无bot入会：会议纪要的本地解法

有人给自己最得意的 Omarchy 应用更新加了个大件：Meeting Recorder——麦克风和系统音频分两轨录，全部转写用 whisper.cpp 在本地完成；关键是那句承诺：会议里不进任何 bot，数据一步不离你的机器。仓库：github.com/jankeesvw/omar… "无 bot 入会"这四个字，是它和市面上一大票会议助手的分水岭。多数方案的做法是让机器人进会议流，录音上传、云端转写、返回纪要——链路每一步都把话交出去了；这套反着来：录音端在本机、转写端也在本机，会议成员甚至感知不到有工具在工作。同样是把会议变成文字，一个把隐私当成本，一个把隐私当约束。 本地转写这条线今晚其实一直在铺：本地语音、本地验明正身、本地沙箱，拼的都是同一个信念——凡是敏感的，计算就该发生在数据所在的地方。会议内容恰恰是最敏感的一类：工资、人事、还没公开的产品，任何一条流出都是事故；whisper.cpp 在这个尺寸上跑得动，意味着"敏感"和"好用"第一次不必二选一。 双轨录音这个细节也见功力。麦克风轨是你说的话、系统轨是别人说的话——分开录，转写时才能标清谁说的；混成一条，纪要里就只剩一团匿名文本。会议纪要的价值一半在内容、一半在归属，两轨就是把归属录进去了。 对本地路线的老问题——"本地模型质量跟得上吗"——这套给出了个诚实的边界答案：转写是当前本地跑得最稳的那类任务，把 AI 的分工定在"听清"而不是"理解"，理解留给人或按需再上云。分工分对了，本地就不再是将就，而是刚好。 给想试的人一句落地的：先拿你最敏感的那类会开一次——人事或薪酬的，比开十次产品会更能说明问题；跑完对一遍时间戳和说话人归属，两样都准，它就该常驻你的会议流程；顺带把"上一次把会议纪要传给了哪个云盘"这个问题想清楚，你会更理解"不出机器"四个字的分量。