Йоу.
На этой неделе в подписке PlayStation появился The Last of Us 2 и что-то я приболел к концу недели. Поэтому АИ не так много удалось поковыряться.
Выбрал в качестве эксперимента на октябрь создание "AI-проджект менеджера". Замену у себя в команде фукнции координации и управления командой. Почему начинаю с нее? Это тупо полезено мне и если заработает, то сохранит кучу нервных клеток и денег. Мы уже решили жить без проджектов. Но чуда не случилось, задачи никуда не рассосались, тащить всю координацию приходится самому.
В качестве первой итерации хочу получать в командном ТГ-чате саммаризацию прошедших встреч разработки: кто что сделал и планирует сделать в разрезе по каждому сотруднику.
Разбил задачу на несколько пунктов и подобрал инструменты в Cursor:
1. получать расшифровку звонка в виде текста
2. обработать полученный текст по моему сценарию
3. опубликовать итоговый результат в тг-чате
Начал реализацию:
Шаг 1. Все наши звонки проходят в Zoom (спасибо РКН за это) и у него на платной версии есть функции с расшифровкой. Вначале, мне не понравилось качество его расшифровки, поэтому час ковырял
Otter.ai и изучал его конкурентов. И самое обидное было уже на последнем шаге, когда
Otter.ai уже начал подключаться к моим Zoom-звонкам автоматическим слушателем, понять, что он не поддерживает русский язык. Как же это тупо, и супер обидно. Мне даже в голову не пришло, что современные решения для работы со звонками могут быть ограничены в языке...
В итоге, психанул и решил откатиться к хоть каким-то расшифровкам от Zoom. Улучшить всегда смогу этот шаг позже
Потратил 1,5-2 часа
Шаг 2. Расшифровка есть. Нужно ее саммаризировать. Берем Zapier, тк я не хочу каждый раз руками запускать процесс. Если встреча прошла и в Zoom Cloud появилась запись - автоматически должны сработать следующие шаги. Ну и Zapier имеет тонны готовых подключений. Мне нужны были Zoom(источник) и OpenAI(саммаризация). И о чудо! В Zapier сделали АИ-ассистента, который сам мне создал автоматический сценарий для этого кейса, а потом помог разобраться с проблемой на стороне OpenAI Platform.
Прям рекурсия АИ получается. Через одно аи делаю другое аи с использованием третьего аи...
Хотелось бы порадоваться, что эти аи-шки мне сильно жизнь упростили. С одной стороны да - все настройки и скрипты создавались и улучшались автоматом. Но, с другой стороны, мне самому пришлось отлаживать автоматизацию, понять что внутри записи зум по отдельному урлу лежит его автоматическая транскрипция, что это vtt файл, который нужно обработать, а не в лоб отправлять в чатжпт, потом возится с ошибками парсинга этого файла и вот это все. Похоже на дивный мир без знаний технических? Да ассистент Zapier сам написал javascript код для парсинга файла. Но я хотел общаться с аниме-голосовым ассистентом, а не вот это всё!
Чтобы закончить автоматизацию подключил отправук писем себе на почту. Хоть здесь все завелось без приключений в два клика. Один из которых потребовал разобраться какие поля в ответе OpenAI содержат реальный ответ и их в письмо вставлять. Сцуко! И здесь не само
Потратил 2 часа
------Я пока здесь-------
Шаг 3. Сделать простенький ТГ бот для публикации сообщений с результатами
Итого. Такими темпами ассистента я пол года ковырять буду. Да, дальше будет проще, тк я не буду все эти грабли собирать по второму разу. Да, я обрастаю какой-то инфрой (вот сегодня API OpenAI использовал впервые). Да, подо все есть уже решения почти готовые и универсальные, но это все нихрена нормально и тривиально не работает. Но как же это все мучительно приятно больно...