在「哈爸實驗室」雙周會 #1 結束後，我嘗試建立了一套「低阻力」的會議後處理流程。目標很明確：不要讓產出會議記錄變成一種負擔，而是透過 AI 工具鏈，在幾分鐘內完成從音訊到 GitHub 存檔的全部動作。

以下是這次實戰的完整工作流：

🛠️ 五步驟 AI 自動化工作流

1. 音訊最佳化：從 MP4 到 Optimized MP3

會議是在 Google Meet 上進行錄影，產出的 MP4 原始檔通常很大（數百 MB），且不便直接上傳 AI 工具。

  • 作法：我使用自製的 media-processor Skill，透過 ffmpeg 自動計算最佳位元率（Bitrate），將影片轉為單聲道、小於 20MB 的 MP3 檔。
  • 關鍵點：這樣的大小最符合 Google NotebookLM 的上傳限制，且能保持語音的清晰度。

2. 建立 AI 脈絡：Agenda 與共筆雜記

AI 需要「背景知識」才能寫出好的紀錄，而不僅僅是逐字稿。

  • 準備：我準備了預定的議程（Agenda）以及在會議中隨手記下的「成員自我介紹雜記」。
  • 角色賦能：告訴 AI 位講者的背景（例如志全的水利專業、Jimmy 的軟體背景），這讓 AI 在辨識聲音與觀點對位時精準度大幅提升。

3. NotebookLM 的深度提煉

將 MP3 與背景雜記上傳至 NotebookLM。

  • Prompt 策略：不直接使用內建摘要，而是下一段特定的 Prompt，要求 AI 根據「議程框架」去搜尋錄音中的對應片段，並特別強調「Demo 亮點」與「跨界觀點的連結」。
  • 成果：AI 成功抓住了關於「水利編碼有碼無座標」的痛點，以及對 AI Agent 協作中「Human-in-the-loop」的精彩討論。

4. 圖像化摘要：AI 幫你畫重點

NotebookLM 產出的摘要可以進一步產生視覺化的重點圖。將這張圖下載下來，作為會議記錄的封面或視覺補充，能讓讀者一眼看清本次會議的關鍵價值。

5. 自動化發布：GitHub 整合

最後一哩路是將記錄存檔到社群倉庫。

  • Antigravity 協作：請 AI Agent 協助建立 Markdown 檔案，處理圖片的相對路徑與 URL 編碼（處理檔名中的空格）。
  • 同步更新：同步更新 habalab/meetings/README.md 的索引列表，確保內容即時可查。

💡 經驗心得：與 AI 協作的「轉身」

這次經驗讓我深刻體會到，未來的知識管理不是「人類寫記錄」，而是「人類管理脈絡，AI 負責產出」。

當我把正確的議程與成員背景丟給 AI 時，它產出的紀錄深度遠遠超過單純的錄音轉文字。配合 Antigravity 這種能直接操作檔案、執行指令的 AI Agent，我幾乎只需要「出一張嘴」下指令，所有繁瑣的轉檔、命名、路徑設定與版控動作就全部完成了。

這種「無痛產出」的體驗，正是我們在哈爸實驗室裡不斷追求的——讓技術服務於創意，讓瑣事消逝於自動化之中。

🤖 AI 協作宣告

  • 本文內容: 由哈爸提供實戰經驗與工作流細節，Antigravity 協助潤飾成文並建立結構。
  • 流程實踐: 全程使用 Antigravity 進行音訊處理、檔案建立與版本管理。