lumentis
Lumentis 是一款基于人工智能的开源工具，旨在帮助用户一键将会议录音转录稿、视频字幕或非结构化文本转化为结构清晰、排版精美的技术文档。它有效解决了从海量杂乱信息中手动整理笔记耗时费力、难以提炼核心内容的痛点，让知识沉淀变得高效轻松。
无论是需要快速整理技术分享会的开发者、希望将播客内容转化为文章的研究人员，还是想要记录设计评审要点的设计师，甚至是从未接触过复杂文档工具的普通用户，都能通过 Lumentis 轻松上手。只需在终端运行简单命令，按照提示输入素材并选择目标受众，即可自动生成大纲并最终输出完整文档。
其独特亮点在于支持灵活切换不同的 AI 模型（如 GPT-4 Omni、Gemini Flash 等）以适应不同处理阶段，并在运行前动态预估成本，让用户对费用心中有数。此外，生成的文档可直接部署到 Vercel 进行在线展示。Lumentis 以极低的成本和极简的操作流程，为个人和团队提供了一条从“原始录音”到“可读文档”的快捷路径。
使用场景
某技术团队需要将一场长达 3 小时的产品架构评审会议录音，快速转化为供全员查阅的结构化技术文档。
没有 lumentis 时
- 人工整理逐字稿耗时极长，开发人员需花费数小时反复听录音以提取关键决策点。
- 非结构化的对话内容杂乱无章，难以区分背景介绍、核心争论与最终结论，阅读效率低下。
- 手动编写文档容易遗漏细节或产生理解偏差，导致后续执行层对架构意图理解不一致。
- 缺乏统一的格式标准，不同人员整理的会议纪要风格迥异，难以形成可沉淀的知识库。
- 从录音到产出可用文档的周期过长，往往文档完成时项目已进入下一阶段，失去指导意义。
使用 lumentis 后
- 只需运行
npx lumentis并导入录音文本，几分钟内即可自动生成逻辑清晰、排版精美的完整文档。 - AI 自动识别会议中的主题脉络，将散乱的对话重组为“背景”、“方案对比”、“最终决议”等标准章节。
- 支持在生成过程中交互式调整大纲，确保输出的技术术语准确无误，完美还原架构师的核心观点。
- 一键生成适配 Web 阅读的静态站点源码，可直接部署至 Vercel，让团队即刻拥有在线知识库。
- 动态显示各阶段 API 成本，允许灵活切换模型（如用 GPT-4o 处理难点，Haiku 处理常规内容），大幅降低费用。
lumentis 将原本需要数天的人工整理工作压缩至分钟级，让杂乱的会议录音瞬间转化为高价值的团队知识资产。
运行环境要求
- Linux
- macOS
- Windows
不需要本地 GPU（基于云端 API 运行）
未说明
快速开始
npx lumentis
只需一条命令，即可从您的会议记录和非结构化信息中生成精美的文档。
一种简单的方式，可从您的会议记录和大型文档中自动生成内容全面、易于快速浏览的文档。现支持 GPT-4 Omni 和 Gemini Flash！
使用方法
- 在一个空目录中运行
npx lumentis。仅此而已。您无需再阅读本 README 的其余部分。 （如果您之前已经运行过 Lumentis，可能会遇到一个已知问题：请使用npx clear-npx-cache清除 npx 缓存，否则可能会出现链接错误。如果您不想这样做，也可以直接运行npx lumentis@0.2.1-dev。） （请勿在克隆的仓库中运行 lumentis！） - 当系统提示时，向其提供您的会议记录、文档或笔记。
- 回答一些关于主题和受众的问题。
- 从生成的概要中选择您喜欢的内容。
- 等待文档生成完成！
- 通过推送您的文件夹并按照指南操作，将您的文档部署到 Vercel 上（部署概述）。
示例
Lumentis 允许您在不同阶段之间切换模型。以下是完全按照 Lumentis 生成的文档，无需任何编辑。我只按了几次 Enter 键。
- 费曼物理学讲义 - 源自 5 小时费曼讲座，由 Sonnet 以 72 美分完成了繁重的工作，而 Haiku 则以 38 美分完成了文字的撰写。
- 为 Google 设计无摩擦界面 - Mustafa Kurtuldu 进行了一场精彩的设计与用户体验演讲，真希望更多人能观看。现在您也可以阅读了。(仍建议观看)，但这次是 Haiku 以不到 8 美分（而不是 80 美分）完成了整篇内容！
- 蜘蛛侠 2 中的人工智能是如何工作的 - 来自 一直在我待办清单上的某件事。Opus 完成整件事大约花费了 3.80 美元。
- 萨姆·阿尔特曼与莱克斯·弗里德曼谈 GPT-5 - 萨姆和莱克斯最近进行了一次对话（视频链接）。这里由 Opus 以 2.3 美元完成了繁重的工作，而 Sonnet 则以 2.5 美元完成了剩余部分。这是更昂贵的选择。
- 克里斯·多斯曼在 DSPy 中进行自我探索 - 克里斯·多斯曼与 Weviate 之间的一次有趣对话——讨论了 DSPy 以及结构化推理，而这正是该框架背后的核心概念之一。Eugene 为此投入了大约 25 美元 😱，因为他想看看 Lumentis 在最佳状态下会表现如何。
- 约翰·舒尔曼 OpenAI 播客，附 GPT-4o - 仅用不到 20 秒的时间，借助 GPT-4 Omni 就完成了生成，而且成本仅为 1 美元！这要归功于 这个超棒的播客！
- 约翰·舒尔曼播客，结合 GPT-4o 与 Gemini Flash - 用 GPT-4 Omni 和 Gemini Flash，同样在不到 10 秒内完成了生成，成本也大致相同。
功能特点
- 运行前的成本：Lumentis 会动态为您计算每项操作的具体费用。
- 模型切换：使用更智能的模型来处理繁重的任务，而对长篇内容则采用更经济实惠的模型。请参阅示例。
- 易于修改：随时按下 Ctrl+C 重新开始。Lumentis 会记住您的回复，并允许您随时进行调整。
- 一切公开透明：想了解它的运作原理吗？只需查看
.lumentis文件夹，就能看到所有发送给 AI 的消息及其响应。 - 极其简洁：除了包含提示和状态的
.lumentis文件夹外，您还可以自由地使用这个干净的项目，开展各种各样的工作。准备好使用 Git、Vercel 或相机。 - 非常快速：（如果您使用 bun 运行，那么 npm 或 yarn 也完全适用。）
- 工作原理
Lumentis 会读取您的会议记录，并：
- 向您提出一些问题，以深入了解主题和受众。同时，帮助您探索潜在的空间或隐藏的线索。
- 生成一份大纲，并请您选择想要保留的内容。
- 根据所获取的信息自动构建结构，并在您的输入指导下进一步优化，同时实现自我修复。
- 生成包含丰富视觉元素、格式化设计和多种风格的详细页面。
即将推出（等我有空闲的夜晚）
- 文件夹
- PDF 文档
- 自动转录功能，借助“橡胶鸭”工具
- 自动抓取整个网站
- 科学论文
- 递归式摘要与扩展
- 持续更新文档
开发
git clone https://github.com/hrishioa/lumentis.git
cd lumentis
bun install
bun run run
我们使用 bun，因为它运行速度很快。如果您更喜欢 npm 或 yarn，也可以选择使用它们。
如何提供帮助
请试用一下，并将网址告知我，这样我就可以将其添加到这里！此外，.TODO.md 中还有一些组织得不太完善的事项，我需要尽快处理。
贡献者
常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。