[00:00:02] 大家下午好，今天是六月十六号。咱们这次双周例会先别急着逐个报流水账，就是说我们先看上线卡在哪里，再把部署成本、设计改版和评估集连起来，最后每件事情都落实到负责人和日期，中间休息五分钟。思远今天在外地，电话信号有变化就直接提醒。我先把文档位置说一下，群里置顶那份是今天的议程，第二页是上次行动项，不是昨天发的旧版本。韩玉已经更新接口状态，童心然的设计稿还在同一个连结里。大家如果发现日期不对，直接在会上指出来，别等结束以后各自理解成不同的排期。我这边声音正常，演示环境也开着，不过今天不跑整段录音，免得演示占掉太多时间。我准备了三组请求记录，分别对应成功、超时和识别人名出错。欧阳靖要是想看用户实际收到什么结果，我可以把同一次请求的前后端记录放在一起讲。设计稿我上午刚整理过，首页和设置页现在能分开看，不需要从一大张画布里找。先提醒含域，有两个按钮指示站位，不代表追踪都要开发。我会把必须跟上线走的改动和可以延后的改动标清楚，避免大家看见新图就以为范围又扩大了。评估集我带了第一版，一百条都有人听过和标过，但里面有些边界需要大家定一下，比如一句话里同时说到“含域”和“含语”，究竟算两个不同的人，还是用户口误，我不能自己猜。今天我想先把规则问清楚，再交最后的分数，省得数字看着整齐却没法比较。好，齐消这个提醒很重要。就是说，今天我们不追求每个问题当场解决，而是要把判断标准说清楚。思远的成本数字也一样，先分清已经花掉的钱和迁移以后可能省的钱。咖啡大约中途进来，只待几分钟，我们把需要他判断的问题提前收拢一下。咖啡那边我确认过了，他不是来听完整路线图，主要想知道这两周有没有更可靠的实用信号。Priya今天不会参加，她已经把合作方接口的问题写在邮件里，我会带她转述确认过的部分，没有确认的部分不替她拍板，尤其是人名词表能不能动态更新。那就按这个顺序来，先含域讲真实上线状态，欧阳静补用户侧的影响，再请思远讲部署。大家插话可以，但一次问一个问题，别让电话那头听见三个人同时说。今天的会议记录会整理成决定和待验证两栏，讨论过不等于已经决定，这点咱们先说在前面。现在上线链路已经连起来了，用户从intake提交音频，任务会进入队列，再调用AIBuilderSpace的转写接口，最后回到VoiceFlow的结果页。正常路径能跑通，真正挡着发布的是异常状态没有出口。接口返回成功，不代表内容已经完整落库，这两个时刻现在偶尔会错开。从用户这边看，最难理解的不是多等两秒，而是页面已经显示完成，点进去却只有前半段文字。昨天我试了一段讨论采购的录音，前面有结果，后面还在补，界面没有告诉我。我希望上线前至少把状态说准，宁可明确显示，处理中，也不要让用户以为自己的声音丢了。这个我认可，原因是我们把合作方的任务结束通知直接映射成了完成，后面还有一段分块合并。韩域这边会加一个内部中态，合并和保存都成功以后才对外报完成，不过这样要补一个失败分支。如果保存失败，就不能再拿转写成功的提示遮过去，需要允许重试保存。Priya邮件里说，他们最近调整过回调字段，但没有承诺所有环境同一天切换。我们现在的测试环境已经是新字段，部分老任务还是旧结构，所以我要请韩域把兼容范围写出来，别只说支持新接口。哪一批任务会受影响，用户要不要重新上传，这些都得进上线说明。我昨天复现的时候还碰到一个情况，同一段音频，第一次把同心然写成同心然，第二次又写成同心然。普通词基本都对，人名儿却老是识别错，读起来还挺顺，用户不一定马上发现。我把这些例子单独留了原音频，后面讨论评估的时候可以听，不只看文字差异。这个问题先记成独立风险，别混在整体准确率里。就是说，如果一段会议纪要打负责人名字写错，哪怕其他句子都对，也可能把任务派给不存在的人。韩玉先讲现在有什么不训练模型也能做的办法，欧阳静再判断哪些信息可以让用户提前提供，咱们别一上来就跳到训练。目前能做的是给转写请求带一份短词表，但AIBuilderSpace对词表的支持还不够稳定，有时只影响后选不保证最后输出。我不想在服务端做无条件替换，比如看见韩玉就改成韩玉，那会把真的韩玉改错。更安全的是结合本场参会名单给出待确认的建议。参会名单可以做，但得分清用户主动输入和系统猜测。Intel可以增加一个可选的人名字段，提示用户填本次会议里容易写错的名字，不要求先建完整通讯录。Purea需要确认这些名字会不会被合作方保存，如果对方没有明确答复，我们就不能默认把整份团队名单发过去。如果是可选字段，我建议别在第一屏摆一个很正式的表格，会让人以为上传录音前必须录入所有成员。可以在展开项里放几个名字示例，并说明只用于这次转写，结果页里再提供逐个确认的入口，但不要一键悄悄改全文，至少第一次要让用户看见改了什么。实验方面我补一下，当前小样本里从音频上传结束到首段文字出现，中位数大约三秒二，比较慢的那一档接近八秒，这里包含合作方排队，不只是模型推理。后面思源讲preview的时候，大家别把那个数字直接当成用户等待时间，两者统计起点不一样。发布范围我想收成两层，内部先全开，外部只邀请已经同意参与测试的团队，不做公开入口。外部测试里再保留一组旧版结果页，这样才能知道新提示到底有没有帮助。韩宇，如果觉得两套页面维持成本高，我们可以把差异限制在提示和确认入口，不动任务核心逻辑。我可以给每次测试留一个统一记录，里面有音频时长、说话人数、是否填名单和最终错误类型。现在大家截图发群里，过两天就对不上任务了。为了不保存真实客户内容，我会先用团队自己录的材料，外部反馈只登记脱敏后的问题描述，原文件还是放在受控位置。这套记录就交给齐萧牵头，但不要变成另一张没人填的大表。就是说，我们只收能帮助做决定的字段，像设备颜色这种暂时无关的信息先别放进去。欧阳靖负责把用户场景分成两三个常见类型，韩玉把任务编号打通，保证一条反馈能追到一次真实请求就够了。日志现在最缺的是跨系统关联，我们自己的任务编号和合作方的请求编号没有稳定地放在同一条记录里。我会在接收回调时补齐，并且把音频地址从普通日志里移掉。这样Priya查问题的时候，拿到的是编号和时间窗，不会因为一次排查就顺手看到用户的下载链接。还有一个容易被忽略的地方，用户在Intake里勾选“同意上传音频”，不等于同意我们拿它训练模型。后面即使要做LoRA，也不能直接拿这批数据用。我的建议是，先把服务处理、问题排查和可选改进用途分开写，文案不追求长，但每一种用途都要能说清楚。文案我来压缩，不过我不建议把三个勾选框排成一样的样子。完成当前任务必须的信息可以明确提示，可选的数据贡献默认不选，不能靠浅灰色小子绕过去。另外，名字词表如果只在这次任务生效，页面上就要写“这次”，不要写成听起来会永久记住用户关系的表达。技术上，这几个用途也能分开存，服务处理用任务状态，排查权限走单独的审批标记，训练授权另设字段。我担心的是删除路径，用户撤回以后，缓存、对象存储和导出的排沙包都要能找到。我会先列清单，不承诺一天内做完整套自动化，但上限不能没有人工执行流程。人名还有个碰撞问题，我的样本里既有合作方工程师Priya，也有一句中文里说的Pia，录音听起来很近。如果只按名单强行替换，可能得到好看的分数，但实际把别人名字吞掉了。我会保留这种复利，检查系统是不是在不该纠正的时候也乱改，而不是只盯着改对了多少次。上限说明，我会按用户能理解的语言写，不用把缓存和回调都搬上去，重点是当前支持哪些录音，处理失败能不能重试，名字建议需要人工确认。Priya确认接口兼容以后，我再补一致限制。没得到她答复之前，那一项保持待确认，不会为了让排期好看就写成已完成。上线部分我先收一下啊，核心不是再塞两个功能，而是把完成状态名字确认和问题追踪做扎实。就是说，韩玉交技术边界，欧阳靖交用户边界，齐肖给能复现的证据。我们先拿一条完整任务证明这些边界成立，再讨论扩大人数，别用更多测试用户掩盖现在还没解释清楚的问题。接下来谈部署和成本。就是说，眼下账单上涨已经影响我们能试多少轮，不只是月底报销的时候难看。思远在电话上，思远你说一下，你先报实际发生的费用，再说前一方案。大家有问题等一句话讲完再接，免得电话延迟让思远听不清楚，也别把预计节省当成已经节省。用电话接入，刚才把账单截图发到群里了，先报已经核对过的数字。Collab上个月是1260元，这个月截止昨天已经到2180元，增加920元，涨幅约73%。这不是预计月底的封顶金额，后半个月如果维持现状还会继续增加。我已经把计算资源、网络出口和存储拆开列了，不会把合作方转写接口的费用混进来。欧阳镜可以直接拿这张表做预算。资源，我先确认一下，你说的2180元是已经发生的金额，不是控制台按当前用量外推的月底预测对吧？因为这次增长主要是某个实例规格变了，还是本来应该休眠的服务一直在跑，这两个原因对应的处理不一样。我得知道今晚是否能先做个安全的止损改动。这个区别很关键，感谢思远拆开讲。我想追问的是，如果今天先让空队列的实例休眠，用户第一次上传会不会遇到明显的冷启动？我们可以接受内部测试慢一点，但外部用户如果卡在提交之后没有反馈，会以为上传失败。迁移时间也请明确到哪一天，方便我安排测试通知。4月18号确认后且少量请求，6月19号中午再决定是否全部切过去。韩域需要给我固定版本的请求样例和超时规则，欧阳镜需要准备失败提示与测试名单，黑亚只需确认回调同事策略，不需要它给我们步。四月，这样分开前我比较放心，上传入口先不动，故障范围会小一些。哎你再讲讲性能依据，别只说自己机器便宜。我尤其想知道，现在线上那些固定提示有没有真正复用起来，还是我们只是打开了缓存开关，指标儿看着有名字，实际请求根本没有命中。私远，我这边想把回放记录接近评估，但需要知道你说的同一套请求有没有固定顺序，缓存不会跨团队拿来补别人的名分，更不会当做长期记忆。私远，我这边想把回放记录接近评估，但需要知道你说的同一套请求有没有固定顺序，缓存很容易被连续跑同一个例子抬高，如果线上用户换来换去，命中率可能掉得很快。能不能同时留一个打乱顺序的结果，让我把效果变化和测试顺序的影响分开看。这只是输入预处理阶段，不包含上传、排队和输出生成，不能直接说整个任务快了一半。我会把原始计时点和每轮请求顺序一起交给系统，另外保留关闭缓存的对照，方便韩域检查有没有统计错乱。这个统计口径可以，我会按相同计时点再核一遍。另外要提醒思远，整理和纠错服务现在有长输入，不能只看短提示的测试。我会补几条接近长度上限的请求，确认缓存占显存以后不会把并发压得太低，尤其别在切流之后才发现长会一全部排到队尾去了。对，这里不能拿单项更快代替整条链路更稳。就是说，思远的数字可以作为迁移依据，但还不能直接写成产品宣传。接着，请你把机器容量和回退条件说完，韩域负责确认应用侧能不能按这个条件切回来，别等故障时再临时决定什么程度算严重。机器是24G字节显存，当前模型加缓存的峰值占用约21G字节。我先把并发限制在两条，不会为了存储把一量吃光。切流时先放10%的请求，持续观察30分钟。如果错误率超过1%或者排队时间连续5分钟超过3秒，就摧毁原服务。旧实例会保留到6月19号中午，期间不删配置，也不改数据库结构。韩域帮我验证任务能否密等格式，齐消负责盯住长输入样本。电话不稳定时，我会通过群里发状态，我让大家猜。四元，切回原服务以后，前端能知道任务是重试中还是已经失败吗？如果用户看到一个转圈突然归零，设计上没法解释。我不需要展示部署细节，但需要一个稳定的状态，例如继续处理中或者请稍后重试。韩域，最好把这两个状态也放进你们的回放检查里。前端不必感知切到哪台机器，回推时同一任务编号保持不变，状态仍是处理中，只有重复额度耗尽才保失败。成本方面，签约后的整月稳态估算是1380到1580元，包含机器分摊、电费、网络和剩余云服务，比当前2180元的月度对照少600到800元。但当前账单仍在累计，这不是本月最终节省额，双跑会并留300元预算。我把机器折旧也记录分摊了，意念拿自有设备免费这个假设来美化结果，欧阳镜可以形象复合。我会按你这张表复合，不过还要请思远把现有云服务的月度对照口径标清楚，呃刚才2180元是半个月已经发生的钱，拿它做稳态比较只能算保守参考，不能当成完整月预测。对外我只会说在验证降本方案，不会现在就报一个看起来很漂亮的节省比例。同意，我会明确标成已发生费用的保守对照，不把半月金额写成完整月预算，也不做全年收益推算。今天晚上先停掉确认无用的预览实例，空对列休眠要等含域验过以后再开。6月17号我需要重新完确认重试文案，6月18号贴流前需要欧阳镜确认通知引发，提交把回放报告放在子等一页。天以后连续观察7天，每天记录成本和维护耗时。如果只是换成自己半夜值班才省钱，我们也要把人工维护时间写进去，再决定这个方案是不是值得长期保留。收到，资源这部分记录成三个结论：今天先处理确定无用的资源，18号只签推理服务，19号中午之前保留回退能力，成本不提前认领，性能不混用口径。含域和取消后面谈评估时，要引用刚才那组缓存与预处理数据，别又另起一套大家对不上的数字。KV已经进来了，我先简单介绍一下。KV是关注我们下一阶段进展的投资人，今天只听几分钟，就是说我们不展开演示，重点请他讲清楚留存、日活和融资判断之间的关系。欧阳靖可以补一个问题，其他细节留到会后邮件，免得让KV在很短的时间里反复切换话题。HiKV,welcome.Wehaveafewminutestogether.Couldyoufocusonretention,meaningfuldailyactivity,andtheevidenceyouwouldwantbeforeournextfundraisinground?Thanksformakingthetime.Onretention,Iwouldseparatecuriosityfromrecurringvalue.Apersonwhouploadsonerecordingafterseeingademoisnotyetaretainedcustomer.Definethecoreactionascompletingausefultranscriptionanddoingsomethingwiththeresult,suchascorrectingit,exportingit,orsharinganapprovedversion.Thentrackwhethercomparablegroupsrepeatthatactionoversubsequentweeks.Thedefinitionshouldremainstablelongenoughforustolearnsomethingfromthetrend.Thathelps.WehavesmallteamsusingVoiceFlowforrecurringmeetings.Shouldweevaluateretentionattheindividuallevel,theteamlevel,orboth?Both,butdonotcollapsethemintoonenumber.Individualretentiontellsyouwhethertheexperienceispersonallyuseful.TeamretentiontellsyouwhetherVoiceFlowhasenteredanactualworkflow.Oneenthusiasticorganizercankeepateamaccountalivewhileeveryoneelseignorestheoutput.Lookforrepeatedparticipation,notmerelyrepeateduploadsbythesamechampion.Forameetingproduct,weeklyretentionmaybemoreinformativethandailyretentionbecausethenaturalneeddoesnotnecessarilyoccureverysingleday.Dailyactiveusersstillmatter,butIwouldaskwhatmakessomeoneactive.Openinganotificationshouldnotcountthesameasfinishingatask.Showmeaningfuldailyactivityalongsideweeklyactiveteams,andexplaintherelationshipbetweenthem.Also,separateinternaltesters,invitedexternalusers,andpayingcustomers.Arisingtotalcanhideaflatcustomercohortifyourownteamistestingmoreoften.Iwouldratherseeasmallhonestchartthanalargenumberwithachangingdefinition.Understood.Wewillkeepinternaltestingseparateandavoidtreatingeverypagevisitasmeaningfulactivity.Forthenextround,Iwouldcareaboutevidencethattheproductsolvesafrequentproblemforaspecificcustomer,thatthosecustomersreturn,andthattheeconomicscanimprovewithoutheroicsupport.Revenuehelps,butexplainitsquality.Ispaymentrecurring?Isusageexpanding?Anddoesonecustomerrequirehoursofmanualrepair?Infrastructuresavingsareuseful,yettheyshouldnotcomeattheexpenseofreliability.Includesupporttimeandcorrectioneffortwhenyoudescribethecostofdeliveringvalue.Iwouldalsowanttounderstandyourlearningspeed.Ifnamesareconsistentlywrong,showhowyouidentifythefailure,testanintervention,andmeasurewhetherithelpswithoutcreatingnewmistakes.Youdonotneedtotrainamodelmerelytodemonstratetechnicalambition.Acarefulevaluationset,aclearpermissionboundary,andareversibledeploymentcanbestrongerevidenceofexecution.Tellmewhatyoutried,whatchanged,andwhatwouldmakeyouabandontheapproachratherthandefendit.Mysuggestionistosendashortupdatewithstablecohortdefinitions,afewcustomerexamples,andthenextexperiment.Pleaseincludeuncertaintyratherthansmoothingitaway.Withsmallsamples,thestoryshouldbecautious,buttheunderlyingrecordsshouldbeprecise.Ineedtoleaveforanothercallnow.Thanksforbeingdirectaboutthecurrentlimits,andpleasesendPriyaanyinterfacequestionsearlyenoughforhertorespond.Ilookforwardtoseeingwhatyoulearn.Thankyou,Kaveh.Wewillsendaconciseupdatewiththedefinitions,theevidence,andtheopenquestions.Speaksoon.Kevin已经离开了，我把刚才那段翻回我们的实际工作。不能把自己每天侧接口算成客户日活，也不能把一个人反复上传当成整个团队都留下来了。我们需要同时看个人完成任务和团队重复使用，但这两个指标先分别展示，不着急拼成一个漂亮的综合分。对，Kevin问的其实不是我们会不会做图，而是图后面有没有真实习惯。欧阳晋把指标定义写到更新邮件的最上面，韩宇确认事件真的能支持这些定义。接下来设计和评估都围绕这件事讲，减少用户反攻，也减少我们自己解释数据的反攻，不要各自优化一块，最后接不上。我们现在休息五分钟。大家回来以后我们继续，请童心人先从首页按钮讲起，把哪些改动会影响用户完成任务，哪些只是视觉统一说清楚，再接着看设置页和气消的评估结果。首先现在最明显的问题是，两个主按钮看起来一样重，一个叫开始录音，一个叫上传文件，旁边还有个适用示例，用户不知道应该先点谁。我想把开始录音保留为主操作，上传文件做成紧挨着的次操作，示例移到说明区域。不是砍掉入口，而是让第一次来的人先理解两条真实路径。童心然，我同一层级要清楚，但现在实际测试里，上传文件的人比直接录音的人多。我们不能因为录音听起来更符合产品名字，就让上传变得难找。你这个方案有没有按使用场景做过区分？比如用户从会议结束后的提醒进来，默认应该先看见上传，而不是又开始一段新录音。这个反馈有道理。我刚才说的是没有来源信息的默认首页，如果是从上传提醒进入，就把上传卡片展开，但两个入口的位置不交换，避免用户每次回来都得重新找。我会做一张路径对照图，把默认、上传提醒和继续未完成任务分开，先不做复杂的个性化排序，减少开发和解释成本。这个边界我赞成，就是说我们先让用户知道下一步在哪里，不追求首页特别聪明。通信人，把固定位置当成约束，欧阳静拿实际入口数据确认默认顺序，如果样本还不够，就把假设写在稿子旁边。不要把某一个人的使用习惯说成所有人的需求，也别为了争一个按钮颜色拖住上线。颜色方面，VoiceFlow现在的主色偏紫，跳到AIBuilderSpace以后变成亮蓝，回来又是另一种蓝紫色，用户容易觉得自己进了别的网站。

[00:00:00] 不做复杂的个性化排序，减少开发和解释成本。这个边界我赞成，就说我们先让用户知道下一步在哪里，不追求首页特别聪明。通信人，把固定位置当成约束，欧阳镜拿实际入口数据确认默认顺序。如果样本还不够，就把假设写在稿子旁边，不要把某一个人的使用习惯说成所有人的需求，也别为了争一个按钮颜色拖住上线。颜色方面，VoiceFlow现在的主色偏紫，跳到AIBuilderSpace以后变成亮蓝，回来又是另一种蓝紫色，用户容易觉得自己进了别的网站。我不建议完全照搬合作方的视觉，因为两个产品职责不同，但跳转前后的提示、链接和返回按钮至少要有一致的语义，别靠颜色猜当前位置。外部页面我们不能直接改，最多控制跳转前的说明和回来时的状态。同学如果想统一顶部导航，需要先确认那边是否支持嵌入，否则会涉及另外一套安全限制。我倾向于明确告诉用户即将打开合作方页面，再给一个稳定的返回入口，不做看起来像同站实际又不是的半套体验。我也是这个意思，统一的是交接感，不是假装同一个站点。主色会回到我们自己的那套，外链采用明确的图标和文字，不再让亮蓝按钮同时表示主要操作和离开当前产品。回来以后显示任务名称和处理状态，用户就算忘了刚才在哪个平台，也能顺着当前任务继续往下走。我测试时确实有过这个困惑，在AIBuilderSpace里点完确认，回到VoiceFlow，看到的还是上传页面，以为要重新传一遍。我后来靠任务列表才找回来，如果回来直接落到对应任务，应该能少很多重复上传。我可以把这个当成一条固定走查路径，不能只检查每一页单独有没有问题。对，七小，这条路径我会补上。首页还有一个小问题，嗯，正在处理的任务卡片和历史完成卡片长得太像，用户会点进旧结果。我准备让处理中状态独占一条明确的进度区，但不显示没有依据的百分比。我们知道正在排队，就写排队，知道已经有文字，就显示手段，不编一个持续增长的数字安慰人。这个我支持，尤其不要把网络上传的进度和后面转写的进度结成同一条儿，前面百分之百了，后面又等很久，会让人觉得产品失约。文案里也别写“马上完成”，除非真有可靠判断。韩域已经说合作方排队有波动，我们现在能承诺的是状态可解释，不是每次都在某个秒数内结束。设置页目前把个人资料、音频保存和模型选项放在一起，我想拆成账户、数据与隐私、识别偏好三个分组。第一版不增加新能力，只把已有开关放到能理解的位置，像名字词表这种任务级设置不该藏在全局设置里。如果以后允许长期保存，再单独征求用户确认，别现在先造一个空入口。这里得坚持一个原则，就是说，设置页不是技术参数仓库，不能因为后端有个开关就让用户替我们做架构选择。童心然，把用户必须决定的事情留下来，其他像缓存、并发、模型服务地址这些先别暴露。欧阳静，确认每个开关能带来什么结果，解释不清楚的，默认不进这次改版范围。我已经删掉了高级模型下拉框，那个确实只有我们内部知道怎么选。保留的是是否自动保存结果、导出格式和这次任务的人名提示。删除音频会单独做确认，明确删除的是原音频，还是连文字也一起删，不用一个模糊的清空按钮包办所有事情，避免用户为了释放空间把纪要一起弄没了。保存结果那个开关要注意，目前文字结果和音频保存不是同一个生命周期，用户关掉自动保存以后，处理中任务还需要临时落盘，不然刷新页面就恢复不了。我会给童心燃一个状态表，说明临时保存多久，什么时候清理。界面不能承诺从不保存，实际我们又为了完成任务短暂存了文件。收到了，那我把文案改成任务完成后的保留方式，不用“从不保存”这种绝对表达。临时处理需要什么，我放在简短说明里，并给展开入口，不让用户必须读完一大堆儿才能继续。删除也会区分“立即停止访问”和“后台清理完成”，具体期限等含域和时候再写，设计稿里先标待定，不填一个猜出来的数字。童心然，这个版本能不能用现有组件做完？我担心我们一边改页面一边又换组件库，最后测试范围翻倍。颜色统一和按钮层级我支持，但如果需要重写整个设置页的表单逻辑，这次就不值得。我们最好把用户能看见的改善和内部想顺手整理的代码分开排，免得范围越聊越大。可以，先有组件够用，主要改布局、文案和几个状态样式，不动表单提交机制。只有返回任务的落点需要含域配合，那个我会单独标成依赖。为了避免只看静态稿，我会录一段从首页到结果确认的操作视频，让欧阳镜直接按任务判断顺不顺，而不是对着每个间距提意见。我可以在走查时加键盘操作和读屏顺序，但先说清楚，我没有能力做完整的无障碍认证。我能检查按钮有没有可读名称，焦点有没有跳丢，错误提示是不是只靠颜色，特别是名字确认那一块。如果建议替换和保留原文只有颜色区别，读屏的人就很难知道两个选择各自代表什么。这个检查非常合适，其先不用替自己承诺认证，先把能重复执行的基础项做好，名字确认会明确写保留原文和采用建议，并且展示前后文本，不只放两个图标。按钮被点过以后，还要有已确认状态，不然用户回来看不出自己处理到哪里，这也会影响我们后面统计完成任务的时间。设计部分先定到这里，不做整站翻修，也不做虚假的进度百分比。童心然负责把关键路径讲清楚，韩玉负责状态真实可用，欧阳靖负责不把范围越加越大。奇桥的走查要覆盖从外部页面返回这一段，因为刚才那个重复上传的例子，比首页某个角落是不是圆一点，更值得优先解决。评估级我先说构成，目前是一百条人工标注的短音频，主要来自团队授权录制和专门编写的测试材料，不包含客户原始录音。其中六十条含有人名，四十条主要看普通词和任务动作，每条都有原音频、标准文本和错误标签，名字相同但读法不同的情况会另外备注，不把备注偷偷写进输入。齐乔，先别急着报最高分。就是说，我们要先知道这一百条代表什么，不代表什么。尤其是你刚才讲的六十条人名样本覆盖了多少次实际出现。韩玉和欧阳靖后面会拿这个结果决定要不要做Laura，如果分母没说清楚，大家很容易在同一个百分比上得出完全不同的结论。六十条里一共有人名出现一百二十次，按完整姓名严格匹配。当前基线认对七十四次，人名召回率约百分之六十二。这里不是六十条里有多少条全对，而是一百二十次该出现的名字有多少次认对，错一个字也算没召回。我另外保留静音标签，方便看错误类型，但不会把静音当正确加分。这个定义可以，不过还要补精确率，不然系统把所有像人名的词都往名单里改，召回会上去，误改也会上去。含域这边能提供最终输出和建议列表两份结果，你最好分开算。只给出一个可疑建议和已经把证文替换掉，风险不一样，不能在同一张表里当成完全等价的动作。我已经开始分开记了，原始转写带名单转写和建议确认是三列，不会混成一个结果。用同一批音频加本场名单以后，目前认对九十次，召回率到百分之七十五，但还多了四次不该发生的名字替换。这只是开发级上的观察，不能直接宣布整体提升，特别是名字名单本来就从这些材料里来。这个限制得写在报告最前面，不然大家只会记住从六十二到七十五。我更想知道四次误改里有没有会影响任务归属的情况，比如把含域改成另一个同事。我们可以接受介面提示一个候选，让用户确认，但不能为了追求分数，默认把正文改得特别自信，最后用户还要反过来查错。四次里有两次影响了人名归属，一次把韩语改成韩玉，一次把故事里的思源改成林思源，另外两次把普通词当成人名，其中有一句说的是“同心协作”，被靠近了“同心然”的候选。我会把这些复例单列，让大家看见名单不只是帮助，也可能引入偏差，不把它们埋在总体错误率里面。这跟设计正好接上，我不想让系统只在名字旁边画一条很轻的线，然后指望用户自己发现问题。而对于可能影响负责人归属的建议，可以放到结果确认区里逐个看，但也不能每出现一次同名就弹窗。齐肖，你能不能标一下同一个名字在同一段里重复出现的次数，方便我判断怎样和平确认？可以，我会保留逐次出现的明细，同时按名字聚合，界面可以一次确认一组，但评估仍按每次出现计算。还有一个问题是标注一致性，我先标了一遍，再请欧阳靖独立复合其中二十条，目前有三处对说话人指代理解不一致，我们还没合并答案，准备先听原音频再决定。不能谁说话大声就算谁对。复合可以再加一个规则，音频本身听不清，没有足够证据的名字，不要凭团队熟悉程度补成正确答案。我们都认识同心人，听到一个静音就会自动脑补，模型不一定拿得到同样的信息。无法确定的部分可以标成歧义，单独统计覆盖率，宁可少报一个明确分数，也别把猜测包装成金标准。无价歧义标签，主分数只在明确可判的部分算，同时公开被排除的数量和原因。100条现在全算开发材料还可以，但要拿来证明方案有效就不够独立。我建议冻结其中40条，做保留集，后面不根据这40条调题之词，剩下60条继续做错误分析。拆分时按录制人和名字分组，避免相邻句子泄露。这个方向对，但冻结以前要先把标签规则定下来，就是说，不是给40条换个文件夹就自动变成可靠测试集了，奇效要记录谁看过答案，做过什么调整。含域后面如果根据保留集的错误改了规则，那一版就不再当成纯粹的新结果，我们可以继续用它排查，但报告里得诚实标明。接着说，Laura，我目前不建议马上训练。一百条短音频可以帮我们发现错误，但不足以说明训练会稳定改善。何况，我们现在调用的转写接口不是自己控制的模型。要训练也得先确认目标，是改声学转写还是改文本纠错，两件事儿需要的数据和验证方法不一样，不能只因为名字错就默认上适配器。我补一句，Laura不是一个到处能插的补丁。如果上游接口不支持加载适配器，我们自己训练完也没地方挂。文本纠错可以在我们控制的服务里试，但必须评估它会不会编造不存在的名字。现阶段先做词表、上下文和人工确认，收益可能更直接。等错误模式稳定了，再比较训练方案和规则方案。我之前问MLX也是想确认它适合哪一部，不是已经决定换技术站。我的电脑是苹果芯片，可以用MLX做本地的小规模文本实验，但它跑通不代表能直接搬到思源那台VLLM机器上。模型格式、量化和适配器兼容都要单独验证，我会把本地探索和生产部署分开写，不拿一张截图说已经具备上线条件。这就很清楚了，我们对外也不需要把MLX或者Lora写成进度指标，用户真正关心的是有没有少改几个名字，有没有把原本正确的内容改坏。奇销可以做技术探索，但本周交付先限定为可信的评估和一组可解释的建议，不要为了证明做了模型工作，把本来能快速验证的问题变成长周期项目。那我把探索单独放在附录，主报告先比较原始转写、待名单和人工确认三条路径。人工确认那条不追求假装全自动，而是看用户要点多少次、花多久，最终还有多少错。这样才能跟开胃说的反工成本接上，不然我们把识别分数提高了，用户却因为确认一堆建议花更多时间，也不能叫改善。确认耗时，我来配合测，但要先定义起始点。用户打开结果页以后，可能先读内容，不全是处理名字的时间。我会把首次进入、展开建议、确认完成分别记下来，再辅以几次观察记录。人数少的时候，别给一个特别精确的平均秒数就结束，最好把每个人遇到的阻碍写出来，才能知道下一版改哪里。性能这部分我会引用思远刚才的口径。KVCache命中率从18%到46%，Prefill中位耗时从920毫秒到540毫秒，但它们不是用户完成任务的时间。我会把转写质量、界面确认耗时和服务阶段耗时拆开，避免某一项变好以后，整张报告都被涂成绿色。我会给启小补一个端到端的观测，但先不承诺目标值。我们需要从提交成功开始，到结果真正可读结束，中间把上传后的排队、接口处理和保存分开。思远的缓存测试用固定回放，端到端测试也尽量用同一套音频和相近负载，不然早上空闲和晚上拥堵拿来比较，结论很容易失真。还有外部人名的覆盖，我想补Priya和Kaveh这类跨语言名字，但不会直接把今天的发言当成训练材料。可以请大家另录经过授权的测试句，覆盖英文名字嵌在中文句子里的情况。标注时保留标准拼写和音译两种可接受形式，不过每条允许哪一种得预先声明，不能看模型输出以后临时放宽标准。补样本可以，但这个星期先别把一百条变成五百条，数量翻倍不一定解决代表性问题。我会帮齐肖挑最接近真实任务的场景，比如分配工作、复述决定和点名追问。Priya那边如果愿意提供接口层面的错误解释，我们也可以一起看，但不请她替我们决定什么才算用户可接受的名字错误。评估就按这个收口，先把能比较的基础做好，训练不作为这次上线前置条件。奇敲负责让数字可追溯，含域负责让系统输出可拆分，同心人负责让人工确认不变成新的负担。欧阳镜再把这些结果翻译成用户价值，不用术语凑进展。最后我们要能回答到底少了哪一种实际麻烦。现在开始逐条定行动项，就是说先把必须赶在迁移前的事情锁住，其他探索不抢关键路径。含域，6月17号下午5点前，交完成状态和失败重试的状态表，明确什么时候算真正完成，什么时候允许重试，并用一条完整任务走通，不接受只有接口截图没有最终结果。第二项，含域，6月17号晚上8点前，把空对列安全退出、任务密等和长输入三组检查交给令思远。尤其要验证回退时，同一任务编号不会重复生成两份结果，也不会把已完成任务重新塞回队列。若有一项不过，18号的切流就缩小范围，不靠口头说，问题应该不大来放行。我确认，6月17号先交状态表，再交三组检查。长输入我会保留实际长度和显存情况，不只贴通过两个字。回调新旧字段兼容也一起写进清单。Priya如果还没确认，我就明确标出外部依赖。空队列休眠只有验证通过才通知四元打开，避免今天为了省钱先引入丢任务风险。第三项，欧阳静，6月17号中午前给Priya发一封集中问题邮件，只问回调重试、字段兼容、名字词表保存范围这三类，不让信息散在几个聊天窗口。6月18号下午三点前，把已确认和未确认的部分分别贴到发布页，不能因为对方没回就把空白自动理解成没有限制。收到，我会在6月17号发出邮件，并给每个问题一个明确编号，方便含玉和Priya对应回答。6月18号更新发布页时，未确认的能力默认不进外部测试承诺。如果保存范围达不清楚，团队名单就不自动上传，先保留用户主动输入的最小路径，这个趋势我来跟测试团队解释。第四项，林思远，6月18号晚上九点按刚才的方案开始切流，只签整理和纠错推理服务，不签上传入口，10%流量观察30分钟，错误率和排队阈值照会议里定的执行。6月19号中午之前保留旧服务，回退权限和联系人写到同一页，出差期间也不能只有你一个人能操作。第五项，童心然，六月十七号下午四点前交重试、处理中和失败三类文案，让韩玉和思远能在迁移前接好状态。六月十九号下午，交首页与设置页的关键路径稿，范围只含按钮层级、外部返回、颜色语义和现有设置重组，不包含新组件库，也不追加还没有后端能力的开关。我确认这两个时间点：六月十七号先给能落地的状态文案，六月十九号再交完整路径。数据保留期限，如果韩玉还没核实，我会继续标待定，不为了让画面完整随便写。外部返回那条会附操作视频，欧阳静能直接看用户如何回到原任务，齐晓也能照着录同一条走查结果。第六项，齐晓，六月十八号中午前整理一百条评估材料的标准规则，写清人名召回率、精确率、歧义样本和误改分别怎么算。6月20号下午交第一份冻结报告，开发级与保留级分开列，当前的62和75都标成开发观察，不把它们放到对外材料里当最终效果。收到，我会在6月18号先把规则给韩玉和欧阳靖复合，分起保留记录，不自己悄悄改答案。6月20号的报告附任务编号、版本和运行条件，人工确认次数也单独列。如果补录的跨语言名字还没完成授权，就不放进正式集合，宁可写覆盖不足，也不临时找一段网上音频凑数。第七项，欧阳靖，6月19号中午前把卡韦关心的指标定义整理成一页，个人和团队分别看，内部测试和外部使用分别看。Priya只是合作方联系人，不算我们的活跃用户。6月23号给卡韦发更新邮件，带稳定口径和两三个真实例子，不用一天的波动推算增长趋势。第八项，奇肖和韩玉，六月十九号下午一起核一次性能记录。就是说，思源报的缓存命中率与Prefill耗时要保留原始条件，端到端耗时令其来不要拼成一个更快百分之多少。六月二十号报告里明确，哪些结论来自固定回放，哪些来自真实测试，读者不用猜数字出处。我会在六月十九号跟奇肖一起核，尤其检查计时点和失败请求有没有被漏掉。缓存关闭的对照也会保留，常输入单独展示，不让短音频把整体中位数拉得太好看。要是新机器的尾部延迟明显恶化，我会直接建议思源维持小流量，不因为迁移已经开始就硬把它做完。第九项，欧阳静，六月十八号切流前确认测试通知和支持回复模板，告诉测试团队可能发生短暂重试，但不要把内部服务名和不熟细节全部发过去。6月20号回收反馈时，把处理失败、名字错误和使用困惑分开记。用户没导出结果不一定是不满意，也可能只是没找到入口。这个我来做。6月18号通知里会写，用户遇到问题该给什么编号，不要求他们复制整段录音到群里。6月20号，我会结合任务记录和简短访谈看结果，不只问喜不喜欢。留存方面，先观察重复使用，不像咖啡承诺两周内证明长期习惯，样本少的部分就直接说明还需要时间。第10项，林思远，6月25号交迁移后一周的成本和稳定性复盘，账单已发生金额、稳态估算、双跑费用和人工维护时间分别列。你刚才承诺把折旧算进去，这条继续保留。对照口径由欧阳镜复合，若只是云账单降了，但大家晚上多了救火，就不能算方案已经验证成功。第十一项，童心然，六月二十号和齐肖完成一次关键路径搜查，至少覆盖上船、外部返回、名字确认、导出和删除。键盘焦点、按钮可读名称以及不依赖颜色的状态提示也一起检查。问题按阻断任务，明显困惑和视觉细节分级，不把所有观察都写成上线前必须修的大问题。确认，六月二十号我和齐肖一起做，欧阳靖如果有空可以旁听一轮，但先别边看边教用户怎么点，否则我们看不到真正的困惑。我会把阻断项当天发给韩玉，视觉细节另排，不在最后一刻整页推翻。名字确认如果明显增加负担，就优先减步骤，不靠更长的说明文字补救。第十二项，七桥，六月二十四号给一页Laura与MLX探索建议，只回答当前错误是否值得训练，需要什么授权数据，生产端能否兼容。没有足够证据就建议暂缓，这也是有效结论。函预报你看不属约束，但这一项不能挤占二十号评估报告，更不能被误写成下一版已经决定训练。我确认六月二十四号交建议，不交一个为了交差临时跑出来的模型。MLX只作为本地可行性工具来讨论，VLLM生产兼容另列验证条件。如果发现此表和人工确认已经能解决主要问题，我会直接建议先不做Laura，并说明什么新证据出现以后再重新考虑，避免探索变成没有退出条件的长期任务。最后一项我自己负责，六月二十三号上午检查行动项和发布门槛，六月二十六号组织一次短复盘。韩域看状态与稳定性，欧阳镜看用户理解，童心然看路径，齐肖看证据，令思远看成本和回退。只要关键门槛没过，就缩小测试范围，不把原定日期当成必须无条件公开上线的理由。今天就到这里，我会把结论和待确认项分开发到群里。大家今天下班前只核对自己那一栏，就是说，我们这两周要证明的是VoiceFlow能可靠完成一次真实任务，再让同一批用户愿意回来，而不是把技术名词和页面数量堆起来。感谢思远在外地接入，也谢谢大家把不确定的地方直接说出来。