会议智能体

吉祥物会作为真实参会者加入 Google Meet、Zoom、Teams 和 Webex：倾听、流式输出实时转录，在被点到时回应，会根据日历自动加入，并可在会议中使用工具。M

吉祥物的旗舰集成是 会议代理：你在桌面上对话的同一个角色可以代表你加入会议（Google Meet、Zoom、Microsoft Teams 或 Webex），以动画头像的形式待在参会者网格中，听见房间里的每个人，用自己的声音在通话中回应，并在会议进行时调用工具。

它不是记笔记的机器人。记笔记机器人只是安静地坐着并生成文字记录。会议代理会参与——它会回答问题、实时查找信息、记住与相同人员的以往会议，并在你（或它）认为有有用内容要补充时发言。

它在通话中实际做什么

1. 它作为真实参会者加入

吉祥物通过嵌入式 webview 加入会议，方式与人们从浏览器中加入一样。它有名称、面孔以及网格中的一个格子。其他参与者看到和听到它的方式，就像看到和听到任何其他参会者一样——没有日历机器人，没有拨入号码，也没有“本会议正在被……录制”的横幅。

在底层，会议大脑位于 src/openhuman/meet/agent/brain/，而 webview 侧与 OpenHuman 用于其他嵌入式提供方的 CEF 子窗口相同。

2. 它倾听房间里的每个人

进入会议的音频会被实时捕获并通过流式语音转文字处理。转录会按说话人进行分离，经过与桌面听写相同的幻觉过滤器和后处理器清理，并被纳入 记忆树 随着会议展开——归入对应的人、对应的话题、对应的项目下，并附上吉祥物日后可用的回链。

因为转录正在实时结构化，吉祥物可以回答关于 这次 会议（或与相同人员的任何先前会议）中的问题，只要它仍在进行。

3. 它会互动——它回答、提问、跟进

代理并未静音。当你直接对它说话（“Ghosty，你能调出上季度的数字吗？”），或者当它认为有有用内容要补充时，它会使用项目的常规 LLM 栈即时生成回复，并把它说进会议里。

对话轮次通过快速模型层路由（见 自动模型路由），因此延迟感觉就像在和一个正在倾听的人说话，而不是在等待聊天机器人。

4. 它会说话——它自己的 TTS 音频会回放进通话

回复由项目的 TTS 栈生成，并直接以外发麦克风流的形式串流进会议。它不会通过你的本地扬声器播放再被麦克风重新捕获——而是直接作为代理的音频注入，因此对其他人来说是干净的，也不会在你的房间里回声。

5. 它会动起来——吉祥物的脸就是摄像头画面

吉祥物的画布会作为外发摄像头流注入 Meet 通话（这一工作引入于提交 b6d05cb4，而吉祥物帧流水线在 f5dce783中进一步打磨）。当代理在说话时，吉祥物就在摄像头格子里说话——口型会与其他人听到的同一段 TTS 音频同步。当它在倾听时，会显示倾听姿势。当它在开口前推理时，你会看到思考姿势。

其他参与者不会看到黑色方块或静态头像。他们会看到一个动画角色随着说话内容实时反应，这也是让通话感觉像是在和某个活物对话，而不是某个声音凭空冒出来的原因。

6. 它会在会议中途使用工具——这是记笔记者做不到的部分

这就是转录机器人与会议之间的区别 智能体.

在通话进行时，吉祥物可访问与桌面端相同的工具界面：

• 记忆树 - 回顾以往会议、决策、未完事项、上次谁说了什么、承诺了什么。

• 从集成自动获取 以及 第三方集成 - 从 Slack、电子邮件、Linear 工单、Notion 文档、日历条目或 Drive 文件中拉取对话串。

• 原生工具 - 搜索网页、抓取页面、快速进行代码/数据查询，全部无需离开通话。

• 潜意识循环 输出——它在后台一直处理的任何内容都已随时可用。

因此，当通话中的某人问“等等，我们上个月不是决定取消第三季度发布吗？”，吉祥物不会只是把问题转写出来。它会直接回答——给出实际决定、做出该决定的会议，以及同意的人。

这就把它从 记笔记者 改为 房间里信息最充分的参与者.

为什么它感觉像是活的

一个只做转录的会议代理只是个工具。一个会参与的会议代理则是一种存在。Meet 集成被刻意设计成让吉祥物感觉像真正的参会者，而不是录制设备：

• 它有一个 出现在摄像头网格中的脸 会做唇形同步并作出反应，而不是黑色方块或徽标。

• 它有自己的 声音 会直接播放进通话，而不是从你的扬声器里播出。

• 它有 持久记忆 ，记住房间里的人、项目和之前的决策——因此它可以被直呼其名，并在上下文中作答。

• 它有 tools 这样它就能对所说内容采取行动，而不只是记录下来。

• 它运行 潜意识循环 在会议之间——因此当它加入你的下一次通话时，已经把上一次会议中承诺的内容做过功课了。

实际结果是，参与者不再把它当作机器人，而开始把它当作一位碰巧非常擅长查找信息的同事。

会议页面

所有与会议相关的内容都集中在一个重新设计的页面（智能 → 会议):

• 加入任何平台。 一个带平台标签（Google Meet / Zoom / Teams / Webex）的编辑器，其中 URL 占位符会按平台自动适配，“Your name” 会从你连接的账户自动填充。勾选 主动模式 并且机器人在被呼叫时会作出回应（唤醒短语会生成为 Hey {你的代理名称}）；关闭则仅监听。

• 通话过程中实时转录。 转录回合会在会议进行时实时流入应用。进行中的行在最终确定前会以灰色显示，然后在通话结束时由权威的最终转录接管。

• 会议历史，主从详情。 最近的通话（最多 200 条）显示在一条列表中；选择其中一条即可查看完整详情：平台、参与者、时长，以及一个 AI 摘要 摘要，其中包含标题、要点和行动项清单，以及完整的 转录.

日历自动加入

通过 Recall 托管的 OAuth 一次性连接你的 Google 日历，并仅授予 只读权限范围 (calendar.events.readonly + 你的电子邮件），OpenHuman 就能看到你即将到来的会议并自动加入。机器人仍由 OpenHuman 调度并拥有（你的吉祥物、你的点数），而不是第三方。

自动加入由策略驱动： 每次询问 / 始终 / 从不，全局以及 按平台分别设置 （你的 Zoom 站会可以自动加入，而 Teams 仍保持手动）。设置一个 回复显示名称 在默认设置抽屉中，日历加入将以回复模式出现，在这种模式下机器人会在被呼叫时回应。若不设置，则日历加入保持仅监听。

失败即关闭的唤醒词

唤醒词门控按所有者范围限定，并且故意采用保守策略：

• 只有已配置的 通话所有者 （或所有者列入允许名单的人）才能唤醒机器人进入一个带工具支持的回合。非所有者会收到问候或礼貌拒绝。

• 所有者只需在通话中说“allow”/“go ahead”/“let them in” 就能临时授权某人（一个 2 分钟的待定窗口）。

• 如果未配置所有者， 则永远不会触发唤醒。机器人也不会因自身的 TTS 回声而唤醒，而强力的按说话人去重和冷却机制会吸收字幕重复发出的内容。

设置、控制、隐私

• 加入通话。 把会议链接从 Meetings 页面交给吉祥物（或者让日历自动加入来处理）；它会使用配置好的显示名称加入，并把自己的摄像头格子切换为吉祥物画布。

• 按你的规则生成摘要。 自动摘要策略（询问 / 始终 / 从不）决定通话结束时是否生成 AI 摘要；将转录导入记忆是另一个单独的开关。

• 麦克风和摄像头控制。 代理的麦克风是 TTS 注入流，不是你的真实麦克风。代理的摄像头是吉祥物帧生成器，不是你的真实摄像头。你可以随时在应用中将代理麦克风静音，方式与在 Meet 中把自己静音相同。

• 转录与记忆。 实时转录会进入 记忆树 的方式与其他来源相同——归入通话中的人员、项目以及出现过的话题之下。它们以本地优先方式处理，并遵循项目的 隐私与安全 规则。

• 无隐蔽录音。 代理会作为普通参与者出现在网格中；通话中的每个人都能看到它，也能看到它何时在说话。

实现提示（供开发者）

想知道它是如何连接起来的吗：

• 大脑 - src/openhuman/meet/agent/brain/ （LLM 回合、是否发言决策、工具调用）。

• 语音管线 - src/openhuman/voice/ （STT 输入、TTS 输出、幻觉过滤器、后处理）。参见 原生语音.

• 将吉祥物画布作为外发摄像头 - app/src/features/meet/MascotFrameProducer.tsx 以及 Tauri 端的 mascot_native_window.rs 窗口。

• 嵌入式 Meet webview - 参见 Chromium 嵌入式框架。Meet 子 webview 自带 零注入 JavaScript；宿主端的一切都通过 CDP 原生运行。

• 为了了解背景值得阅读的显著提交 - 0bc74575 （实时记笔记）， f1203479 （真实的 LLM 回合 + 调校后的 TTS）， b6d05cb4 （吉祥物画布作为外发摄像头）， f5dce783 （吉祥物帧流水线 + 离屏 Meet 窗口）。

另请参阅

• 吉祥物 ——屏幕上的角色本身，会议之外。

• 原生语音 ——会议代理所依赖的 STT / TTS。

• 记忆树 ——转录和决策落地的地方。

• 原生工具 ——吉祥物在通话中可以调用的内容。

• 自动模型路由 ——为什么对话回合感觉低延迟。