能用、边开会边出纪要、还能当场追问的轻量助手。

带着这个想法，我用 Doubao-Seed-Evolving 搭了一个网页应用，叫 Meeting Recorder，逻辑不复杂：在设置里配好你自己的 AI 服务密钥，网页就能把会议语音实时转成文字，自动整理成纪要，随时就会议内容问 AI，最后把整场会议沉淀成一份带图、可保存的文档。整个产品围绕一句话设计——你只管开会，记录和整理交给它。

现在已经上线，地址是 asr.cyrilcao.com。打开网页就能直接试用，不用装任何插件、不用准备服务器。

这东西不是单一功能，而是把“录音→转写→总结→追问→成稿→归档”整条链路收进了一个网页里。

本文看点

01

一个已上线的会议录音网页：asr.cyrilcao.com

02

五大核心能力：转写 / 总结 / 追问 / 笔记白板 / 轻量私有

03

用 Evolving + SDD 从需求搭到可运行

01

PRODUCT

这个会议助手，到底能干什么

功能一：语音实时转文字，电脑手机都能用

打开网页点一下录音，麦克风声音立刻开始识别，屏幕上逐字出现文字，说完一句自动定稿，不用等会议结束。电脑端还可以同时录制系统声音——适合腾讯会议、Zoom、直播课这类“网页里播放的音频”，选对应标签页即可，连外部音箱的声音也能一并收进去；手机端则支持麦克风录音，同样能实时出文字。线上会议更推荐用电脑端抓系统声音，手机端更适合面对面交流、或你自己发言的场景。识别支持中文、英文和自动检测，由你配置的语音识别服务完成。

功能二：AI 自动总结会议纪要

不用你手动划重点。应用会按设定间隔（默认 5 分钟）自动把这一段的新内容提炼出来，会议结束时再一次性产出整场纪要。而且总结不是流水账，而是结构化输出：关键要点、决策事项、待办行动项（带勾选框）、详细总结四部分，直接能用，直接就能拿去发群里或存飞书。

功能三：结合会议内容，当场问 AI

会议里没听清某个数字、想确认谁负责哪件事、或要 AI 顺着讨论给个方案，直接在问答框提问即可。它的特别之处在于，AI 回答时带着整场会议的转写上下文，不是凭空聊。比如你问“刚才说的上线时间是什么时候”“把第三点的风险列成表格”，它都能基于会议原文作答，并支持流式输出，边想边看。

功能四：记录成文档，想到就写、还能画，存本地或飞书

会议产出不止自动生成的文字，还有你自己的思考和画面。应用内置 Markdown 笔记，想到什么都能随手补充进去——一句灵感、一个待跟进的人名、一段临时结论，不受纪要模板约束，随时写、可编辑、能分屏预览；粘贴或拖入截图后图片以 base64 内嵌，导出也不丢图。开会时还能随时开一块白板写写画画：画个逻辑图、列个关键词、圈出重点，一键导出 PNG 快照直接存回笔记。最后把“笔记 + 总结 + 转写全文 + 问答记录 + 白板”一键打包成 Markdown 文档下载到本地，或配置飞书自建应用后，一键把会议记录创建成飞书云文档，团队直接在线看。

飞书获取APIkey 如图所示：1.打开飞书开放平台：https://open.feishu.cn/ 2.创建企业自建应用 3.开通云文档 API 权限

功能五：轻量、私有、安全、配置即用

这是它和很多“会议机器人”类工具最大的不同。它是纯前端网页，完全不存储数据，没有自己的后台数据库，你的会议音频和文字只发往你配置的 AI 服务商（火山引擎、OpenAI、通义千问等任选，当前仅测试了火山引擎 API，只需要配置一个Agent Plan专属API KEY）；本地打开就能用，不需要准备服务器，想长期自用，部署也只是静态文件加一个轻量转发代理，不留存任何会议内容。主题支持浅色、深色，桌面和手机响应式布局都能正常用。

02

THE MODEL

背后这个模型，专吃长任务

上面这套东西，不是我一行行手敲出来的，而是我给 Doubao-Seed-Evolving 下了一段完整需求，让它从零搭起来的。选它的理由很直接：做会议应用，最难的一步不是转写，而是把一场两小时、几十万字的转写，准确抽成结构，还得跨前后端一次贯通——这正好是长上下文加长程 Agent 的活。先说回模型本身。

Doubao-Seed-Evolving 是字节在 2026 年 6 月 23 日 FORCE 大会上，随豆包 2.1 系列一起推出的深度思考模型。它不追求面面俱到，而是专门面向 Agent 与 Coding 场景，专注两件事：写代码、干长任务。最特别的是它的发布方式——没有版本号，对外只有一个统一 ID：doubao-seed-evolving，字节每周至少推一个版本更新、自动生效。你锁定的不是某个版本，而是“最新”本身，类似开发里的 latest 标签。

1M 上下文，长会议才装得下

跑过长任务的人都知道最怕什么：干到一半，上下文爆了，之前的工具调用记录、代码修改历史全丢，只能靠压缩硬撑。一场两小时的会，转写文本轻松几十万 token，普通模型塞不下就只能切片，结构一断就抽不准。2026 年 7 月 15 日那次升级，Evolving 把上下文窗口拉到了1M tokens，一整场会的转写能一次性装进去。在开发者匿名众测盲评里，它的长程任务质量评分已经超过上一代 Doubao-Seed-2.1-Pro，而且更省 tokens、工具调用轮次更简洁。

03

BUILD IT

从需求到可运行

开发前先到火山方舟开通模型服务，我直接买了火山引擎的Agent Plan 订阅包——这个包除了大语言模型，还一并包含了语音识别、视觉、向量化模型，正好覆盖“语音转写 + 视觉白板 + 文本总结”全部环节，一个订阅搞定整条链路，特别适合我这个场景。

拿到 API Key 后，在 TRAE 里配置开发环境。TRAE 是字节官方的 AI IDE，配置就几步：登录后进入设置中心，点“添加模型”，类型选自定义模型，模型 ID 填 doubao-seed-evolving；再点开高级配置——这里有个坑，输入默认只有184K、输出 16K、工具调用 200 轮，远低于官方 1M 上限；把输入拉到 1000000、输出拉到 100000 以上、工具轮次提到 500，再开始跑。不改这几项，喂大仓库会被截断、长程任务中途罢工。这一步几乎所有测评都没提过，但它直接决定你能不能测出模型的真本事。

这次我没让模型直接“写个会议应用”就完事，而是沿用了SDD（规格驱动开发）的思路：先把“要做什么、怎么做”用文档定清楚，再让模型照着规格实现。整个过程分四步。

第一步，定需求规格。我在 TRAE 里用 /goal 把想法和模型聊透，把模糊的“做个会议助手”收敛成一份需求文档——覆盖用户场景（在线会议听众、想记没处记）、功能边界（实时转写、自动总结、会议问答、笔记白板、导出飞书），以及明确的非目标（不做后台账号体系）。规格先对齐，后面才不会跑偏。

第二步，出技术设计。基于需求，模型产出技术架构与数据流：前端 Vue 3 + Vite；实时语音走流式 ASR 封装；总结与问答接大模型并携带整场转写上下文；笔记用 Markdown、白板用 Canvas；最终导出本地 Markdown、同步飞书。模块边界、依赖关系、接口约定都在这一步定下来。

第三步，拆实施任务。设计落地成可执行的任务清单：录音组件、ASR 调用封装、转写后处理、总结与问答、白板渲染、导出与飞书——每个任务带验收标准，模型一轮一轮往下干，自测、自修。

第四步，实现与联调。模型按任务清单产出多文件工程，我重点看三件事：能直接 npm run 起来的比例、需要我手动修几处、各功能还原度如何。

这些等我真跑完填。但光看它把“录音转写 + 结构化纪要 + 白板 + 导出 + 飞书”这种跨前后端、跨多文件的活，在 SDD 规格下拆得明明白白、一次贯通，就够说明它的长程 Agent 能力了。

EPILOGUE

写在最后

从一个“开会只能干听、散会全忘”的痛点，到一个打开网页就能用的会议助手，中间差的不是我手写多少代码，而是一套能想清楚、再交出去执行的协作方式。SDD 先把规格定明白，Evolving 再照着规格把跨前后端的多文件工程一次搭通——这两件事叠在一起，才是它真正好用的原因。

它现在已经跑在 asr.cyrilcao.com，你配一个自己的 AI Key 就能直接开会试用。而模型还在“自己长大”，今天测出的 baseline，过两周可能就更强。如果你也在用 Agent 跑真实项目，不妨也试试先写规格、再让模型动手——说不定比你一行行敲更快。

END