Z porád si beriem len to, čo platí aj o pol roka
Nahrávam skoro každú poradu, kde môžem, a mám už desiatky prepisov. Zhrnutie, o čom sa na porade hovorilo a kto čo povedal, podľa mňa nie je až také dôležité, lebo po týždni ho už nikto nečíta. Úlohy z prepisu vypadnú aj tak, takže tie si agent len navrhne a ja ich potvrdím.
Mňa viac zaujíma, čo z porady bude platiť aj o pol roka. Napríklad rozhodnutie aj s dôvodom, dohodnutý postup alebo vzorec, ktorý sa opakuje na viacerých poradách.
Z väčšiny porád mi ostane len pár úloh, lebo je to bežná operatíva, a z niektorých nič. Keď v prepise nič ďalšie nie je, agent z neho nemá nasilu niečo vyťahovať, takže bežný status zapíše jedným riadkom alebo ho vynechá.
Veci, ktoré platia dlhšie, si ukladám do memory vrstvy, s ktorou pracujem ja aj môj agent. O nej napíšem samostatne, lebo je to na dlhšie, a tu ukážem, ako sa tie veci dostávajú z porady do pamäte.
Ako to mám nastavené
Nahrávam v MacWhisperi, lebo zo všetkého, čo som skúšal, mu verím najviac. Nič iné od neho nechcem, len nahrávku. Text potom píše Soniox (stt-async-v5), ktorý mám v MacWhisperi zapojený namiesto Deepgramu. Kto čo povedal, určuje NVIDIA Nemotron 3 Diarization. Beží lokálne na mojom Macu cez NeMo-Speech.cpp, na M2 Pro zhruba 3,7 sekundy na minútu zvuku a zadarmo. Keď zlyhá, zaskočí cloudové pyannoteAI.
Pri Nemotrone som sa popálil na predvolenom nastavení. Preset offline mi na 108-minútovej porade zlúčil dvoch zo štyroch ľudí do jedného, kým preset streaming sa s pyannote zhodol zhruba na 98 % nahrávky. Predvolené nastavenia si preto radšej otestujte na vlastných nahrávkach.
Mená mi prišli dôležitejšie ako samotné modely, lebo prepis, kde je každý „Speaker 2“, je po troch mesiacoch na nič. Kedysi som ich opravoval priamo v MacWhisperi. Dnes každý prepis pristane v Command OS, čo je aplikácia, ktorú som si postavil na riadenie firmy, a mená opravujem tam. Rečníka pomenujem raz a meno ostane pri všetkých ďalších poradách, takže si potom viem vypýtať napríklad všetky porady, kde sa rozprávali dvaja konkrétni ľudia.
Spracovanie beží v pi, čo je agent harness. Agent číta prepis po kúskoch, porovnáva mená s mojím zoznamom ľudí a výsledok zapisuje späť do Command OS. Úlohy aj veci do pamäte iba navrhuje, čiže dovnútra sa nedostane nič, kým to neodsúhlasím. Na týždne, keď sa k tomu nedostanem, mám úlohu na pozadí. Po 72 hodinách spraví krátke TL;DR a prepojí ľudí pri všetkých poradách, ktoré ostali nespracované.
Prompt
Jadro promptu je nižšie a upravil som ho tak, aby fungoval aj bez môjho nastavenia. Najdôležitejšia je v ňom otázka „čo z tohto bude užitočné o 3 až 6 mesiacov?“, lebo podľa nej agent rozhoduje, čo si nechá a čo vyhodí.
You process a meeting transcript. Don't optimize for a faithful summary.
Optimize for future usefulness. For every part, ask:
"What from this will be useful in 3-6 months?"
1. Verify names. Speech recognition breaks names. Check every person and
company against the list I give you. If unsure, ask me.
2. Split the content into three layers:
- Evergreen: decisions, recurring patterns, role clarity, lessons.
- Operational: follow-ups, blockers, prep for the next meeting.
- Noise: small talk, debate details, who-said-what chronology. Drop it.
3. Pick the smallest output that fits:
full note / short note / one-line stub / nothing.
Don't invent depth for an operational meeting.
4. Note format: TL;DR (max 6 bullets, written to me), Key insights,
Decisions, Open questions, Action items.
5. Propose tasks and long-term memories. Never create them. Wait for my "yes".
6. Put each insight in one place only. No copies across note, tasks and memory.