call.md：将会议变成实时 Agent 循环

想象这样一个场景：你正在和一位重要客户进行销售电话，对方随口提了一句"能给我发一下企业版的价格吗？"——你的大脑飞速运转，试图回忆定价策略，同时还要维持对话的流畅。这时候，你最需要的是什么？是一个在你说话时就在后台默默工作的 AI 助手，提前把答案准备好，甚至在你还没反应过来的时候就把结果推送到了屏幕上。

这就是 call.md 正在做的事情。它是一个开源的桌面应用（Electron），核心理念是：把 AI 从"会后整理"的角色，拽到"会议进行中"。在通话还在进行的时候，它就在听、在分析、在给你提供建议——就像给每一次通话配备了一个不知疲倦的副驾驶。

背景：为什么现有工具都不够用

传统的会议 AI 工具——Otter.ai、Fireflies.ai、Google Meet 录音转写——都遵循同一个范式：先录，再转，最后事后分析。这套流程的问题是：洞见来得太晚，你没法在会议进行中用它来改变对话质量。

而 AI Agent 的出现给这个领域打开了一个新的可能性：实时理解 + 实时行动。但大多数 Agent 工具（比如各种聊天机器人）是独立的，不和你的工作流程深度绑定——你需要主动去问它，它才会回答。

call.md 的作者（VideoDB 团队）想做的是：让 AI 和你的会议本身同步运行。你不需要切换窗口，不需要 Alt+Tab，不需要说"等一下我查一下"——AI 在你说话的时候就听到了，你需要的信息会自动出现在屏幕上。

项目在 2026 年 2 月发布于 GitHub，目前约 1400 颗星，聚焦于 AI 会议助手和 Agent 自动化方向。

核心技术：双通道录制 + 实时 Agent 循环

call.md 的技术架构非常清晰，整个系统围绕实时转录流构建，一旦转录管道打通，所有上层功能都是对这个流的不同处理。

录音层采用 VideoDB Capture SDK，这是一个桌面捕获组件，能够同时采集三路信号：麦克风音频（你的声音）、系统音频（对方的声音）以及屏幕画面。这三路信号通过 WebSocket 实时流式传输到 VideoDB 云端，在云端完成语音转文字（STT），并将转录结果流式返回本地。

双通道分离是关键设计：**"你"（麦克风）**和 **"他们"（系统音频）**的转录结果分开存储。这一步不只是为了归属说话人——它支撑了所有后续的智能分析：对话比率、语速、独白检测、以及 AI 生成建议的质量。没有这个分离，很多智能功能就无从谈起。

实时转录流进入本地后，存在一个 transcriptStore 中，供所有服务并行消费。整个系统的核心循环是：

• 每 20 秒：Live Assist 服务（基于 OpenAI SDK）分析最近一段转录文本 + 会议上下文，生成"现在该说什么"、"该问什么问题"的建议
• 每 10 秒：conversation-metrics.service 计算对话比率、语速（WPM）、提问次数，进行独白检测（超过 45 秒自动触发）
• 持续运行：intent-detector.service.ts 使用正则表达式扫描转录流，检测信息需求模式（如"价格"、"日程"、"错误代码"），匹配到高置信度模式后，触发 MCP Agent

MCP Agent 循环是整个产品最亮眼的部分。当 intent detector 检测到信息需求时，会调用 LLM 从所有已连接的 MCP 服务器中选择合适的工具并填充参数。例如：客户问"企业版定价是多少？" → intent detector 匹配到 pricing 模式 → LLM 选择 CRM MCP 工具并调用 → 结果以内联面板形式显示在通话界面上。整个过程完全自动，无需用户手动操作。

通话结束后，summary-generator 并行生成三部分内容：叙事性概述、按主题分类的关键点列表、以及 3-10 条具体行动项。同时，workflow webhook 支持自动将结果推送到 n8n、Zapier、以及各种 CRM 系统。

技术栈与代码架构

call.md 的技术选型非常务实，以本地优先、性能优先为原则：

层级	技术选型	说明
桌面框架	Electron 34	负责窗口、系统托盘、本地协议
UI 框架	React 19 + TypeScript 5.8	前端界面
状态管理	Zustand	渲染进程轻量状态
进程通信	tRPC 11	主进程 ↔ 渲染进程类型安全 RPC
HTTP 服务	Hono + @hono/node-server	本地 HTTP 服务
数据库	better-sqlite3 + Drizzle ORM	本地 SQLite，数据本地优先
录音/转录	@videodb/recorder (CaptureClient)	原生二进制屏幕/音频捕获
AI Agent	OpenAI SDK	所有 AI 推理（Live Assist、Nudge、Summary）
工具集成	@modelcontextprotocol/sdk 1.0.0	MCP 协议，支持 stdio/HTTP 两种传输
日志	Pino	结构化日志

代码结构方面，src/main/ 下按服务职责划分：

• server/ — tRPC 服务端
• services/ — 核心业务服务：live-assist.service.ts（实时建议）、conversation-metrics.service.ts（对话指标）、nudge-engine.service.ts（教练提示）、mcp-inference.service.ts（MCP 推理）、mcp/（连接编排、intent 检测、工具聚合、结果处理）、llm.service.ts（OpenAI 封装）、videodb.service.ts（VideoDB API）
• db/ — Drizzle ORM schema 定义
• ipc/ — Electron IPC 通道定义

src/renderer/ 为 React UI，订阅主进程事件流并渲染界面。src/shared/ 存放共享的常量、Schema 和类型定义。

代码质量方面，TypeScript 覆盖全面，tRPC 提供了端到端的类型安全（从服务端到客户端），Drizzle ORM 的 schema 即代码文档。但测试覆盖率未在 README 中公开，文档质量较好（labs.videodb.io 有完整的构建故事）。

上手体验

安装非常简单，一行命令搞定：

curl -fsSL https://artifacts.videodb.io/call.md/install | bash

安装完成后，启动应用、输入 VideoDB API Key（免费额度可用）、授予麦克风和屏幕录制权限即可开始。开发者模式支持 npm install && npm run dev。

核心使用流程：

1. 会前：可使用 Meeting Setup Wizard，AI 生成探索性问题列表和讨论清单，为通话准备上下文
2. 会中：点击"开始录制"，实时看到双通道转录、对话比率、Live Assist 建议。MCP Agent 自动在后台工作，检测信息需求并调用工具
3. 会后：获得三段式 AI 总结（概述 + 关键点 + 行动项），可导出为 Markdown，或通过 webhook 推送到 n8n/Zapier

MCP 服务器连接也非常简单：在 Settings → MCP Servers 添加，支持 stdio（本地工具）和 HTTP（远程服务）两种模式。内置 intent detector 支持常见的 CRM、日历、笔记工具集成。

局限与争议

平台限制明显：目前仅支持 macOS 12+ 和 Windows 10+，Linux 尚不支持。这意味着它不适合纯 Linux 工作流的团队。

必须依赖 VideoDB 云端：虽然录音和大部分处理在本地，但实时转录和 AI 推理需要 VideoDB 的 WebSocket 服务。没有网络连接时 AI 功能完全不可用——这对隐私敏感场景是一个顾虑。

无明确许可证：项目根目录没有 LICENSE 文件，这是一个潜在的采用风险（SourcePulse 也明确指出了这一点）。开源但没有许可证，意味着法律状态不清晰。

MCP 工具覆盖依赖用户手动配置：intent detector 的正则模式是硬编码的，当前只支持常见的几种信息需求模式。如果你的工作流程不在预设范围内，需要自行扩展代码。

安装包需要自行构建：README 明确说明 Windows 安装包尚未发布官方托管版本，需要从源码构建 (npm run dist:win)，这对非技术人员有一定门槛。

行业意义

call.md 代表了一个明确的趋势：AI Agent 从问答式交互，向场景嵌入式实时智能演进。

过去一年的 AI 助手产品，大多数遵循"你问，我答"的范式。但 call.md 展示了一种更自然的交互模型：AI 观察你的工作流，在适当的时机主动介入。你不需要专门停下来去问 AI，AI 就在你工作的背景中运行。

从 MCP 的角度来看，这个项目也展示了 Model Context Protocol 的一个非常有意思的应用场景：不是连接各种数据源给 LLM 提供上下文，而是让 LLM 根据对话上下文主动调用工具，形成真正的 Agent 闭环。这种"意图检测 → 工具选择 → 结果内联显示"的范式，有望成为未来会议助手、工作流工具的标准设计模式。

目前 GitHub 星标增速平稳（发布半年达到 1400 星），VideoDB 团队在持续维护，labs.videodb.io 有详细的构建博客，说明团队在认真做产品。如果 VideoDB 的 API 定价保持合理的免费额度，这个工具对销售团队、客户成功、创业者等高频会议人群有较高的实用价值。