"一些曾经更激进的想象，我们有钱有人力后，可以开始试验：将所有的会议录制→生成字幕→生成 PRD→生成 TDD→生成 code draft。"
延伸阅读：这个 pipeline 如何融入更广泛的 AI-Native 工作流循环，参见AI-Native 工作流：Plan–Act、Test–Code、Doc–Code–Doc。为什么小团队特别适合这种方法，参见AI-Native 小团队的结构性优势。用户故事如何与这个 pipeline 连接，参见AI Coding 的五个等级与 User Story Driven 终局。
1. 一个“激进”但可行的愿景
在 May 2025 修订里，提到了一个完整的知识工作流 pipeline：
- 会议录制 → 生成字幕/转录
- 字幕/转录 → 生成 PRD
- PRD → 生成 TDD（技术设计文档）
- TDD → 生成 code draft
- Code draft → 人类 review 和 refine
这个 pipeline 的完整形态是：
"可以使用 browser use 做中介，转发内部的所有知识（包括代码库）到 Gemini Web。以此提升团队内部所有工作的生产力。结合新的 flowith、Manus 等工具。这个内部的工作平台将成为每一个岗位、每一个成员的主要工作平台。"
2. 为什么这个 pipeline 对小团队特别有价值
对于新团队、小团队来说：
历史债务少
没有那么多“遗留系统”“历史包袱”，可以快速地把所有知识都收集到这个平台上可以“全环节 AI 化”
大公司可能只能在 10 个环节里革新，小团队可以在 100 个环节里都 AI 化，最终的整体效率会远超大公司知识密度高
小团队的知识更集中，更容易被 AI 完整理解和处理
这个 pipeline 的核心价值在于：
把“非结构化知识”变成“结构化资产”
会议录音、讨论、设计稿，这些过去“散落在各处”的知识，现在可以自动转换成代码库的一部分减少“信息丢失”
过去，会议里的决策、讨论、设计思路，可能只有参会的人记得，现在可以全部记录下来，让 AI 帮助后续的开发和维护让“知识工作”也变成“可自动化”的
不只是写代码，连“理解需求”“设计系统”“写文档”这些工作，也可以让 AI 参与进来
3. 技术实现路径
核心工具链：
会议录制和转录
- 使用现有的会议工具（Zoom、腾讯会议等）的自动转录功能
- 或者使用专门的转录服务
Browser Use 作为中介
- Browser Use 可以让 AI 访问内部系统、代码库、文档库
- 把转录的文字、代码库、相关文档，一起转发给 Gemini Web
Gemini Web 作为“知识处理中心”
- 100 万 token 的上下文，可以一次性加载整个项目的知识
- 让 AI 理解“会议讨论的内容”和“现有代码库/文档”的关系
Flowith、Manus 等工具作为“工作流编排器”
- 自动化的 pipeline：转录 → PRD → TDD → Code
- 每个环节都可以有人类 review 和确认的 checkpoint
4. 另一个用例：运营内容的批量生成
除了“会议 → 代码”这个 pipeline，还有一个实际用例：
"使用通用 MCP，集成 manus、flowith 等工具，如运营需要生产 100 个场景内容，Agent 自动完成这个任务，人肉确认通过后，就可以导入我们平台。这个 Agent 将成为全团队浏览器的首页，是所有工作的入口和起始点。"
这个用例展示了：
AI 可以处理“重复性、批量性”的工作
运营需要 100 个场景内容，人类写会很累，但 AI 可以批量生成生成的内容，人类 review 通过后，就可以直接使用