「我的會議筆記散落在五個應用程式裡」
每場會議都會產生寶貴的資訊 — 決策、待辦事項、背景和洞見。但這些資訊最終散落各處：部分在您的筆記本中，部分在共享文件中，部分在聊天訊息中，還有部分只存在某人的記憶裡。當您需要回想上個月討論了什麼，您得搜尋五個不同的應用程式，卻仍然缺少一些片段。沒有單一的資訊來源，隨著時間推移，組織知識就這樣消失了。
問題
Meeting Bable 自動擷取、轉錄和摘要每場會議到一個集中樞紐。將相關會議以主題分組，然後讓 AI 建構維基知識庫：決策及其理由、關鍵人物、術語表和洞見 — 每場會議後自動成長。在下次會議前，閱讀演進卡即可掌握最新進度。需要深入了解？提出問題，即可獲得來自實際逐字稿的回答。
靈感來自 Andrej Karpathy 對 AI 原生知識庫的願景 — 每場對話自動匯入一個持續成長、結構化的維基，隨時間變得更加智慧。 閱讀原始構想 →
自動擷取與摘要
每場會議都由 AI 自動轉錄和摘要 — 不需要手動記筆記。
主題式整理
用主題標籤將相關會議分組。查看專案如何在不同會議間演進。
維基知識庫
AI 將決策（含理由）、關鍵人物、術語表和洞見萃取到結構化維基中，隨每場會議自動成長。
秒速準備會議
在任何定期會議前，閱讀演進卡 — 用 2-3 句話摘要目前進度和下一步行動。
向您的會議提問
用自然語言提問，獲得來自實際會議逐字稿的回答 — 像搜尋，但更聰明。
從零散筆記，變成一份活著的知識庫
想想你最近一個長期專案。每週同步、利害關係人審查、設計評審——兩個月下來可能就有三十場會議。那些筆記到底在哪？一部分在 Notion。一部分在你前三週還在認真記的個人筆記裡。一部分在某位同事開了但後來沒再維護的 Google 文件。剩下大多數其實存在人的腦袋裡，而腦袋裡的內容，忙起來就開始瓦解。新人三個月後加入，「快速上手」的代價是分別佔用五個同事各半天的時間。
我們反覆看到同一個模式。會議裡原始的內容其實是金礦——決策、理由、限制條件、每個人的立場——卻沒有人有時間把它們整合成耐用的形式。單次會議的筆記撐個一週還可以，專案層級的單一資訊源幾乎從來不存在。Andrej Karpathy 曾寫過一則流傳很廣的短文，正好講到這個空缺：一個 AI 原生的知識庫，會從每場對話自動更新自己，不只是把逐字稿堆起來，而是一份活著的 wiki，涵蓋決策、相關人物、術語表，以及專案怎麼演進。那則筆記直接啟發了我們怎麼做這項功能。
在 Meeting Bable 裡，你為每場會議加上的主題標籤，會直接餵進那個主題的 wiki。AI 會抽出各個決策（連同背後的理由）、認出參與的人與他們的角色、建立一份在對話中出現過的專案專有名詞表，並追蹤每個洞見與佐證。下一次會議之前，你打開主題、讀一下「演進卡」——兩三句話的簡報，告訴你目前走到哪、上一次之後改變了什麼。想知道「我們對第三方供應商到底決定了什麼？」直接在問答列問，就會得到一個從你實際會議逐字稿裡取出的答案，附上出處。這個知識庫會在背景悄悄成長，一場一場會議累積下來；一年後你想回頭弄清楚「這個決策當初為什麼這樣下」時，它還是派得上用場。
運作方式
Tap to start recording
錄製您的會議
在 Meeting Bable 中開始一場會議 — 透過麥克風、瀏覽器分頁或檔案上傳。AI 處理其餘的工作：轉錄、翻譯和摘要。
用主題整理
用主題標籤標記會議來分組相關會議。每個標記的會議都會自動匯入主題的知識庫。
建構您的維基
在任何主題上點擊「全部摘要」。AI 會萃取結構化維基：決策及其理由、人物及其角色、術語表和附帶證據的關鍵洞見 — 全部連結回原始會議。
準備下次會議
在定期會議前，查看維基頂部的演進卡。它會告訴您事情從哪裡開始、發生了什麼變化，以及接下來需要做什麼 — 只需 2-3 句話。
提問，獲得解答
使用問答欄詢問任何關於主題的問題。AI 會搜尋您的原始逐字稿，並附上特定會議的引用來回答。建議問題會根據您的實際會議內容自動生成。
常見問題
- Notion 和 Confluence 是非常好的頁面與資料庫工具，但前提是得有人動手寫、然後持續維護。Meeting Bable 會從音訊自動產出筆記，再用 AI 讓主題層級的 wiki 隨著每一場新會議同步更新。你還是可以把摘要匯出到 Notion——很多團隊都這樣做——只是把「寫」的負擔從你身上移開。可以把 Meeting Bable 想成資料匯入層，Notion 則是對外發佈層。