AI 实时模型升级与 Intake Skill 的构思
在工作流中，我们对 AI 的交互能力进行了升级，系统现在能够实现 实时语音处理（Real-time Processing）。这得益于 OpenAI 最近升级的 Whisper 模型（GPT Real-time Whisper）。尽管目前该模型尚未全面推送，但未来通过设置切换，即可在 Whisper 与其他模型间无缝切换，且保持原有功能不变。
基于这一能力，我计划将日常记录流程提炼为一个自动化的 Intake Skill。该技能的核心设计目标是实现完全脱离人工干预的自动化处理。
自动化音频管线与系统架构
为了实现 100% 的录音自动化，我们将录音源直接锁定在 Voice Memo，并采用 rsync 进行同步。整体自动化音频处理管线设计如下：
- 自动化调度：通过 Cron Tab 设置定时任务（例如每日 24:00），触发 ASR（自动语音识别）管线，将音频转换为 CSV 文件，跳过复杂的 Speaker Recognition，以提高处理效率。
- Codex 深度处理：利用 Codex 的命令行界面对 CSV 数据进行二次处理。目标是生成格式化的 HTML 文件，其中包含每日核心总结（Summary）及行动项（Action Items）。
- 会议分解：针对涉及会议的内容，系统会自动将其从主文档中分解，并在
meetings文件夹中生成对应的记录。所有这些处理过程将不再通过程序直接调用 Gemini，而是转为通过 Codex 执行特定的 Prompt 来完成。
Intake Skill 的开发与工程落地
这个技能将被打造为一个 AI-oriented skill，其核心组成部分是一个包含完整安装指南的 README 文件。未来该技能将发布为公共 GitHub 仓库，用户只需将仓库地址提供给 AI，即可自动完成配置。安装过程将涵盖 Python 环境搭建、ASR 配置及关键命令行工具的验证，AI 将全程引导用户进行配置，甚至包括对 Cron Tab 的增量更新，以确保原有配置不被覆盖。
为了实现这一目标，我们需要遵循以下七个工程阶段：
- 相关调研：深入分析核心需求与技术选型。
- 项目 Scaffolding：构建文件夹结构，并完善 PRD（产品需求文档）与 RFC（意见征求稿）。文档须严格使用英文编写，对原有的中文字幕 Prompt 进行精确的英文翻译，避免缩写。
- CLI 开发与测试：完成 CLI 的核心设计，确保测试通过，并更新
working.md。 - 初始验证流程：利用 TTS 工具生成一个 10 秒钟的示例音频文件，自行跑通初始验证流程。
- 文档完善：完成
README及相关说明文档的编写。 - 安全性检查：进行严格的 Privacy Check，清除可能涉及隐私及安全性的内容。
- GitHub 初始化：初始化 Git 仓库，完成
master分支的提交并推送。
整个过程将由 AI 作为主要执行者，确保该 CLI 工具的开发过程高效、可落地且符合工程标准。