Meeting Agent
简体中文 | English
Power your agent
पब्लिशर का इंस्टॉल। PlugMCP एंडपॉइंट नहीं।
Host a copy with our keys and logs.
रजिस्ट्री में अभी कोई पैकेज्ड रिलीज़ नहीं है। रिपॉज़िटरी का README देखें.
रिमोट URL या आपकी मशीन पर कमांड? दोनों इंस्टॉल में क्या अंतर है
PlugMCP पर चलाएँ
A new server you create. It is not this listing's official endpoint. Use the publisher install when you want their URL and their credentials.
लॉन्चपब्लिशर से
简体中文 | English
A full-stack multimodal meeting intelligence system with layered RAG, long-term memory, and skill-based generation.
Meeting Agent 是一个全栈 RAG 应用:它可以接收会议录音、文档、文本/数据文件和图像,完成转录或解析,将规范化内容写入语义与词法索引,并提供带引用的问答、对话记忆、知识图谱实体跟踪以及可选的 Web 搜索增强。准确的文件扩展名与处理器支持矩阵以摄取管线文档为准。
**文档状态:**维护中的指南和架构参考已于 2026-09-10 根据源码树、OpenAPI 契约、Compose 拓扑和 Alembic 迁移链完成核对。带日期的审计报告仍作为历史证据保留;请从 docs/README.md 进入当前文档导航。
由 35 张精选截图制作的动态导览,包含聊天流程及长回答的后续画面,展示素材管理、PDF/幻灯片与视频预览、限定范围的带引用问答、历史记录、Memory、设置,以及基于 Skill 的文档生成。每个画面均留有阅读时间;播放节奏不代表应用的实际响应速度。

[N] 编号;Chat 界面中的引用均可点击,并跳转到对应来源页、幻灯片或时间戳。/api/v1、按端点限流、使用 AES-GCM 加密响应存储的幂等键、HMAC 签名文件下载令牌,以及结构化 JSON 日志。┌─────────────────────────────────────────────────────────────────┐
│ 前端(React 19) │
│ 聊天 · 素材 · 记忆 · 历史 · 生成 · 设置 │
└──────────────────────────────┬──────────────────────────────────┘
│ /api/v1(经 Vite/nginx 代理)
┌──────────────────────────────▼──────────────────────────────────┐
│ FastAPI · LangChain LCEL │
│ │
│ 上传 → 解析/转录 → 分块 → 嵌入 → Chroma │
│ ↓ │
│ BM25 + FTS5 │
│ │
│ 查询 → 范围路由 → 检索 → 重排 → 上下文 │
│ ↓ │
│ LLM │
│ ↓ │
│ 回答 + 引用 │
│ │
│ 持久任务:摄取 · 摘要 · 事实抽取 · 说话人更新 │
│ Memory:类型化版本 · 证据 · 生命周期 · KG · 衰减 │
└──────────────────────────────────────────────────────────────────┘
后端 —— FastAPI 0.135+ · LangChain LCEL · ChromaDB · SQLite(WAL、Alembic 管理)· slowapi · Pydantic v2。 前端 —— React 19 · TypeScript · Vite 6 · Ant Design 6 · react-router v7 · framer-motion。 基础设施 —— Docker Compose · Helm Chart · Prometheus + Grafana + Loki + Promtail(可选可观测性栈)。
cp backend/.env.example backend/.env
# 编辑 backend/.env:设置 LLM_API_KEY(必需)和 ASSEMBLYAI_API_KEY(处理视频时需要)
make start
make start 会以 restart: unless-stopped 策略在后台启动容器。使用 make status 查看状态,使用 make stop 优雅停止。
Compose 声明的端口映射(宿主机 → 容器):后端 7008 → 8000,前端 8307 → 8080。
如需启用鉴权的 Compose 部署,请将 .env.compose.example 复制为 .env.compose,并设置共享的 API_KEY、PRINCIPAL_PEPPER、CORS_ORIGINS 和非开发模式的 ENVIRONMENT。模型提供商密钥仍存放在 backend/.env;.env.compose 已被 Git 忽略。
ws://localhost:7008/api/v1/ws# 后端(Python 3.12+)
cd backend
uv sync --dev # 推荐;使用 uv.lock 保证可复现安装
# 可选依赖(仅在确实使用对应提供商时安装):
# uv sync --dev --no-group production --extra multimodal # 仅限开发评估;参见 SECURITY.md
# uv sync --dev --extra google # Vertex AI Embedding
# uv sync --dev --extra huggingface # 本地 HF Embedding + BGE 重排器
# uv sync --dev --extra local # huggingface + llama-cpp-python(完全离线)
# uv sync --dev --extra observability # Sentry + OpenTelemetry
cp .env.example .env # 设置 LLM_API_KEY 和 ASSEMBLYAI_API_KEY
uv run python -m uvicorn src.main:app --reload --port 7008 # http://localhost:7008
# 前端(Node 22–24;在另一终端执行;`.node-version` 选择 Node 24)
cd frontend
npm ci
npm run dev # http://localhost:8307,代理 /api → :7008
make dev # 并行启动后端和前端
make dev-be # 仅启动后端
make dev-fe # 仅启动前端
make cli # 交互式终端前端(scripts.cli_agent)
make lint # 检查全部代码
make test # 运行全部测试
make e2e-auth # 隔离的生产模式 API Key 浏览器检查
make e2e-full-stack # 隔离的真实浏览器验收套件
make qa # 完整 QA:lint + 测试 + 构建 + 隔离 Playwright E2E
make clean # 删除生成文件
pip install pre-commit && pre-commit install
.pre-commit-config.yaml 中配置了 ruff、eslint、prettier、bandit、gitleaks 和 detect-secrets。
三级覆盖顺序(越靠后优先级越高):
backend/config/main.yaml —— 非敏感默认值(模型名称、RAG 参数、上传限制)。backend/.env —— 密钥和环境级覆盖。配置通过 pydantic-settings 合并。backend/.env.example 有意只包含凭据和常见覆盖;高级调优请使用 backend/config/main.yaml 或查阅 backend/docs/configuration.md。
backend.replicaCount=1),因为 SQLite 无法安全共享写入。backend.secretName。LLM_MODEL=qwen-plus
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_API_KEY=sk-your-dashscope-key
uv run python -m src.mcp # stdio 传输
MCP_TRANSPORT=streamable-http MCP_HTTP_PORT=9000 \
MCP_API_KEY=replace-me uv run python -m src.mcp # 回环地址 HTTP
提供的工具:list_meetings、search_meetings、ask_about_meetings、manage_memory、list_skills、invoke_skill。
所有产品 API 路由都使用 /api/v1 版本前缀;Prometheus /metrics 端点有意位于该前缀之外。受保护路由通过 X-API-Key 请求头认证(API_KEY 为空表示开发模式);存活、就绪和基础健康探针有意保持无需认证。限流按端点设置:上传/聊天 20 次/分钟、设置 5 次/分钟、读取 60 次/分钟。错误统一使用 ErrorResponse 包装(code、message、request_id、details)。完整的生成契约导航请参见 backend/docs/api-reference.md;下表是面向产品的精简索引。
/memory 工作区用于审核、组织和复用从对话与会议材料中提取的长期知识。
记录会保留生命周期状态、版本、项目范围和来源证据,而不是被当作未经验证的自由文本模型记忆。
关键治理行为:
桌面端标签栏和窄屏下拉选择器提供相同的七个视图。资料库选择器、筛选器和批量操作均位于页面卡片内部;桌面端仅虚拟化记录区域滚动,窄屏设备使用有边界的响应式列表。交互与布局细节见前端 Memory 工作区文档,抽取、持久化、召回、生命周期和知识图谱机制见记忆与知识图谱文档。
cd backend
uv sync --dev
uv run python -m uvicorn src.main:app --reload # 开发服务器
uv run python -m src.mcp # MCP 服务(stdio)
uv run python -m scripts.cli_agent # 交互式 CLI
uv run ruff check src/ tests/ # lint
uv run ruff format --check src/ tests/ # 格式检查
uv run pyright # 类型检查
uv run python -m pytest # 完整后端测试
uv run python -m pytest tests/chain/ # 运行一个目录
uv run python -m pytest tests/meetings/test_api.py::TestMeetingsEndpoint::test_upload_unsupported_format
测试标记(定义在 pyproject.toml):unit、integration、benchmark、property、chaos。
测试隔离:conftest.py 会在导入任何应用模块前 monkey-patch constants.DATA_DIR,使测试使用临时数据库,而不会接触生产数据 data/meetings.db。不要在 conftest.py 的模块顶层导入应用模块。
CLI 使用参考:backend/docs/cli.md。
cd frontend
npm install
npm run dev # 端口 8307,代理 /api → :7008
npm run build # 生产构建
npm run lint # eslint
npm run lint:fix
npm run format # prettier --write
npm run format:check
npm run type-check # tsc --noEmit
npm run test # vitest watch
npm run test:run # vitest 单次运行
npm run e2e # Playwright(全部浏览器)
npm run e2e:headed # 有界面的 Chromium
npm run mutation # Stryker 变异测试
运行单个前端测试:npm run test:run -- src/test/App.test.tsx,或使用 -- -t "renders welcome"。
cd backend
uv run python -m scripts.benchmark chat --iterations 5 # 聊天管线延迟
uv run python -m scripts.benchmark ingest --iterations 3 # 摄取管线
uv run python -m scripts.benchmark micro # 组件微基准
uv run python -m scripts.benchmark rag-all # 检索 + 回答 + 快照
uv run python -m scripts.benchmark reranker-quality # 受控重排器对比
uv run python -m scripts.benchmark all --iterations 5 \
--process-report benchmark-results/e2e-smoke.json # 全部必需套件
Benchmark 使用临时数据库和 tests/fixtures/benchmark/ 中的合成 fixture,结果写入 benchmark-results/。完整说明参见 backend/docs/benchmarking.md。
下表是唯一的当前得分摘要,生成相关套件的最新验证完成于 2026-09-09 17:39 UTC。机器可读结果、报告哈希、模型角色与限制记录在 docs/validation/latest-benchmark.json 中。
Chat、RAG Answer、Multi-turn 和 E2E 已在移除错误的 2.5 秒硬生成截断后重新运行;不受影响的套件保留各自最近一次结果。因此,下表是“各套件最新结果”的汇总,而不是同一时刻完成的一次原子化全套运行。
验证时的模型角色分别是:z-ai/glm-5.3-flash 用于主生成,qwen/qwen3.8-flash 用于独立评审,deepseek/deepseek-v4-flash-vision-exp 用于 Memory 抽取和视觉任务。这些是面向本项目合成数据的诊断,不是仓库默认配置,也不是通用模型排名。OpenRouter 提供商端点没有固定到特定后端。由于两个 Chat 性能门控均未通过、公开质量集规模较小且为合成数据、多轮对话仅进行一次评审、视觉仅使用一张截图,并且运行中观察到提供商 504 及查询改写/指代消解超时,系统目前仍然未达到发布就绪状态。
一条命令启动监控栈:
export GRAFANA_ADMIN_PASSWORD="$(openssl rand -hex 24)"
docker compose -f docker-compose.yaml -f docker-compose.observability.yaml up
/metrics 端点。data/logs/ 采集文件,无需暴露 Docker Socket。monitoring/prometheus/alerts.yaml)覆盖请求延迟、错误率、断路器触发和磁盘使用率。发布由 Git Tag 触发:
git tag v0.2.0
git push origin v0.2.0
.github/workflows/release.yml 会构建多架构后端/前端镜像并推送到 GHCR,执行冒烟测试和全栈 E2E、验证 Helm Chart、通过 git-cliff 生成 Changelog,并创建 GitHub Release。手动恢复 Action 只能提升已经发布的容器镜像;它要求明确的“仅二进制”确认,以及同一仓库中带 data-recovery-approved 标签的 GitHub Issue;它不会降级或恢复 SQLite、上传文件或 Chroma。
镜像发布还会以失败关闭方式检查:docs/validation/release-readiness.json 必须存在、来源于干净运行、匹配当前数据集/测试框架/实现指纹,并明确记录生产质量、人工业务审核、性能 SLO 和安全门控均已通过。
每个门控都必须通过路径和 SHA-256 引用仓库中的常规 JSON 资产。资产必须未过期、注明审核人、绑定同一组实现指纹,并包含 docs/validation/release-evidence-artifact.template.json 中所示的门控完成字段。随后工作流会在提升前校验候选镜像的精确 Digest。请从 docs/validation/release-readiness.template.json 开始;历史验证文件不能满足该门控。
候选镜像冒烟测试会在启用生产验证的情况下启动后端,并使用与质量工作流相同的受保护提供商配置。发布前请配置以下仓库 Actions Secrets:QUALITY_LLM_API_KEY、QUALITY_LLM_BASE_URL、QUALITY_LLM_MODEL、QUALITY_EMBEDDING_API_KEY、QUALITY_EMBEDDING_BASE_URL 和 QUALITY_EMBEDDING_MODEL。任何值缺失都会在镜像提升前终止候选任务。
backend/docs/operations/slo.mdbackend/docs/operations/sla.mdbackend/docs/operations/backup.md、backend/docs/operations/restore.mdbackend/docs/operations/retention.mdbackend/docs/operations/alembic.mdbackend/docs/operations/runbooks/A full-stack multimodal meeting intelligence system with layered RAG, long-term memory, and skill-based generation.
टूल
अभी टूल सूची नहीं है। रिमोट सर्वर को पहले हेल्थ चेक के बाद सूची मिलती है।
FAQ
इस पेज पर Cursor, Claude Desktop, Claude Code या VS Code के लिए stdio कॉन्फ़िग कॉपी करें। यह पब्लिशर का इंस्टॉल इस्तेमाल करता है, PlugMCP प्रॉक्सी नहीं।
इस रिकॉर्ड में कोई ज़रूरी एनवायरनमेंट वेरिएबल दर्ज नहीं है।
Meeting Agent stdio पर लोकल चलता है।
पिछली जाँच 2026-10-28 को हुई। A full-stack multimodal meeting intelligence system with layered RAG, long-term memory, and skill-based generation.