真正懂你在学什么的 AI 同学。
MeetMind 是一个以学习者长期上下文为中心的 AI 学习产品。
你可以像发微信一样，把课堂录音、视频、文章、图片、文件和一闪而过的想法交给 MeetMind。它先安静地收下，理解内容，也理解你正在学什么；当你需要时，再带回有依据的解释、复习动作和下一条真正有用的信息。
第一次打开可以直接选择“先试听一节课”，无需先准备自己的课堂内容。
部署时，产品主域根路径展示消费级 Landing Page，/app 保留主产品入口；/technology 承载专业技术介绍。当前首页接入的是阶段性桌面产品片与真实操作短循环；新一版 55–58 秒桌面主片仍按“收集 → 真实课堂 → 结束课堂 → 有根复习 → 测验与证据回跳 → 六类学习方式 → 完整导图与跨课备考”重新录制并在 ChatCut 中制作，验收完成前不替换正式资源。手机端复用横版成片，不再单独制作竖屏版本。页面末段通过同源 iframe 直接加载 /app?guest=1&entry=demo，让体验随当前产品自然更新；当前稳定资源放在 public/videos/landing/ 与 public/images/landing/real/，新片制作与验收合同见 docs/LANDING_PRODUCT_FILM.md。也可以将 tech.* 或 technology.* 子域名 DNS 指向同一部署，middleware 会把该子域名根路径映射到技术站，而产品主域和 landing.* 仍进入消费级首页。
当前最聚焦的场景是课堂：录下一节课，课中有一位真正听着同一节课的 AI 同学陪你；课后从老师原话出发，解释、定位、复述、检验，并把这节课变成可以继续学习或递给同学的内容。
学习资料从来不只存在一个地方。
它散落在课堂录音、课程视频、老师的 PPT、微信里收到的文章、随手拍下的板书、收藏夹和脑子里来不及整理的问题中。传统笔记工具只能保存文件，通用聊天机器人通常只看见你这一次发来的内容。
MeetMind 希望建立的是连续的学习上下文：
- 知道这句话来自哪节课、哪个时间点；
- 知道你刚才没有跟上的概念；
- 知道这节课和前几周的内容有什么关系；
- 知道你已经做过哪些练习，哪里仍然不稳；
- 下一次见面时，不必重新认识你。
它不是一个“帮你生成更多内容”的 AI 工具箱，而是一位会随着真实学习过程逐渐理解你的同学。
好的输出 = 个人上下文 + 场景上下文 + 好的模型智能
这不是一个技术公式，而是 MeetMind 判断产品价值的基本模型：
| 组成 | 它回答什么问题 | 例子 |
|---|---|---|
| 个人上下文 | “这是怎样的学习者？” | 目标、阶段、长期困惑、掌握情况、学习节奏、收藏与反馈 |
| 场景上下文 | “此刻具体发生了什么？” | 这一节课的原声、转录、课件、板书、当前进度和老师刚讲的内容 |
| 模型智能 | “基于这些信息，现在最应该怎么帮？” | 理解真实意图，判断是解释、定位、复述、连接还是检验 |
只有模型，没有上下文，回答很容易正确却泛泛；只有场景上下文，AI 能听懂这节课，却不一定懂这个学生；只有个人上下文，没有眼前的真实材料，又容易脱离当前问题。三者同时存在，输出才会既聪明、又相关、还有根据。
这也对应 MeetMind 的提示词哲学：产品负责给模型真实、完整、边界清楚的上下文和必要的渲染契约，不用大量规则替模型做判断。模型越强，MeetMind 从同一份上下文中产生的价值也应该越高。
场景上下文可以在明确边界下分享，例如把一节课交给同班同学继续提问；个人上下文默认私有，不跟随分享流出。
| 主线 | 用户心智 | 主要沉淀 |
|---|---|---|
| 收集线 | “我先随手发给 MeetMind。” | 日常零散的文字、语音、图片、链接、收藏、想法和反馈，逐渐形成长期个人上下文 |
| 课堂线 | “帮我真正理解这一节课。” | 围绕一节课保留完整学习现场，形成有原声、有结构、可复习的场景上下文 |
两条线不是两个孤立产品。收集到的文章、图片和问题可以补进某节课；课堂中暴露的困惑、练习结果和关注点，也会继续丰富个人上下文。一个负责接住散落在日常里的学习，一个负责把完整课堂理解透。
MeetMind 不把内容组织成一堆互不相干的文件。课堂内容按照学习本身的结构逐步生长：
flowchart LR
A["原声 · 课件 · 板书 · 提问"] --> B["一节课<br/>最小完整理解单元"]
B --> C["课程单元 / 章节<br/>由相关的多节课组成"]
C --> D["一门学期课程<br/>由多个单元组成"]
D --> E["长期个人学习上下文"]
用户首先理解一节具体的课；相关的多节课组成一个课程单元或章节；多个单元再组成一门学期课程。这样，AI 不只知道“你存过哪些文件”，还知道一个概念在哪节课出现、如何跨课发展，以及它在整门课程中处于什么位置。
MeetMind 支持从不同入口接住内容：
- 录制线下课堂、讲座和讨论；
- 录麦克风、电脑声音，或两路同时录制；
- 导入音频、视频、图片、PDF、PPT、Word 和文本文件；
- 收下 B 站、YouTube、网页文章等链接；
- 从微信服务号发送文字、语音、图片和链接；
- 桌面端按一下全局热键截图，或把图片直接拖给屏幕角落的桌宠；
- 用手机拍一下，或速记一句想法和疑问。
用户不需要先整理目录、设计标签或学习提示词。内容怎么来的、原始出处是什么、正文是否完整，都会作为证据保留下来。
在微信关注「MeetmindAI 原生专属导师」服务号，绑定 MeetMind 账号后，就可以把学习内容随手发给自己的 AI 同学。
很多学习内容本来就发生在微信里：群里转来一篇文章、走路时突然想到一句话、拍下一页书，或者用语音记下刚刚没想明白的问题。用户可以直接把这些内容发给服务号，不必先打开网页，也不必当场整理。
使用方式很简单：
- 在微信关注「MeetmindAI 原生专属导师」服务号；
- 按服务号提示绑定自己的 MeetMind 账号；
- 像发消息一样发送文字、语音、图片或链接；
- 点击服务号回执，回到同一个学习工作区继续整理。
MeetMind 会先在微信里确认收到，再在后台继续处理：
- 文字直接进入个人收集流；
- 语音保留原话，并继续生成可用的文字内容；
- 图片作为真实原件保存，之后可以和问题、课程及笔记连接；
- 网页、公众号文章和视频链接继续读取标题、正文或内容信息。
这些内容会进入用户在 MeetMind 的同一个学习工作区。回到网页后，可以接着把它们整理成笔记、围绕内容提问、补充到一节课，或用于后续复习。微信负责“随手发”，网页负责更深入的整理与学习。
桌面端（macOS / Windows，官网首页可直接下载）让 MeetMind 常驻在电脑里。屏幕角落住着桌宠 Octo Buddy——它会呼吸、眨眼，深夜自己睡着，但它的每种姿态都是真实入口：
- 单击（或
Cmd/Ctrl + Shift + K）：打开随手问小窗，随口问一句、随手记一条、截一张图； - 双击：开始或停止「旁听」，把电脑正在播放的网课录成一节完整的课——系统声音直接收，不用带机器人入会，也不用每次勾弹窗；
- 拖拽：把图片文件拖到它身上就收进收集流；拖动它本身只是给它换个位置。
全局热键 Cmd/Ctrl + Shift + M 截取鼠标所在屏幕：录课中按，当前画面作为关键帧挂到这节课的时间轴上，课后笔记里能点开回跳；平时按，则收进收集流并识别图中文字。网络不好时截图先存本地，下次启动自动补传。
桌面端和网页版是同一个账号、同一个学习工作区；它启动后会安静检查新版本，每个版本只提示一次。
当课堂开始后，MeetMind 才会让“同学”出现。它不是一个没有上下文的聊天窗口，而是和你听着同一段内容：
- 实时转录课堂原声；
- 根据最近讲到的内容理解“这个”“刚才那段”等指代；
- 点击自然问题，快速解释当前概念；
- 回答紧贴老师正在讲和刚刚讲过的内容，不把你带离正在进行的课堂；
- 支持中英文课堂即时翻译；
- 多人课堂模式可区分不同说话人；
- 拍下板书和课件，作为当前课堂的补充材料。
课中交互保持克制。你可以随时问，也可以完全不操作，让它安静地听完整节课。
录课结束后，MeetMind 不只给出一篇摘要，而是保留完整学习现场：
- 左侧是原始音频或视频、转录和可点击时间锚点；
- 中间是基于这节课生成的练习与学习内容；
- 右侧是能继续解释和复盘的 AI 同学；
- 同学回答里的
[MM:SS]时间引用可以点击，跳回老师当时的原话。
所有关键判断都应该能回到原件。学生看到一个结论时，可以立即确认老师当时究竟说了什么，而不是被迫相信一段没有出处的 AI 文本。
同一份课堂上下文可以按需要变成不同的学习动作：
- 闪卡：练习主动回忆；
- 测验：检验是否真正理解；
- 思维导图：看清概念关系；
- 速查表：压缩考试前最需要的内容；
- 信息图：把结构复杂的内容视觉化；
- 音频概览：在通勤和走路时继续复习。
MeetMind 会突出一个“现在最适合”的动作，而不是要求用户先理解所有工具。应用是学习上下文的不同用法，不是彼此割裂的功能入口。
课堂、收藏、笔记、目标、练习结果和“有用 / 不相关”反馈会逐渐形成个人上下文。
因此，MeetMind 可以：
- 发现不同课程和资料之间的内部关联；
- 记住持续出现的困惑和术语；
- 在新课堂中接住上一节课留下的问题；
- 从真实网页、论文和图书目录中寻找值得继续看的外部信息；
- 解释为什么这条信息此刻与你有关。
没有足够好的内容时，系统宁可少给，也不为了填满信息流而推荐泛泛的资料。
一节课的场景上下文可以变成 Shared Agent。
同学在班级群里打开分享链接后，不只能看一张静态笔记，还可以匿名围绕那节课继续提问。登录后，才会把它领取到自己的学习工作台，并在自己的空间里继续做练习。
分享采用快照：分享之后，原作者新增的私人对话和个人画像不会进入已经发出去的内容。场景可以共享，个人学习状态默认保持私有。
| 普通 AI 笔记工具 | MeetMind |
|---|---|
| 一次处理一个文件 | 让课堂、资料、目标和反馈形成连续上下文 |
| 等用户写提示词 | 从学习现场直接判断当下可能需要什么 |
| 生成摘要后结束 | 继续进入解释、练习、复习和下一节课 |
| 回答看起来正确，但出处不清楚 | 课后时间引用和来源引用可以回到真实原件 |
| 每次对话重新开始 | 随着使用逐渐理解课程、习惯和薄弱点 |
| 分享一份静态文档 | 分享一个能围绕场景继续对话的上下文 |
真正的个性化不是注册时选择几个标签，而是产品从用户的真实学习行为中自然长出理解。
不靠通知、弹窗和任务红点制造焦虑。大部分时间，MeetMind 应该像桌边的一盏灯，而不是不断催促的管理系统。
用户发出去的是一段原声、一张板书或一个链接；回来时，它已经被理解、整理，并能继续用于学习。
先给一个真正有用的发现或动作，而不是一份看似完整、实际没人读完的长报告。
解释、总结和推荐必须能说明自己从哪里来。原件、引用、时间点和来源状态是产品可信度的一部分。
视觉保持克制，让用户最先感受到的是“它真的懂我在学什么”，而不是功能数量或装饰效果。
- 课中回答优先基于正在发生的真实转录和资料，课后引用才提供可点击时间锚点；
- 外部推荐必须先有真实可访问的网页、论文或图书来源；
- 解析失败时保留原件，并诚实标明正文是否完整；
- Shared Agent 默认不携带原作者或访问者的个人画像；
- 分享内容采用不可变快照，不会悄悄同步分享后的私人变化；
- 个人薄弱点、学习节奏和私人对话默认不作为公开分享内容。
MeetMind 不只是在产品里使用 AI，也在用一种 Agent-native 的方式构建软件。
随着功能和上下文增加，单靠一份巨大的开发文档或少数人的记忆，很难长期保持一致。代码库因此被设计成一套对人类和 Coding Agent 都清晰的知识结构：Agent 能先理解一个领域的职责和边界，再做局部修改，最后通过固定验证流程确认没有破坏产品主链路。
| 文件 | 主要读者 | 作用 |
|---|---|---|
README.md |
用户、合作方、贡献者 | 认识 MeetMind 是什么、为什么存在、现在能做什么 |
AGENTS.md |
Coding Agent 与开发者 | 全局入口：铁律、Golden Commands、任务路由表、wiki 索引 |
src/**/DOMAIN.md |
正在修改某个领域的 Agent | 该目录的职责、依赖边界、关键文件和真实数据流 |
skills/ |
执行任务的 Agent | 变更、调试、架构检查和代码审查的标准流程 |
docs/ 与 roadmap/ |
产品与技术决策者 | 深入的产品定义、技术链路和阶段性决策 |
README 不承担 Agent 的详细操作说明；Agent 接手仓库后的第一入口始终是 AGENTS.md。
- 领域地图：重要目录都有
DOMAIN.md，不用从整个仓库猜测职责； - 单一事实来源：用户文案、模型配置、Prompt、应用目录和渲染契约都有明确归属；
- 稳定依赖方向：页面、组件、Hook、服务、存储之间保持清晰边界；
- 共享底座：对话、应用渲染、引用和上传能力复用统一组件，不在每个入口重复实现；
- 文档与代码一起交付：公共契约或用户流程变化时，必须同步对应文档；
- 可验证修改：类型检查、单元测试、Smoke Test、ASR/Tutor Eval 和回归基线共同构成质量门；
- 原子提交：每次变更保持可解释、可回滚，方便后续 Agent 继续工作。
flowchart LR
A["AGENTS.md<br/>找到正确阅读路径"] --> B["DOMAIN.md<br/>理解局部职责与边界"]
B --> C["源码与单一事实来源<br/>完成精确修改"]
C --> D["Makefile 验证<br/>check · test · eval · smoke"]
D --> E["文档同步 + 原子提交<br/>把新事实留给下一个 Agent"]
Agent-native 在这里不是“让 Agent 随便改代码”，而是让每次修改都有足够上下文、明确边界和可重复验证。
| 层 | 主要技术与职责 |
|---|---|
| Web | Next.js 14、React 18、TypeScript、Tailwind CSS |
| 对话与生成 | Vercel AI SDK v6、统一 Tutor Agent、多模型注册表 |
| 课堂语音 | 新一代 Qwen-Audio-3.0-ASR 模型族（DashScope）：实时流式转录、课后批量定稿、filetrans 原生说话人分离 |
| 桌面端 | Electron 壳（Octo Buddy 桌宠 + 内嵌主窗口 + 全局热键截图/小窗 + 系统内录） |
| 服务端数据 | Prisma + SQLite，保存用户、Workspace、分享与同步数据 |
| 客户端数据 | Dexie / IndexedDB，承载转录、本地缓存和离线状态 |
| 学习应用 | 统一 App Plugin 契约与 AppRenderSurface 渲染层 |
| 质量保障 | TypeScript、Vitest、Smoke Test、ASR/Tutor Eval、Sentry、pino |
产品层只负责提供高质量上下文、工具和渲染契约，把理解与判断尽可能交给模型；同时用证据、评测和软件边界约束不可接受的结果。
如果你要参与开发，请先阅读 AGENTS.md。MeetMind 统一使用 Node.js 24 LTS；SQLite 驱动包含原生模块，安装依赖后不要切换 Node 主版本，否则分享、同步等服务端路径会在运行时失败。
git clone https://github.com/xiaojinyu868-w/meetmind.git
cd meetmind
nvm use # 读取仓库 .nvmrc，切到 Node.js 24（make 也会自动探测已装的 24）
pnpm install --frozen-lockfile # 包管理器是 pnpm；pnpm-lock.yaml 是唯一有效锁文件
cp .env.example .env
make dev # 默认 http://localhost:3001
make check # 改了代码就跑（增量 tsc，十几秒）环境变量、模型选择、ASR、微信接入和部署说明以 .env.example、AGENTS.md 及对应 DOMAIN.md 为准，README 不重复维护易过期的配置清单。
常用质量命令：
make test
make eval
make smoke-all
make build- 产品判断基线
- v1.0 发布更新日志（按月）
- Shared Agent 与场景上下文
- Tutor Agent 架构
- ASR 课堂语音链路
- 应用矩阵产品定义
- 全端采集层（桌面壳与桌宠）
- 设计与提示词哲学
- 版本记录
MeetMind 正在持续开发中，当前优先把“录下一节课 → 当场听懂 → 课后练习 → 下一节继续记得”做成稳定、自然的完整闭环。
部分跨设备同步、外部内容接入和长期学习能力仍在持续完善。生产体验以 capture.meetmind.online 为准。