Conference Minds

MCP数据服务

提供方 schwentker · 包名 clawhub@latest

数据服务 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude DesktopClaudeCursor
查看接入方式

conference-minds是一款将会议转录内容转化为可查询知识库的工具,支持多格式转录文件处理,并允许用户与特定发言者进行对话式交互。

一句话选型结论

按资料字段整理

Conference Minds 属于数据服务类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude Desktop、Claude、Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类数据服务 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 7 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

数据服务
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量7暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

会议转录Python本地部署知识库对话式交互AI分析本地处理

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
npx clawhub@latest install schwentker/conference-minds

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 7 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 7 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Conference Minds当前 7 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
字段来自项目仓库与公开索引,中文说明由本站标注
提供方schwentker上游标注的维护方 schwentker
分类数据服务本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时clawhub@latest · Node.js本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

12.4 KB
来自项目仓库与上游目录的原文,未做删改

会议思维

将短暂的会议内容转化为持久的对话智能。

conference minds接收任何记录,并生成一个可查询的知识层,在该层中,每个发言者都成为一个不同的会话代理。问一个问题,得到一个由立场最能解决问题的特定演讲者给出的答案。

会议产生的巨大信号在几天内就会消失。录音存在,但没有人重新观看。摘要淡化了使对话有价值的分歧。会议思维保留了结构:谁说了什么,他们在哪里不同意,他们实际持有什么立场,以及他们留下了什么未解决的问题。

状态

核心管道存在。 说话者提取、主题检测、张力检测和问题路由在纯Python中实现为启发式/基于关键字的处理。基本操作不需要外部API调用。CLI和MCP服务器代码已编写,但尚未进行端到端测试。

这是发射前的基础设施。架构是健全的,数据流是定义的,代码可以编译。缺少的是连接:端到端测试、教程文档、LLM增强提取以及与更广泛的summit composer管道的集成。

建造了什么

核心库 (src/core.py):

  • 转录格式自动检测(原始文本、带标签的说话者、SRT、VTT、YouTube)
  • 说话人提取和分割
  • 通过启发式分析产生灵魂(沟通风格、修辞模式)
  • 通过关键字频率提取技能(领域专业知识映射)
  • 跨扬声器的主题检测
  • 扬声器之间的张力检测
  • 加权评分的问题路由(主题匹配、专业知识深度、独特性)
  • 带有段落归属的响应格式
  • 本地文件持久性(~/.conference-minds/conferences/)

命令行界面 (scripts/cli.py):

  • ingest, ask, speakers, themes, tensions, list, export, delete 命令
  • 已编写,尚未使用真实成绩单进行端到端测试

MCP服务器 (scripts/mcp_server.py):

  • 通过FastMCP定义的七个工具,带有适当的注释和输入模式
  • conference_minds_ingest, conference_minds_ask, conference_minds_speakers, conference_minds_themes, conference_minds_tensions, conference_minds_list, conference_minds_delete
  • 代码存在,未在任何MCP客户端上测试

OpenClaw技能 (SKILL.md, package.json):

  • ClawHub技能定义已编写
  • 尚未发布

所有处理都在本地运行。核心操作无外部依赖(纯Python stdlib)。没有数据发送到外部服务。

什么尚未建成

下面的一切都是计划好的架构,而不是工作代码。

LLM增强提取:当前管道仅是启发式的。语音配置文件、合成提要生成和角色内代理响应都需要LLM调用。系统提示和数据契约已定义(在summit composer中),但未连接到会议思维中。

MCP服务器集成:这七个工具以代码形式存在,但尚未在Claude Desktop、Cursor或任何MCP客户端上进行测试。这 conference_minds_compose 工具(生成语音配置文件、策划提要、主题标签)已指定但未实现。

端到端测试:不存在教程。从原始成绩单到归因回复,没有经过验证的工作流程。这是最直接的差距。

矢量存储:扬声器段落目前存储为平面JSON文件。没有嵌入,没有语义搜索,没有跨会议检索。

建筑```

INGEST EXTRACT SERVE
transcript → speakers[] → routed response
(any format) soul.md + attribution
skills.md
passages[]


**摄取** 接受原始文本、.srt、.vtt、YouTube格式或标记的演讲者成绩单。自动检测格式。清除填充音,合并来自同一扬声器的连续片段。

**提取** 为每个说话者生成三个工件:灵魂文件(沟通风格、修辞模式、语调)、技能文件(领域专业知识、关键职位)和索引段落。在演讲者中,该系统检测到共同的主题和紧张点。目前启发式。LLM增强了路线图上的提取。

**服务** 使用加权评分将问题发送给最相关的演讲者。每个回答都包括对特定转录段落的归因。如果两位发言者在这个话题上意见不一致,两种立场都会浮出水面。

## 支持的转录格式

- 原始粘贴文本
- 带标签的扬声器(`Speaker Name: text`)
- SRT字幕
- WebVTT字幕
- YouTube文字记录(时间戳+文本)
- 多会话会议的多个文件

## 计划使用

*这些接口已编写,但尚未验证。此处展示了预期的交互模式。*

### 命令行界面```bash
# Ingest a transcript
conference-minds ingest --name "AI Summit 2026" --file transcript.txt

# Ask a question
conference-minds ask "Why does Peter prefer CLI over MCP?"

# Explore
conference-minds speakers --detail
conference-minds themes
conference-minds tensions
conference-minds list

作为OpenClaw技能(ClawHub)```bash

npx clawhub@latest install schwentker/conference-minds


然后与你的经纪人交谈:
“获取此会议记录并创建演讲者代理”

### 作为MCP服务器

添加到您的MCP配置中(克劳德代码、游标等):```json
{
"mcpServers": {
"conference-minds": {
"command": "python",
"args": ["-m", "scripts.mcp_server"],
"cwd": "/path/to/conference-minds"
}
}
}

更大系统的一部分

会议思维是四部分堆栈中的智能层:┌──────────────────────────────────────────────────────────────┐ │ Transcription Module │ │ Audio/video → text (Whisper) │ └──────────────┬───────────────────────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────────────────┐ │ conference-minds ◄── YOU ARE HERE │ │ Transcript → speakers, themes, tensions, attributed Q&A │ │ CLI + MCP server + OpenClaw skill │ └──────────────┬───────────────────────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────────────────┐ │ summit-composer │ │ Orchestration: sequence tools, write to Supabase │ │ Multi-provider LLM routing, cost tracking │ └──────────────┬───────────────────────────────────────────────┘ │ ▼ ┌──────────────────────────────────────────────────────────────┐ │ moltbot-summit │ │ Social feed UI: interactive summit experience │ │ Agent profiles, curated feed, voice output (ElevenLabs) │ └──────────────────────────────────────────────────────────────┘

路线图

即时(黑客马拉松冲刺)

  • 端到端验证和教程:使用真实的成绩单测试完整的CLI管道。记录从原始成绩单到归因回复的完整工作流程。让初跑体验无缝衔接。
  • LLM增强提取:有线多提供商LLM客户端(Gemini Flash用于解析,Gemini Pro用于语音配置文件)。用捕捉实际说话者声音的构图分析取代启发式灵魂/技能生成。
  • MCP服务器测试:使用Claude Desktop验证所有七个工具。修复任何损坏的东西。
  • 顶峰作曲家融合:将摄取/合成输出连接到Supabase写入。转录输入,活峰会输出,一个API电话。
  • 语音表现:ElevenLabs集成,因此扬声器代理以与其音调和注册相匹配的合成语音进行响应。
  • 模仿德尔菲原型:使用人工智能领导者公开成绩单的演示峰会。一个可查询的面板,显示会议思维的全部功能。

短期

  • 每次会议的矢量存储:使用pgvector(Supabase)或Pinecone嵌入说话者段落进行语义检索。每个会议都有自己的矢量索引,使“查找这位演讲者关于治理的所有内容”查询超越了关键字匹配。嵌入模型:可能 text-embedding-3-small 为了提高成本效益,可升级。
  • 全球矢量索引:在所有摄入的会议中统一嵌入空间。这释放了扁平存储无法提供的三种功能。首先,跨事件的主题搜索:“每个讨论过人工智能治理的人”返回不同会议上不同演讲者的文章,按相关性排序。其次,说话者轨迹跟踪:同一个人在多个场合的位置,显示他们的思维是如何演变的。第三,跨事件张力映射:相同的基本分歧在不同的会议上独立出现,揭示了一个领域的结构断层线,而不是个人意见。
  • 跨峰坚持:同一位演讲者在多个会议上建立了纵向形象。立场在演变。新的紧张局势出现。知识层加深,而不是按事件重置。
  • 饲料再生:用不同的编辑方法重新撰写峰会。A/B测试哪个叙事弧线产生的参与度最高。
  • ClawHub出版:演讲者技能和灵魂作为便携式代理包。

远地平线:吸收智能

会议思维最初是一种记录工具,但其轨迹指向了更根本的地方。

这个想法的最初版本是在2023年的Buildspace上尝试的:一个可以观看黑客马拉松演示视频并产生结构化智能的系统。不是摘要。吸收。该系统将同时解析语音、视频、幻灯片和实时编码,然后对观察到的内容进行推理。这个团队实际上在建设什么,与他们声称的相比呢?这种方法在规模上有何突破?哪些技术决策揭示了更深层次的架构假设?观看此演示后,资深导师会说什么?

2023年的时机不对。多模态模型无法同时处理视频、音频和代码解析,而真正的推理需要连贯性。上下文窗口太小,无法进行完整的演示会话。跨模式推理的成本使其在研究预算之外不切实际。

现在时机正在趋同。Gemini和Claude本机处理多模式输入。上下文窗口可容纳完整的演示文稿。每个代币的成本已经下降了几个数量级。但缺失的部分从来不是模特本身。这是组成层:该系统知道如何将演示分解为演讲者意图、技术声明、架构决策和未说明的假设,然后将所有这些分解为可操作的情报。

这个组成层是会议头脑正在构建的。如今,它处理文本转录。该架构(说话者提取、专业知识分析、张力检测、归因路由)在设计上是模态无关的。当输入从转录扩展到视频+音频+幻灯片+代码时,提取层会发生变化,但合成智能保持不变。

远景版本:将会议头脑指向黑客马拉松演示流。它看着。它吸收。它确定了每个团队实际构建的内容,这些内容通常与他们呈现的内容不同。它检测到团队尚未发现的技术风险。它描绘了以前尝试过这种方法的地方以及发生了什么。它产生了大多数团队从未获得的指导:具体的、知情的、基于实际展示的内容而非宣传的内容。吸收、推理、反思、预测和推荐应用于现场创意输出。会议思维管道是基础。

隐私

  • 核心操作无外部依赖(纯Python stdlib)
  • 默认情况下,所有处理都在本地运行
  • 除非明确配置了LLM路由,否则不会向外部服务发送数据
  • 扬声器代理明确标记为AI重建
  • 所有回复中必须注明出处
  • 转录数据由操作员控制

链式

会议思维链与其他工具:

  • 耳语/转录:摄入前自动转录音频/视频
  • 顶峰作曲家:精心策划,打造现场峰会体验
  • 莫尔伯特峰:演讲者代理发布到互动社交推送
  • 十一实验室:说话者代理的语音表现
  • ClawHub:将演讲者技能/灵魂发布为便携式代理包
  • docx/pdf:导出为格式化报告

许可证

麻省理工学院

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Conference Minds 怎么安装?

在客户端按下面的安装命令接入:npx clawhub@latest install schwentker/conference-minds。对应的包名是 clawhub@latest。装完在客户端配置里引用同一个包或端点。

Conference Minds 怎么在 Claude Desktop、Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Conference Minds 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Conference Minds 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Conference Minds 支持哪些客户端?

资料标注支持 Claude Desktop、Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Conference Minds 能提供哪些能力?

资料显示约 7 个工具;能力标签包括 语音音频、本地处理、Python、Claude。具体工具清单以官方文档为准。

Conference Minds 需要什么运行环境?

运行时为 Node.js;属于本地进程,需要在本机装好运行环境。

Conference Minds 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。