会议录音是一项尚未得到充分利用的知识资产。它们难以搜索，回顾起来很耗时，而且分散在各团队的共享云盘中，导致有价值的洞见常被忽视。
在一场为期一天的黑客松中，三人团队打造了 Callombia。这是一个内部平台，可自动转写会议录音、添加标签、生成摘要并剪辑成片段，再将其汇入一个可供全球各办公室访问和搜索的 YouTube 式代码仓库。
整个解决方案均使用 Codex 构建，借助由 OpenAI 嵌入和余弦相似度驱动的语义搜索，即使未使用完全匹配的关键词，也能找出相关片段；此外还集成了 RAG 聊天机器人和通知系统。
过去需要数周完成的工作，如今只用了七小时。这表明，借助 Codex 等编程智能体进行 AI 原生开发，可以大幅缩短产品开发周期，让内部黑客松真正创造商业价值。
如果你和我一样，可能很少有时间（或耐心）重新听会议录音。这往往是因为你得在杂乱无章的团队共享云盘里翻找，跳过乏味的寒暄，还要一边忙着发送电子邮件和消息，一边努力做到真正认真听。
但也许事情不必如此？也许我们可以打造一款产品，彻底改变会议录音的使用方式？这正是我们近期黑客松项目背后的想法。
短短一天内，我们工程、交付和运营团队的 50 名成员着手解决来自公司各部门的一系列问题，包括扩展招聘运营、简化 SoW 创建流程、了解项目健康状况、实时生成原型，以及从会议录音中发掘洞见。
在这场基于 Codex 的黑客松中，我们打造了 Callombia。Callombia 就像公司的 YouTube，能将每次通话都转化为持续更新、可搜索的资产。每次通话都会自动转写、添加标签并生成摘要，随后按主题剪辑成片段，存入按频道（客户）和主题（AI 专业领域）分类的代码仓库。这样，无论团队成员身处伦敦、爱丁堡、新加坡还是澳大利亚，都能立即查看通话中自己关注的片段。
熟悉且符合品牌风格的用户界面让内容探索直观易用，语义搜索（当然还有 RAG AI 聊天机器人）则帮助人们准确找到所需内容。新增的通知系统还允许同事订阅特定主题，并在发布与其相关的新片段时收到通知。
不过，Callombia 最酷的地方不是产品本身，也不是赢得黑客松的 2,000 英镑奖金（小小炫耀一下），而是两名工程师和一名交付负责人仅用七小时就完成了这一切。这在一年前还不可能实现。编程智能体的进步极大加快了产品开发的端到端流程，而这场黑客松也成为了解其能力参差边界的绝佳试验场。那么，我们是如何使用 Codex 的？
我们没有直接写下一大堆需求，而是先以提示的形式，分享团队对问题领域以及 Callombia 愿景的共同看法。我们刻意不提供具体细节，让模型主动发挥并进行创造性思考：
经过 10 分钟的来回沟通，我们开启了规划模式，以明确需求并为构建中的技术部分提供指导。规划模式就像在回答那个烦人的朋友提出的问题——不过他确实很有帮助，因为他已经把所有可能的情形都考虑到了。在确定视频数量、采用语义搜索还是关键词搜索以及使用何种架构等事项后，它生成了一份 Markdown 文件，成为后续项目开发的基础。
制定好计划后，下一步便是构建让 Callombia 真正运行起来的核心组件。这意味着要建立一条将通话录音转化为可搜索资产的管道：
摄取视频和转写文本；
将其分块为有意义的片段；
利用摘要和标签丰富内容；
通过 API 将内容提供给前端使用。
Ed 主要负责将原始录音和转写数据转换为可用格式，Nico 则更专注于检索层，让用户能够发现这些片段。借助 Codex，他们建立数据模型、提取脚本和后端基础设施的速度远超手动开发。我们得到的远不止是附在视频上的转写文本。我们得到的是一个个精彩片段：Tesco 部分、战略更新、招聘讨论，或是某次通话中用户真正想看的特定 90 秒内容。
检索层尤其令人兴奋。我们希望用户输入“财务表现”“Tesco 路线图”或“对话评估”等内容后，即使通话中从未出现过这些原词，也能直接找到最相关的片段。为此，我们创建了包含时间戳、摘要、转写文本和元数据的内容块。有了清晰的架构思路，再加上 Codex 的大力协助，我们将主题、摘要和转写文本合并为单一输入，并使用 OpenAI 的 text-embedding-3-small 模型为每个内容块生成嵌入。我们将这些嵌入存入数据库，并使用余弦相似度将用户查询与每个内容块进行比较，从而构建了语义检索层，而不只是简单的关键词搜索。
这种方法的准确性极高，也让产品在黑客松演示中呈现出一种“魔法”般的体验。与此同时，我们也知道，如果视频数量持续增长，这种方法无法无限扩展，因为将每次查询与所有内容块逐一比较，成本最终会变得过高。下一步自然是引入更高效的检索策略，例如分层可导航小世界（Hierarchical Navigable Small World），以减少比较次数，并在语料库不断扩展时保持较低延迟。这项功能运行起来后，Callombia 不再像一个媒体库，而更像是一套知识系统。
与所有优秀的黑客松项目一样，这部分也需要不断迭代：最初的分块边界过于粗糙，一些时间戳需要收紧，部分标签范围太宽，而且转写文件和录音文件也并非总能整齐对应。但价值也正是在这里显现出来。Codex 让我们能够快速完善系统，而不会困在设置和返工中。最终，我们打造出了一个能够支持视频片段、文本摘录和真正实用的语义搜索的后端。至此，Callombia 开始像一款真正的产品，而不再只是黑客松演示。
Ed 和 Nico 构建摄取与智能层的同时，我负责构建前端。利用我们的全栈模板，我没有编写一行代码，便迅速搭建出了网站的第一个版本。让它在我的浏览器中打开本地网站后，我会用简单的项目符号反馈，引导它反复调整设计，直至达到我想要的效果。
经过约一小时的来回调整，我得到了一个相当满意的版本，尽管自己完全没有用户界面或设计经验。虽然最终产品肯定还不完美，但作为第一个版本已经相当不错，足以帮助人们理解这款产品。
为了确保当天结束时能拿出成果，我们提前分配了工作。不出所料，各自相对独立地工作几小时后，每个人的本地分支都出现了大量冲突。
我们没有花费本就不够用的时间逐项仔细解决冲突，而是决定直接让 Codex 在代码仓库中放手处理，自行修复这些冲突。目前我们并不建议在企业级软件开发中采用这种做法，但它在低风险环境中展现出的效果令人惊叹，也为我们节省了许多时间。
黑客松的最后一项任务是录制 Callombia 的演示视频，供评委观看。虽然我们的第一反应是打开 Loom 进行录制，但我们觉得，这可能是对 Codex 的一次真正考验，也略微超出了它目前的能力范围。于是……我们写了一段提示，向它提供 Callombia 网站的链接，附上我在 OpenAI 开发者平台录制的声音，然后让它完成其余工作。
第一次尝试的效果就非常惊艳——它编写了演示脚本、录制了屏幕、添加了我的配音，基本达到了要求。唯一让我们不太满意的是配音与演示画面的同步，因此我们要求它：“强制要求：配音必须与演示画面中显示的内容完全对齐。此前存在不同步的情况（例如在聊天页面）。最后务必反复检查配音与屏幕录制演示的同步情况。请不惜采用任何可行方法让二者匹配。”
针对这一要求，Codex 将配音和录像拆分成更小的片段，几乎完美地完成了任务，正好赶上下午 5:30，大家得以用啤酒和披萨庆祝。
我们知道，Callombia 解决的是大多数企业都会面临的问题。在快速扩张的公司中参加每一次通话并不现实，但通话中分享的宝贵见解却极具价值。现在，我们只需将它投入生产环境。
但其中还有一个关于迈向 AI 原生的更重要启示：投入工程与产品才智来解决共同问题，会带来巨大收益。通过跳出日常工作节奏、开展跨团队协作，并置身于带有一定竞争性的环境中，我们最终得到了多项只需稍加调整便可投入生产的解决方案。定期开展此类活动，可以确保我们的内部运作与为客户打造的解决方案同样高效顺畅。