零基础 Vibe Coding 手搓本地会议助手 – 附完整实战教程

不知道你有没有同感：会议一开长，脑子就不受控制地开始飘。

一边要使劲跟上发言人的思路，一边还得匆忙记笔记。会上的我频频点头，会后一回想，细节全还给对方了…

市面上的会议录音转文本工具不算少，可要么免费时长给得很抠，要么长音频跑得慢。最烦的是拿到逐字稿还得自己啃：会议重点、待办事项，全得靠自己再整理一遍。

这周末我一合计，干脆自己 Vibe Coding 一个跑在本地的会议助手。

这是我下载的一段多人对谈的博客录音，会议助手不光整理出了逐字稿，还用 AI 分析了会议要点，把 4 位发言人的观点和下一步建议分别提炼了出来，全程不到一分钟！

拿来梳理会议内容、听讲座、听博客、拆解长视频，我自己用下来挺满意。整个开发过程也简单，大致就 4 步：

• 把需求理清楚
• 挑一个 Vibe Coding 工具
• 将想法写成提示词，让 AI 动手写代码
• 继续让 AI 修 bug、把功能补齐

这篇文章里，我会把整个应用的搭建思路、工具配置以及喂给 AI 的 prompt，原原本本分享给大家。要是你也想彻底摆脱那些死贵的订阅制软件，即使一行代码都没写过，照着这个流程也能自己搭出一个应用。

 

01. 零基础搭一个本地会议助手

 

我对这个会议助手的要求其实不高：

• 我直接上传会议录音，ASR 模型把语音转成文本，还要能分辨出是谁在说话。
• 拿到文稿之后，交给 LLM 大模型抓重点，把核心内容整理出来。

选择工具

Vibe Coding 做应用，工具选对就等于成了 80%。我配的是 Claude Code 加阶跃星辰的 Step Plan。

Claude Code 负责写代码、改报错、调接口；Step Plan 负责提供模型能力。之所以选 Step Plan，是它的能力比较全：既有适合做内容分析的 step-3.5-flash、step-3.5-flash-2603，也有专门跑语音识别的 stepaudio-2.5-asr，正好对上我的开发需求。

Step Plan 的用量是按 Prompt 次数算的，5 小时限额 100 次 prompt，每周 400 次，性价比确实不错~

再看总花费：我花了大半天疯狂调试，把整个应用做完，连每周额度的 25% 都没用完。

我拿几段语音测过，40 分钟左右的音频，API 消耗才 0.135 元，等于往后用的成本几乎可以忽略~

Vibe Coding 过程

工具选定，就把提示词发给 Claude Code，让它开始生成代码。

提示词：我要开发一个本地运行的会议录音转文本和会议分析 MVP 应用，请你直接帮我从零搭建项目并写代码。

这个应用安装或运行在用户本地电脑上，用户可以在本地打开使用。音频文件、会议记录、转写结果、分析结果都优先保存在本机。语音识别和会议分析能力通过外部 API 调用完成。

应用目标是：用户上传一段会议录音，系统调用 ASR API 把录音转成文字，并尽量区分不同发言人。转写完成后，系统再调用 LLM API，对会议内容进行总结和分析，生成会议主题、核心结论、待办事项、风险点、争议点、每位发言人的主要观点和下一步建议。

技术栈使用 Next.js、TypeScript、Tailwind CSS。第一版先做成本地 Web App，运行在 localhost。数据存储使用 SQLite。音频文件保存在本地 uploads 目录。后续可以再封装成 Electron 或 Tauri 桌面应用。

请实现这些核心功能：用户进入首页后可以看到历史会议列表，可以创建新会议并上传音频文件。上传文件支持 mp3、wav、m4a、mp4。上传后后端保存音频文件到本地 uploads 目录，并创建一条会议记录，状态显示为处理中。

后端需要封装 ASR 调用模块，文件名可以叫 lib/asr.ts。ASR API 的供应商、API Key、Base URL、模型名都从 .env.local 读取，方便后续切换不同 ASR 服务。环境变量包括 ASR_PROVIDER、ASR_API_KEY、ASR_BASE_URL、ASR_MODEL。ASR 返回结果要统一转换成项目内部格式，每一段包含 speaker、startTime、endTime、text。如果 API 暂时无法返回 speaker，也要保留转写文本，并默认标记为 Speaker 1。

后端还需要封装 LLM 调用模块，文件名可以叫 lib/llm.ts。LLM API 的供应商、API Key、Base URL、模型名都从 .env.local 读取，方便后续切换不同大模型。环境变量包括 LLM_PROVIDER、LLM_API_KEY、LLM_BASE_URL、LLM_MODEL。LLM 接收完整 transcript 后，需要输出稳定 JSON，包含 meetingTitle、summary、keyDecisions、actionItems、risks、disagreements、speakerInsights、nextSteps。actionItems 里需要包含任务内容、负责人、截止时间、优先级。speakerInsights 需要按发言人总结他的主要观点、关注点和态度。

前端需要三个主要页面：首页会议列表、上传会议页面、会议详情页面。会议详情页要分成转写全文和智能分析两个区域。转写全文按时间顺序展示，显示发言人、时间戳和文本内容。发言人名称要支持手动编辑，比如把 Speaker 1 改成张三，把 Speaker 2 改成李四。智能分析区域展示会议总结、核心结论、待办事项、风险点、争议点、发言人观点和下一步建议。

请注意本地应用体验。上传后要显示处理中状态，ASR 失败要显示明确错误，LLM 分析失败也要保留已经完成的转写结果。不要因为分析失败导致整条会议记录丢失。页面风格要简洁清爽，适合工作工具，重点信息一眼能看懂。

请生成完整项目结构，包括 package.json、SQLite 初始化逻辑、环境变量示例文件、API 路由、ASR 封装、LLM 封装、本地文件保存模块、数据库读写模块、类型定义、README 启动说明。

直接创建一个能本地运行的完整 MVP 项目。完成后请检查 TypeScript 类型错误、路由错误、环境变量读取错误、文件上传逻辑和 SQLite 存储逻辑。最后告诉我如何安装依赖、如何配置 .env.local、如何本地启动。

看不懂代码的小白也没关系，接下来要做的就是在终端里一路回车，选 Yes，让 Claude Code 自己建文件、写逻辑。

不到十分钟，应用的雏形就跑起来了。极简风界面干净得很，看着相当舒服。

我兴冲冲上传了一段录音，结果当头就挨了一个报错。

虽然代码看不懂，但遇到报错真不用慌。前端页面上那段红色报错内容，直接复制发给 Claude Code 就行。

怎么创建会议会失败呢。

Claude Code 会自己排查问题，然后把它修好。

再试一次，会议创建成功了，可处理音频那一步又卡住。顺带发现一个尴尬现象：我每次上传的测试录音记录都留在原地，首页已经堆了一排“处理中”的任务…

于是我临时给 Claude Code 加了个新需求：

添加删除会议的功能。

不负众望，五分钟后重新点开会议详情，页面右上角已经多了个删除按钮。

把垃圾数据清干净，接着处理卡点。这次录音转写文本顺利跑通，智能分析却提示：转写成功，但分析失败: Error: LLM 返回内容为空。

起初我以为又是哪个接口挂了，查了一圈才明白，八成是音频太长，转写加分析耗时太久，单个请求很容易超时。

我便让 Claude Code 查一下它对导入音频的时长、大小、转写字数有什么限制。果不其然，问题就出在 API 请求时长上。

Claude Code 的回复是：单次处理的音频最好控制在 10-30 分钟，转写文本相应落在 5000-10000 字符。再长的话，得先切片处理。

既然不是模型能力的问题，那就继续优化——毕竟日常会议动辄 30 分钟往上，每次都要人工先处理一遍也太折腾了。

把超过10分钟的长音频处理改成异步任务 + 切片处理。上传接口只返回 jobId，不要让前端一直等请求完成。后端按 jobId 异步切片、转写、总结、合并结果。前端轮询 jobId 状态，展示上传、切片中、转写中、总结中、完成、失败。保留 maxDuration 配置，但不要依赖单个 API 请求长时间运行。

这轮改动的时间明显长了不少，咱们照旧一路选 Yes。

这次我直接丢了 78 分钟的录音素材进去，会议助手一遍就把转写和分析都跑完了，结果相当清楚。

用着用着我发现，它不光适合记会议内容，视频访谈、播客这类音频信息，也能拿它来快速了解和学习。

 

02. 一些分享

 

上传音频、调用 ASR、生成逐字稿，再调大模型做会议总结、提炼待办、分析发言人观点——搁在以前，这一套至少是一个完整 SaaS 工具的核心功能。而现在靠 Claude Code 和 Step Plan，一个普通用户在自己的本地电脑上，很快就能搭出属于自己的工作流。

更关键的是它不是只能跑个 Demo。之后完全可以按自己的使用习惯继续加功能，自由度几乎没有上限。

Step Plan 真正值钱的地方，是把 Vibe Coding 的试错成本压下来了。

做这种本地会议助手，最烧的其实是中间反复调试：接口报错要改，ASR 返回格式要适配，LLM 分析失败要排查，长音频还得继续优化。要是全按普通 API 计费，用户很容易一边调一边心疼钱，最后干脆不敢多试。

Step Plan 就是给 Coding 场景量身做的月卡，模型调用成本变得可预期，我才敢放心让 Claude Code 多跑几轮、多修几次、多试几个方案。

对普通人来说，把成本焦虑拿掉，敢试、敢用，才是最重要的一件事。

原文链接：Vibe Coding 实战，我用半天时间做了个会议助手