HabaLab

在「哈爸實驗室」的社群架構中，Wing Group（側翼組） 扮演著知識萃取與支撐的關鍵角色。很多人會問：側翼組具體要怎麼「動起來」？ 我們摸索出了一套極低門檻、高度自動化的運作模型。不疊床架屋，而是利用現有的 AI 工具，將每一次雙周會的「閃電分享」精煉成可長久留存的數位資產。 Wing Group 概念緣起 「企業生成式 AI 轉型全書：從知識底座到自主代理人的實踐路徑」- 5.3 AI 卓越中心 (CoE)：驅動轉型的跨部門中樞架構 中的一個推動企業賦能AI的慨念 🚀 Wing Group 的核心操作流程 這套流程的核心理念是「切片、轉換、賦能、歸檔」。 1. 內容切片 (Clipping) 每次雙周會長達一小時以上，包含了多個不同主題的閃電 Demo。 作法：Wing Group 成員不處理整場會議，而是針對某個「特定分享」進行截取。 價值：將長篇內容碎片化，讓每個分享都能獨立成為一個知識單元。 2. 轉檔與優化 (Audio Processing) 將錄影檔轉為 AI 最好消化的格式。 工具：使用我們發展出的錄音最佳化工具（如 mp4-to-mp3 腳本）。 目的：產生體積小、人聲清晰的 MP3，方便快速上傳至雲端 AI 調用。 3. NotebookLM 知識賦能 (AI Input) 這是整個流程的大腦。 匯入：將音檔匯入同一個 NotebookLM 專案。 代號管理：在 NotebookLM 裡面給予每個分享一個專屬代號（例如 S1）。 產出：利用 AI 產生摘要、結構化圖表以及初步的投影片大綱。 4. 數位歸檔 (Archiving) 最後將這些成果放入檔案庫。 成果物：分享投影片、錄影、分享摘要 Markdown + 一張視覺摘要圖 + 一個AI 投影片+ 一套歸檔代號。 意義：以後社群成員想找某個技術點，只要在WingGroup index 文件搜尋，就能取得，而不需要回去翻整小時的錄影。 💡 為什麼這是一個成功的運作模式？ 這套模式解決了社群經營的三大痛點： ...

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。 ...