大家好，我是成都小火科技的人员，今天是2025年11月13日，星期四。前些周参加一次线上评审会，十二个专家开了四个小时，纪要写了三千字，哪晓得第二天发现最关键的决策点记错了，又得重新把会组织起来。当时我便思量，这会议效率的状况，已经不是人的状况，而是工具的状况。远程办公常态化之后，会议软件已经成为刚需，但大多还仅仅处于音视频通话的层面，真正的协作效率根本没有得到提升。所以我打算自行开发一套，是一套带有AI头脑、能够看懂PPT、能够听明白语气、能够自动安排任务的多模态会议系统。

做咨询的客户的痛点是会议信息流失严重。一个项目启动会，讨论的内容分散于聊天记录、共享文档、口头承诺之中，执行的时候就各持己见。当他找到我的时候，提出了一个很具体的需求：能否让人工智能自动识别会议里的决策项、责任人、截止时间等，之后会后直接生成工单派送到客户关系管理系统当中去。我产品经理听罢，兴奋地搓手，这儿得用Whisper来进行语音识别，儿要用视觉模型来做PPT内容解析，再接用LLM来做语义理解以及任务抽取，多模态融合是真正的难点。技术主管确定好了方案，前端使用React，后端使用Java，AI服务单独用Python来做微服务，音视频使用WebRTC，PPT解析使用OCR加上LayoutLM。

在四个半月时长的开发周期方面，总会有人询问开发周期需要花费多长时间？实际上得看复杂程度的会议场景了。客户还有支持同声传译且中英日韩四语的要求，需要接入专门的翻译API，同时还得去处理存在的延迟问题。到了第三个月的时候，中间需求存在改动的情况还确实不少，客户提出要在会议当中添加实时投票功能，我便去进行评估，这次改动涉及前端界面以及后端数据存储方面，属于中等程度的改动，于是就压缩了一下测试时间，把它添加进去了。在我公司所做的许多项目里，像赛事报名系统之类，也存在实时互动情况，不过会议系统的实时性要求相对更高些，如果延迟超过500毫秒，体验就会呈断崖式下跌。交付质量如何？上线之后客户称会议决策执行率从以往的60%攀升到87%，因为每一个决策都有踪迹可寻。

我投入了十二位技术人员，其中四个是从事AI算法的，三个是Java后端的，两个是前端的，一个是UI的，两个是测试的。研发人员的占比超过了80%，其中30%以上来自互联网大厂，有来自腾讯会议团队的，有来自字节跳动飞书团队的，带原厂的经验以及坑的。成都小火科技公司专门从事AI软件、政企软件、智慧管理类型的软件、智慧实施类型的软件、海外软件、APP、小程序、公众号、企业官网以及其他行业软件的定制开发。我官网的网址是www.xiaohuokeji.com，ICP备案号是蜀ICP备14021890号-1，网安备案号是川公网安备51010802031911号，是正规的公司，资质是齐全的。APP是否能够同时适配iOS以及安卓？这次做的是网页版，因为客户主要在PC端开会，不过我也做了移动端小程序，方便在外参会的人员接入。

测试阶段里颇为尴尬的状况被我发现，当会议室光线不佳的时候，人脸识别常常失败导致发言人标签出现错乱。最后我添加了一个声纹识别来做辅助，双重校验才得以解决。关于小程序是否存在手机兼容性问题？是会存在的特别是很多内存小的老款iPhone，在进行视频会议的时候就容易出现闪退的情况。我已经进行了内存优化，视频分辨率也被动态调整了，并且添加了崩溃日志自动上报功能。上线之后如果出现bug，我会负责修复？肯定是负责的，合同里有写明，紧急bug会在四小时内响应。维护费是如何收取的？首年是免费的，之后每年按照合同额的15%进行收取，其中包含API升级以及服务器扩容。后期要是想要添加功能是否需要额外花钱？是需要的举个例子来说，客户要是想要添加会议气氛分析，看看大家是赞同还是反对，需要添加情感计算模块，属于新增的需求。

UI能够设计多少个版本？我这边做了有三个版本，客户挑中了最为专业的一版，带有深色背景，凸显视频窗口。至于使用云服务器还是线下自主服务器？采用的是云服务器，有阿里云跟AWS双活，因为客户存在海外团队，得要全球来接入。代码的版权属于谁？属于客户不过对于有AI模型基座的我的技术积累而言，这一块是有单独的知识产权约定。开发完毕之后会对客户开展使用培训？是会的我制作了五段时长不超过三分钟的视频教程，并且还配备了操作手册，因为会议软件需要快速上手，没有人愿意去看长篇的文档。

本公司到底有多少个技术人员？总计是五十三个人。除了行政财务一块之外，剩下的全都是与技术相关的人员。有人就问是否有JAVA开发语言？有，有十四个JAVA后端的人员，这是本公司的主力军。有人疑惑为何不同公司的报价差距许多？由于会议系统关联音视频、AI、协作这三方面，每一方面都是难攻克之地，小公司只能够开展表层的业务，而我能够进行全链路的操作，成本构造是不一样的。我所开展过的项目情况，比如有AI智慧文旅小程序这类的，也存在多模态方面的需求，不过会议系统的实时交互要求则更为高些。我拥有ISO900认证（证书编号：29325Q410631R0S），质量管理流程相当严格。

复盘该项目之中，最大的障碍是个AI幻觉。有一次会议商讨预算的时候，PPT上写“控制在10%以内”，AI在抽取任务的时候，被理解成了“增加10%”，差一点就派错工单。此刻在LLM后处理中已添加规则校验，经过数字、人名、时间的三重核对之后，幻觉才算是被稳稳地压制住了。经验需要补充一些，多模态融合并非单纯堆砌模型，需要开展特征对齐以及时间同步的相关事项，我的音视频和PPT解析的时间戳对齐，就花费了足足两周的时间。重提醒很多想要去做多模态会议工具的企业，可不要贪大求全，先把核心场景做透彻，比如说先确保决策抽取准确率能达到95%，之后再去做属于锦上添花的气氛分析这类功能。说到底会议工具的价值在于让信息不流失且决策可追踪，即便花哨功能有很多，也比不上一次准确的会议纪要。我做这件事是期望能帮企业把开会的成本切实转化为执行力的提升，而不是增添数字的负担。

文章来源网址：https://www.xiaohuokeji.com/archives/xitongkaifa01/2408，转载请注明出处！