企业官网建设流程全解析

xiaomu-meeting × Open Notebook × Ollama：开完会，知识自己归档、自己关联、自己回答

凌晨1点，某芯片设计公司的技术复盘会刚结束。工程师老张习惯性打开飞书准备写会议纪要，却发现会议系统已经自动完成了一切：45分钟的讨论被转写成结构化文本，提到的3份技术白皮书被提取为引用源，甚至去年Q2一次关于"时序优化"的会议记录也被关联推荐出来。更离谱的是，当他输入"上次说的那个功耗问题"时，系统秒回了精确的答案——包括谁说的、在哪次会议、涉及哪份文档。

这不是某大厂自研的昂贵系统。这是xiaomu-meeting私有化视频会议 +Open Notebook开源知识库 +Ollama本地大模型 的三体组合，用一台内网服务器就能跑通的"会议室大脑"。

架构拆解：三个开源项目的"核聚变"

传统知识管理的死结在于"会议是会议，文档是文档，搜索是搜索"——信息在三个割裂的时空里流转，最终变成散落在各处的"数字垃圾"。

这套方案的底层逻辑是让会议系统成为知识生产的源头活水：

第一层：xiaomu-meeting —— 私有化音视频中台基于Docker Compose一键部署的MCU集群，所有音视频流、屏幕共享、聊天记录完全留在本地服务器。与SaaS会议工具不同，它提供了完整的会议元数据API：参会人、发言时段、共享文件、聊天内容——这些是构建知识图谱的"原材料"。

第二层：Open Notebook —— 开源知识库引擎作为开源的RAG（检索增强生成）平台，Open Notebook负责三件事：会议内容自动归档、多模态文档向量化存储、跨源知识关联。它支持PDF、PPT、图片、视频字幕的混合索引，一个"功耗优化"的查询能同时命中会议录音、技术手册和去年的测试报告。

第三层：Ollama —— 本地大模型推理Qwen3、Llama3、Phi-4等模型完全本地加载，推理过程不经过任何外部API。这意味着你在会议中讨论的商业机密、技术参数、客户数据，从语音转写到知识检索，全程零外流。

四大实战场景：从"开完就忘"到"问即所得"

场景一：会议结束，知识自动"入库归档"

周五下午的产品会结束，系统后台自动执行：

1. 语音转写：FunASR将45分钟录音转为结构化文本，区分发言人，标记时间戳
2. 智能摘要：Ollama本地Qwen3模型提取决策项、待办任务、关键结论
3. 多源关联：Open Notebook自动将会议中提到的"竞品分析报告_v2.pdf""Q3_roadmap.pptx"建立引用链接
4. 标签生成：AI自动打上"产品规划""优先级P0""涉及支付模块"等标签

工程师周一上班时，在知识库搜索"支付模块本周决策"，第一条结果就是上周五的会议摘要，附带精确到分钟的时间戳跳转。过去需要人工整理2小时的会议纪要，现在零人工、零延迟。

场景二：多模态"对话式"知识检索

研发会议上，架构师共享了一张手绘的系统拓扑图，讨论到一半有人问："这个缓存层用的什么协议？"

不需要翻文档。直接对会议中的AI助手说："查一下我们缓存层的协议选型。" Open Notebook的RAG引擎同时检索：

• 过去6个月所有会议中关于"缓存"的讨论片段
• 技术文档库中的《中间件技术选型指南》
• 甚至去年某次代码评审中关于Redis vs Memcached的对比

3秒后返回："根据2026年3月12日技术评审会（参会人：李工、王工）及《架构设计v3.1》文档，当前缓存层采用Redis Cluster，协议为RESP3。相关讨论涉及性能压测数据，已关联至本条结果。"

场景三：低延时互动，"边开会边查知识"

传统RAG系统的痛点是"慢"——检索+生成动辄十几秒，会议节奏根本等不起。

这套方案的优化在于流式处理+本地推理：

• 会议语音通过WebSocket实时流入Open Notebook，边转写边向量化
• Ollama本地模型推理延迟控制在800ms以内（Qwen3 8B模型，RTX 3060显卡）
• 知识检索采用HNSW向量索引，百万级文档的Top-K检索耗时<50ms

实测：在20人参加的周会上，参会者随时通过语音或文字提问，AI助手平均1.2秒返回带引用来源的答案。这种"边讨论边验证"的体验，让会议从"拍脑袋决策"变成"数据驱动决策"。

场景四：跨会议"记忆回溯"，消灭信息孤岛

最让知识管理者兴奋的是"跨时间关联"能力。

当新入职的工程师问："我们为什么放弃Kafka选Pulsar？" 系统不会只给一份文档，而是串联起：

• 2025年11月架构评审会的讨论录音（关键片段：李工提到Kafka在大消息场景下的GC问题）
• 当时的压测报告《Pulsar_vs_Kafka_压测对比.xlsx》
• 甚至关联到今年2月某次线上故障复盘会中Pulsar的实际表现

这不是简单的全文搜索，而是基于语义理解的"知识图谱漫游"。Open Notebook的向量化存储让"Kafka"和"消息队列""中间件选型""GC优化"等概念自动关联，形成真正的组织记忆网络。

安全底牌：数据主权，100%可控

对于金融、军工、医疗、芯片设计等行业，"数据不出机房"是硬约束。

这套方案的安全架构是"物理级"的：

• 网络层：xiaomu-meeting完全部署在内网，MCU节点不暴露公网IP
• 数据层：会议录音、屏幕截图、共享文档全部存储在本地MinIO对象存储
• 计算层：Ollama模型加载在本地GPU/CPU，推理过程零外网依赖
• 应用层：Open Notebook支持细粒度权限控制，会议内容按项目组隔离

某省级银行的科技部门实测后评价："我们之前评估过某国际大厂的智能会议方案，但数据要过境外CDN。这套方案让我们在完全隔离的DMZ区内部署，合规审计一次通过。"

部署成本：比你想象的更轻

• 硬件：4核8G服务器跑10方会议+基础RAG；8核16G+RTX 3060跑本地大模型+实时字幕
• 软件：全部开源，零授权费
• 时间：Docker Compose一键拉起，熟练工程师半天内跑通核心链路
• 维护：自动归档、自动关联、自动索引——知识库自己"长"出来，无需专职运营

结语：会议室的终极形态，是一个有记忆的空间

当会议系统不再只是"传声筒"，当知识库不再只是"文档坟场"，当大模型不再只是"云端黑箱"——三者融合产生的化学反应，是一个有记忆、能思考、会回答的智能协作空间。

你的组织每天产生多少会议？其中多少知识被永久遗忘？xiaomu-meeting + Open Notebook + Ollama 的组合，正在让"每一次讨论都成为组织智商的积累"。

xiaomu-meeting 开源项目：https://gitee.com/angk021/xiaomu-meeting

体验账号：18888888888 / Xiaomu@123（官方演示环境）