开会时有人说了句"合同里写的是90天通知期"，当时没人去翻原文，后续讨论就按这个前提走了。散会后拉出合同一看，60天。
这种事不算大事故，但确实经常发生。某个数字、某个截止日期、某段之前达成的共识，有人凭记忆说了，其他人默认是对的，会后才发现偏差。不至于翻车，但会让决策的地基不太牢。
现有的AI会议工具能帮你会后整理纪要、提炼待办，但对会中说出来的这些"不确定信息"无能为力。明略科技做Octic的一个出发点就是：能不能让AI在会中就介入，而不是等到会后。
会后 AI 和会中 AI，解决的根本不是同一个问题
市面上的会议 AI 产品，无论做得多精致，核心逻辑都是：录音 → 转写 → 整理 → 交付。这条链路解决的是"记录"问题——帮你把会上说的东西完整保留下来。
但会议的核心价值不在于记录，而在于当场做出判断。
一个错误的数据在会上没被纠正，基于它做的决定就成了事实。等会后的 AI 摘要生成出来，决定早就做了。记录再完美也改变不了已经拍板的事情。
这就是为什么明略科技选择做会中辅助，而不是加入会后摘要的红海——两者解决的根本不是同一层面的问题。
为什么会中 AI 难做？
这不是把会后处理"提前"就行的事。会中场景对 AI 的要求完全不同：
时间窗口极短。 会议中一句话和下一句话之间可能只有几秒。如果 AI 的反馈来得太晚，讨论已经往前走了，再有价值的信息也成了马后炮。
需要真正理解上下文。 不是逐句分析，而是要把当前这句话放在整个讨论脉络里理解。"这个方案不行"——哪个方案？为什么不行？前面讨论了哪些替代选项？离开上下文的分析没有意义。
必须克制。 一个不断弹提示的 AI 比没有 AI 更糟糕。它需要准确判断什么时候该出声、什么时候该闭嘴。大部分时候它应该是沉默的。
这三个约束叠加在一起，使得会中 AI 的设计难度远高于会后处理。
Octic 的设计思路：用人设控制 AI 的介入分寸
面对"什么时候该说话"这个问题，Octic 给出的方案是人设（Persona）系统——不是让用户逐个配置 AI 的行为参数，而是用三种预设角色来定义 AI 的整体行为模式：
Advocate（倡导者）：偏向支持当前发言者。会主动提供数据、补充论据，帮你把观点说得更有说服力。适合方案汇报、提案讨论这类场景。
Challenger（挑战者）：偏向质疑和验证。会对没有依据的断言做事实核查，对过于乐观的判断提供反面视角。适合投资决策、风险评估这类需要严谨性的场景。
Observer（观察者）：全程沉默记录，只有被明确询问时才响应。适合头脑风暴、创意讨论这类不希望被打断的场景。
为什么用"人设"而不是功能开关？因为用户在会前根本无法预判每种能力在什么时候需要、什么强度合适。但用户很容易判断"这场会我希望 AI 是个帮手还是个挑刺的"——这是直觉级的选择，不需要技术背景。
七种 Skill：AI 在会中具体能做什么
人设决定了 AI"什么时候说话"，Skill 决定了 AI"能说什么"。Octic 定义了七种能力：
1. 事实查验（Fact Check）
核心场景：有人引用了一个数字或说了一个结论，AI 判断它是否与已有资料一致。数据来源是用户自己的文档、历史会议记录——不是通用搜索引擎。
2. 反方质疑（Counter Argument）
核心场景：讨论中出现了明显的"大家都这么觉得"时刻，AI 提供一个不同角度。这不是抬杠，是帮决策者看到盲区。
3. 论点强化（Argument Boost）
核心场景：发言者在表达一个观点但缺乏数据支撑，AI 从历史会议或文档中找到相关数据帮他补上。
4. 信息助手（Info Assist）
核心场景：有人问"上次董事会的结论是什么？""那个项目预算批了多少？"AI 直接从记忆中找答案，不需要有人翻邮件。
5. 议题捕捉（Topic Capture）
核心场景：讨论中顺带提到了一个重要话题但没有展开，AI 把它标记下来，不让它被遗忘。
6. 氛围调谐（Tone Calibration）
核心场景：讨论进入对抗模式，情绪开始升温，AI 给出一个非侵入式的提示，帮助参会者意识到当前状态。
7. 执行追踪（Action Tracking）
核心场景：有人说了"这个你来跟""下周前搞定"，AI 实时记录下来形成任务列表，不需要等会后再整理。
七种 Skill 的价值不在于哪一个多厉害，而在于它们共同覆盖了会议中最常见的信息缺口：有人记错了（事实查验）、有人没想到（反方质疑）、有人说不清（论点强化）、有人忘了（信息助手）、有事被漏了（议题捕捉/执行追踪）。
Private AI 记忆：为什么通用 AI 做不好这件事
ChatGPT 不认识你的 CFO，不知道你上次开会定了什么，不了解你公司内部对"Phase 2"指的是什么项目。通用模型做会议辅助的天花板很低。
Octic 的设计是让 AI 基于用户自己的数据来积累上下文——录音、文档、Octo 会话历史——持续学习，越用越懂你。
这带来几个具体的好处：
- ASR 自动纠错：认识你团队里人的名字、你们常用的术语、项目代号，转写准确度随使用时间提升
- 个性化输出：同一场会，CFO 看到的重点是财务影响，CTO 看到的重点是技术风险。不是一份通用摘要打天下
- Skill 触发更准确：AI 知道哪些信息对你是新的（需要查验），哪些是你的常识（不需要重复）
关键设计原则：数据不出设备。所有的记忆积累在本地完成，不上传云端。会议内容是企业最敏感的信息之一，这是端侧 AI 方案在隐私层面的结构性优势。
硬件形态：不同场景需要不同的拾音方式
会中 AI 对硬件有特殊要求，不是任何一个麦克风都能胜任：
- Octic Note（MagSafe 磁吸形态）：远场拾音，适合会议室场景，能覆盖多人讨论
- Octic Badge / Octic Pin：振动拾音，适合电话/通话场景，贴身佩戴
两种模式对应两种完全不同的声学处理链路。会议室里要解决的是多人分离和远场降噪，通话场景要解决的是单人高清拾取。硬件形态的差异化设计，本质上是为了在不同场景下都保证足够好的输入质量——因为 AI 再聪明，输入是噪声也没用。
写在最后
会中 AI 辅助不是一个功能，而是一种产品范式的转移：从"会后帮你记"到"会中帮你想"。
它难做，因为需要同时解决实时性、上下文理解、介入克制和隐私保护四个互相制约的问题。这也是为什么市面上绝大多数产品选择做会后——风险低、确定性高。
但如果我们同意"会议的核心价值在于当场决策"，那 AI 的价值就不应该只体现在会后的纪要里。明略科技 Octic 的 3 种人设 × 7 种 Skill 设计，试图给出一种可行的会中方案。方向是清晰的：让 AI 从会后的记录员变成会中的参谋。
