课代表立正

这不是比较几句 prompt,而是把模糊需求推进为可交付工具的现场:Voice Memo 经 ASR 变成 CSV,再由 Codex 生成总结、行动项与 HTML 报告。真正的差距在于,能否把安装、定时执行、测试、文档和 privacy check 一并设计进 intake skill。

适合想自动化个人语音记录、会议转写或 daily review 的人,也适合希望理解 AI-oriented skill 如何从需求走到可安装交付的产品与工程实践者。

这期你会听到

• 如何把 Voice Memo、ASR、CSV 与 HTML 串成可复用的 life record 管线?

• 为什么 intake skill 需要面向 AI 安装,而不只是面向人写说明?

• Codex prompt 怎样接替既有处理逻辑,生成总结与行动项?

• PRD、RFC、CLI、测试和 README 在 AI-oriented skill 中各自解决什么问题?

• 怎样把示例音频与 privacy check 纳入交付验收?

章节

00:00 — 实时转写升级带来的新交互

00:35 — 从 life record 到 Voice Memo、ASR 与 intake skill

02:29 — 让 AI 能自行安装的 skill 设计

03:48 — 每晚自动完成同步、转写与总结

04:27 — 从 PRD、CLI、测试到 privacy check

05:47 — GPT 与 DeepSeek 的执行差异

相关内容

观看本期视频版

项目:

https://github.com/grapeot/intake-skill

我是孙煜征,大家叫我立正,康奈尔经济学博士、《真本事》作者、超线性学院创始人。在这里,和我一起把AI、工作与人生中的重要问题想明白。

了解我、阅读文章与查找往期节目

https://www.lizheng.ai/

问问立正|把问题想明白

听完还有问题,或想把一个观点用到自己的处境里?试试我做的「问问立正」:AI会从我的公开文章、视频和《真本事》中寻找相关内容,整理回答,并附上出处。每天可免费提问3次。

https://ask.lizheng.ai/

不怕AI天天变,就来超线性学院

学点真本事,做点真东西。超线性学院是我创办的免费AI社区,两万多人在这里分享真实项目,你也可以带着问题来讨论。App Store搜「超线性学院」也能加入。

把语音记录或自动总结系统的在制版本带来,请大家检查安装、测试、隐私与验收设计。

https://www.superlinear.academy/

AI Builders|系统学懂AI,真正用起来

想系统学懂AI、用它做好重要工作,把想法做成作品?了解我和鸭哥一起做的AI Builders课程。

https://ai-builders.com/

What is 课代表立正?

AI到底怎么用,钱到底怎么赚?我替你去问硅谷和国内一线的研究者、创业者、投资人。嘉宾有Databricks联合创始人Reynold Xin、Cursor设计负责人Ryo Lu、前Meta FAIR研究总监田渊栋、清华教授刘嘉、真格基金戴雨森、硅谷徐老师、樊登。

节目分两个系列。「对话」是长访谈,聊他们看见了什么、为什么敢下注、现实又怎样改写了答案。对方说是运气,我会接着问下去。「立正说」是我的单口,十几分钟讲清一个判断。

我是立正(孙煜征),康奈尔经济学博士,做过Amazon经济学家、Meta数据科学家、腾讯数据与AI总监,也是OpenAI收购团队早期成员。后来创办了超线性学院,两万多人在这里学着用AI做东西。叫「课代表」,是因为我一直把自己当学生:向高手请教,把学到的整理好,分享给你。

免费加入超线性学院:https://www.superlinear.academy
了解我:https://www.lizheng.ai

哦by the way我现在升级了一下它的
这个系统它现在就可以一边讲一边
real
Timereal time这是因为呃Openai最近
升级了一个模型叫做whisper然后
啊什么
呃叫做呃GPT real time whisper
哦
然后我我这个还没有推上去
我这个如果未来推上去以后
你在设置里面就可以切换它的模型
那是
切换到whisper就可以了
嗯
但别之前的功能啊还是不变的
像这个呢好处
我知道好处多了
我之前经常会遇到各种问题啊
然后那下面我想
我现在跟AI说话
你去看一下我的life record
我想把它提炼成一个skill
我们去ad hoc jobs里面新建一个内容
比如说叫做intake skill
然后呢就中间下划线连接
然后我们去呃看一下
project scaffolding这个skill
把它scaffolding一下
我现在想要一个什么样的效果呢
就是每天啊
他不用去管Mac的录音
我们100%的录音完全来自
voice Memo所以呢
他就去用那个r sync那条路就可以了
然后我需要一个音频处理管线
把每天比如说每
他还需要安装一个Cron Tab
比如说每天晚上12点
他需要去
啊做一下ASYNC
然后调用我们的ASR的pipeline去做啊ASR
然后得到一个CSV文件
我们甚至都不用去做speech speaker recognition
我们就直接把它做成CSV
然后呢再去呃对它做一个处理
这个处理怎么做呢
我们用我们用Codex去做
就用Codex的那个command line去做就可以了
啊处理的目标是输出一个文档MD文呃
输出一个html文件吧
格式和格式化的html文件
那这个html可以是由MD编译出来的
输出这个东西呢
就说一个是介绍今天发生了什么事
如果有会议需要分解的话
也把这个会议需要分解掉
我们现在live recording里面用的是Gemini
但是你就都把它转成Codex的prompt
然后去呃分
就输出两个东西吧
一个是html文件
包括今天的summary和action items
一个是meetings文件夹
里面包括呃就我们
现在这个meeting的输出
但是它就不是由程序调用Gemini去做
而是用Codex通过prompt去做
让它调用东西去做
啊这个东西呢
我的想法是把它变成一个AI oriented skill
它有个readme文件应该介绍
怎么样去安装这个skill
然后它的应用场景是
比如说我有个用户吧
用户呃他安装的过程就是
我未来会变成一个public
GitHub repo然后用户呢就去看
呃把这个GitHub repo的地址啊
直接贴给AI
然后说你去给我装一下
AI呢就会去看这个readme clone
安装安装完了以后呢
它在首先引导用户进行配置
然后呃比如说什么叫配置啊
就是首先你要下载那个ASR
要配置这个Python文Python环境要去
甚至要去用一个我们我们甚至
可以附带一个非常简单的呃
非常简单的M4A啊之类的文件啊让他
能够把整个跑通这样呢这个配置就算
配好了然后最好把Codex之类的那个
命令行啊也都跑通就用一个非常非常
trivial的例子啊这然后再引导用户去
把Cron Tab也给配好
就是AI AI来配
不是让用户去配啊
注意整个过程中间也要先备份Cron Tab
不要把用户的Cron Tab给删了要append
然后再提醒用户这个电脑不要关机
而且要启动voice MEMO都要一直开着
这样它才能正常work
呃然后呢
下面就是用Cron Tab去去调
每天晚上调用一个
一个Python文件
然后这个Python文件呢
因为我们Python environment都搞好了
它就应该是会自动执行
执行完了
它会先调用ASR生成CSV
然后再去调用Codex
呃用用它的语法去去做下面的
工作那codex呢
我们其实有相关的skill
你也可以去看
就总之我想干的
我就就想把这个呃skill的
skill的文件夹给它搞好
然后publish到git Hub上去
所以呢我们下面可以这么去做
第一是你去做一下相关的调研
想想下面要干嘛
第二件事情是你去把
这个文件夹给建好
呃scaffold一下
包括PRD RFC都照我说的去写
呃注意整个是都是英文的所以你
就是这些文档都是要用英文去写
但是呃就如果我有prompt是中文的
你要翻译成英文
但是不要缩写
呃我们的prompt都是
都是迭代过的
里面有很多坑
是可以避免的
你就不要去缩写
就照他的意思直接写
直接翻译就行了
然后呢第三个是去真的把这件事情
这个这个东西啊
CLI相关的CLI设计好做出来
test跑通
相关的working点MD都更新好
第四步是去
比方你用呃TTS之类东西啊
生成一个10秒钟的一个一个
示例文件也放在里面
你自己去跑一遍这个
初始初始的验证流程
然后第五步是你去把
readme啊什么东西都写完
第六步是你去做一下privacy check
看看有没有security啊
privacy方面的东西
呃需要去掉
第七步是你去initial一个git Hub
Git Hub repo
然后呃把master branch给commit一下
然后push上去
所以看就这个是他能够完成的
我现在用Deepseek
算了我还是用GPT吧
这个是他能够我觉得比较
comfortable完成的一个难度
你为什么要Deepseek
啊因为我之前三大三大
运营商都满了
所以我只能用Deepseek