Superlinear Academy推出AI导向软件交付工具

Superlinear Academy推出AI导向软件交付工具 传统的个人语音记录和会议总结管线需要向面向AI的自动化克隆、配置与定时调度流程演进，让AI完全接管工具的安装与交付。 演讲者计划将个人语音记录与会议总结流程封装为面向AI的自动化技能（intake_skill），允许用户直接让AI读取GitHub仓库以自主完成环境配置与Cron Tab定时调度的安装。该系统将每日通过rsync同步语音备忘录音频，调用ASR流水线转写并交由Codex处理生成HTML总结与会议文件，演讲者为此梳理了包含脚手架初始化、英文PRD与RFC撰写、示例音频闭环验证在内的七步执行计划。 设计面向AI的intake_skill公开仓库，由AI自主读取并配置Python环境与依赖，并在先备份的前提下追加设置Cron Tab定时调度任务。 音频输入全量依托语音备忘录并通过rsync每日同步，ASR转写为CSV后由Codex命令行工具处理生成格式化HTML概述及会议拆解输出。 制定严格的七步走发布规划，要求文档及中文Prompt全量规范翻译为英文，并生成10秒示例音频以完成闭环验证与最终GitHub提交。

演讲者计划构建一个名为 intake_skill 的面向 AI 的自动化语音处理技能，通过标准化工作流将日常语音备忘录直接转写并整理为结构化总结与行动项。 音频处理管线与自动化任务调度 演讲者构想的 intake_skill 旨在将 AI 对话与生活记录封装为独立功能。在该设计中，100% 的音频输入直接来自 Mac 的语音备忘录，无需录制原生音频，仅通过 rsync 路径即可完成同步。系统计划借助 Cron Tab 实现定时调度，例如在每晚 12 点自动触发 rsync 同步并调用自动语音识别（ASR）管线。该阶段暂不进行说话人识别，直接输出 CSV 文件，随后交由 Codex 命令行工具处理。 处理流程的最终输出包括两项成果：一是经 Markdown 编译的格式化 HTML 文件，包含当日总结与行动项分解；二是专门存放单次会议输出的 meetings 文件夹。技术实现上，演讲者要求将此前在 live recording 中使用的 Gemini 逻辑彻底重构为 Codex 的 prompt，由 Codex 负责后续解析与任务调用。 面向 AI 的技能形态与部署体验 该项目定位为“面向 AI 的技能”（AI-oriented skill），未来将以公开 GitHub 仓库形式发布。其核心交互模式是让用户仅需向 AI 提供仓库地址并下达安装指令，AI 即可自主阅读 README、克隆仓库并主导完成所有配置。这包括自动下载 ASR、搭建 Python 环境，以及调试 Codex 等命令行工具。 为确保部署可靠性，仓库将配备一个 10 秒的示例音频文件供 AI 闭环自测。在自动化调度方面，AI 需负责配置每晚调用 Python 脚本的 Cron Tab，但必须执行安全操作：预先备份用户的原有 Cron Tab 并以追加（append）模式写入，严禁覆盖既有任务。同时，AI 须主动提示用户保持电脑开机并常驻语音备忘录。 七步发布规范与提示词资产沉淀 为确保工程质量，演讲者梳理了涵盖调研、脚手架初始化与英文 PRD/RFC 撰写、CLI 开发与测试、TTS 样本验证、README 编写、隐私安全检查、Git 提交推送的七步走执行方案。针对文档与提示词，演讲者明确要求全部使用英文撰写；对于现有中文 prompt，AI 必须完整对照翻译而绝对不能缩写，因为这些内容属于经历反复迭代试错后沉淀的核心资产。 在模型选型方面，演讲者评估该任务属于 AI 能够舒适完成的难度范围，并在 GPT 与 Deepseek 之间调整。演讲者自嘲最初考虑 Deepseek 是因当时其他主力模型的额度或并发已达上限，但最终仍决定采用 GPT 执行该规划。 该方案展示了从手动工程脚本向 AI 自主配置运维转化的工作模式，但其日常稳定性仍高度依赖宿主机持续开机、语音备忘录常驻运行以及外部大模型额度配额等环境限制。

[0:00] 一边讲一边实时（real-time） [0:00] GPT real-time whisper [0:35] 100% 的音频输入都将直接来自语音备忘录（Voice Memos） [0:35] intake_skill [2:29] AI-oriented skill [2:29] 你去给我装一下 [3:48] 必须先备份原有的 Cron Tab [4:27] 绝对不能缩写 [5:47] comfortable（舒适） [5:47] 三大运营商都满了

[0:00] 哦by the way我现在升级了一下它的 [0:02] 这个系统它现在就可以一边讲一边 [0:04] real [0:04] Timereal time这是因为呃Openai最近 [0:07] 升级了一个模型叫做whisper然后 [0:11] 啊什么 [0:11] 呃叫做呃GPT real time whisper [0:15] 哦 [0:16] 然后我我这个还没有推上去 [0:18] 我这个如果未来推上去以后 [0:20] 你在设置里面就可以切换它的模型 [0:23] 那是 [0:23] 切换到whisper就可以了 [0:24] 嗯 [0:25] 但别之前的功能啊还是不变的 [0:27] 像这个呢好处 [0:29] 我知道好处多了 [0:31] 我之前经常会遇到各种问题啊 [0:33] 然后那下面我想 [0:35] 我现在跟AI说话 [0:37] 你去看一下我的life record [0:38] 我想把它提炼成一个skill [0:40] 我们去ad hoc jobs里面新建一个内容 [0:42] 比如说叫做intake skill [0:47] 然后呢就中间下划线连接 [0:48] 然后我们去呃看一下 [0:50] project scaffolding这个skill [0:52] 把它scaffolding一下 [0:53] 我现在想要一个什么样的效果呢 [0:55] 就是每天啊 [0:57] 他不用去管Mac的录音 [1:00] 我们100%的录音完全来自 [1:03] voice Memo所以呢 [1:04] 他就去用那个r sync那条路就可以了 [1:07] 然后我需要一个音频处理管线 [1:11] 把每天比如说每 [1:13] 他还需要安装一个Cron Tab [1:15] 比如说每天晚上12点 [1:18] 他需要去 [1:20] 啊做一下ASYNC [1:22] 然后调用我们的ASR的pipeline去做啊ASR [1:28] 然后得到一个CSV文件 [1:29] 我们甚至都不用去做speech speaker recognition [1:32] 我们就直接把它做成CSV [1:35] 然后呢再去呃对它做一个处理 [1:40] 这个处理怎么做呢 [1:40] 我们用我们用Codex去做 [1:42] 就用Codex的那个command line去做就可以了 [1:44] 啊处理的目标是输出一个文档MD文呃 [1:50] 输出一个html文件吧 [1:51] 格式和格式化的html文件 [1:52] 那这个html可以是由MD编译出来的 [1:55] 输出这个东西呢 [1:56] 就说一个是介绍今天发生了什么事 [1:59] 如果有会议需要分解的话 [2:01] 也把这个会议需要分解掉 [2:02] 我们现在live recording里面用的是Gemini [2:05] 但是你就都把它转成Codex的prompt [2:08] 然后去呃分 [2:11] 就输出两个东西吧 [2:12] 一个是html文件 [2:13] 包括今天的summary和action items [2:16] 一个是meetings文件夹 [2:17] 里面包括呃就我们 [2:19] 现在这个meeting的输出 [2:20] 但是它就不是由程序调用Gemini去做 [2:23] 而是用Codex通过prompt去做 [2:26] 让它调用东西去做 [2:27] 啊这个东西呢 [2:29] 我的想法是把它变成一个AI oriented skill [2:32] 它有个readme文件应该介绍 [2:33] 怎么样去安装这个skill [2:35] 然后它的应用场景是 [2:37] 比如说我有个用户吧 [2:38] 用户呃他安装的过程就是 [2:40] 我未来会变成一个public [2:42] GitHub repo然后用户呢就去看 [2:46] 呃把这个GitHub repo的地址啊 [2:48] 直接贴给AI [2:48] 然后说你去给我装一下 [2:50] AI呢就会去看这个readme clone [2:53] 安装安装完了以后呢 [2:55] 它在首先引导用户进行配置 [2:58] 然后呃比如说什么叫配置啊 [3:00] 就是首先你要下载那个ASR [3:04] 要配置这个Python文Python环境要去 [3:07] 甚至要去用一个我们我们甚至 [3:09] 可以附带一个非常简单的呃 [3:12] 非常简单的M4A啊之类的文件啊让他 [3:16] 能够把整个跑通这样呢这个配置就算 [3:19] 配好了然后最好把Codex之类的那个 [3:22] 命令行啊也都跑通就用一个非常非常 [3:25] trivial的例子啊这然后再引导用户去 [3:29] 把Cron Tab也给配好 [3:31] 就是AI AI来配 [3:32] 不是让用户去配啊 [3:34] 注意整个过程中间也要先备份Cron Tab [3:36] 不要把用户的Cron Tab给删了要append [3:39] 然后再提醒用户这个电脑不要关机 [3:41] 而且要启动voice MEMO都要一直开着 [3:45] 这样它才能正常work [3:47] 呃然后呢 [3:48] 下面就是用Cron Tab去去调 [3:52] 每天晚上调用一个 [3:54] 一个Python文件 [3:56] 然后这个Python文件呢 [3:58] 因为我们Python environment都搞好了 [3:59] 它就应该是会自动执行 [4:01] 执行完了 [4:02] 它会先调用ASR生成CSV [4:04] 然后再去调用Codex [4:06] 呃用用它的语法去去做下面的 [4:11] 工作那codex呢 [4:12] 我们其实有相关的skill [4:15] 你也可以去看 [4:16] 就总之我想干的 [4:17] 我就就想把这个呃skill的 [4:22] skill的文件夹给它搞好 [4:23] 然后publish到git Hub上去 [4:25] 所以呢我们下面可以这么去做 [4:27] 第一是你去做一下相关的调研 [4:29] 想想下面要干嘛 [4:31] 第二件事情是你去把 [4:32] 这个文件夹给建好 [4:33] 呃scaffold一下 [4:34] 包括PRD RFC都照我说的去写 [4:37] 呃注意整个是都是英文的所以你 [4:40] 就是这些文档都是要用英文去写 [4:42] 但是呃就如果我有prompt是中文的 [4:46] 你要翻译成英文 [4:47] 但是不要缩写 [4:48] 呃我们的prompt都是 [4:50] 都是迭代过的 [4:51] 里面有很多坑 [4:52] 是可以避免的 [4:53] 你就不要去缩写 [4:54] 就照他的意思直接写 [4:56] 直接翻译就行了 [4:57] 然后呢第三个是去真的把这件事情 [5:00] 这个这个东西啊 [5:02] CLI相关的CLI设计好做出来 [5:04] test跑通 [5:05] 相关的working点MD都更新好 [5:08] 第四步是去 [5:10] 比方你用呃TTS之类东西啊 [5:12] 生成一个10秒钟的一个一个 [5:17] 示例文件也放在里面 [5:19] 你自己去跑一遍这个 [5:20] 初始初始的验证流程 [5:22] 然后第五步是你去把 [5:24] readme啊什么东西都写完 [5:25] 第六步是你去做一下privacy check [5:27] 看看有没有security啊 [5:28] privacy方面的东西 [5:30] 呃需要去掉 [5:31] 第七步是你去initial一个git Hub [5:35] Git Hub repo [5:36] 然后呃把master branch给commit一下 [5:39] 然后push上去 [5:44] 所以看就这个是他能够完成的 [5:47] 我现在用Deepseek [5:49] 算了我还是用GPT吧 [5:50] 这个是他能够我觉得比较 [5:52] comfortable完成的一个难度 [5:54] 你为什么要Deepseek [5:56] 啊因为我之前三大三大 [6:00] 运营商都满了 [6:03] 所以我只能用Deepseek