MeetingBot 开源项目教程
2025-05-20 17:47:21作者:邵娇湘
1. 项目介绍
MeetingBot 是一个开源的会议机器人 API,它提供了将机器人发送到视频会议(如 Google Meet、Microsoft Teams 和 Zoom)并记录会议的基础设施。开发者可以利用这个基础设施,仅用几行代码就能构建使用会议录制数据的应用程序。所有的基础设施都是使用 Terraform 定义的,并部署到 AWS 上,这使得用户可以轻松地自行托管 MeetingBot,以保持数据隐私并降低成本。
2. 项目快速启动
环境准备
在开始之前,确保你已经安装了以下依赖:
- AWS 账户
- Terraform
- Node.js (版本 >=18.0.0)
- pnpm (版本 >=8.0.0)
- Docker (用于构建机器人镜像)
- AWS CLI
- Route 53 中的一个域名
- 用于存储 Terraform 状态的 S3 桶
- (可选) 用于锁定 Terraform 状态的 DynamoDB 表
- GitHub App 用于仪表板认证
克隆仓库
git clone https://github.com/meetingbot/meetingbot.git
cd meetingbot
设置 AWS 凭证
# 可以通过登录 AWS 或者运行以下 make 命令来配置
make sso
这会配置名为 'meetingbot' 的 AWS SSO 配置。
初始化 Terraform
cp backend.tfvars.example backend.tfvars
cp terraform.tfvars.example terraform.tfvars
# 修改 .tfvars 文件中的配置值
make init
选择 Terraform 工作区
terraform workspace select dev
# 或者创建一个新的工作区:terraform workspace new dev
部署基础设施
terraform apply
配置环境变量
将 .env.example 复制到 src/frontend、src/backend 和 src/bots 目录中的 .env。具体信息请参考每个目录中的 README。
在每个目录中安装依赖:
cd src/frontend && pnpm install
cd src/backend && pnpm install
cd src/bots && pnpm install
3. 应用案例和最佳实践
- 部署 Terraform 基础设施:按照 Terraform README 中的说明部署必要的 AWS 资源。
- 运行后端:导航到
src/backend目录,使用pnpm dev启动服务器。可以通过http://localhost:{env.PORT}/docs访问 API 文档。 - 运行前端:导航到
src/frontend目录,使用pnpm dev启动开发服务器。可以通过http://localhost:3000访问应用。 - 创建 API 密钥:使用前端界面创建 API 密钥,以便你的应用能够与 MeetingBot API 认证。
- 部署机器人:使用 API 端点将机器人部署到你的目标会议平台。
- 访问录制:使用 API 端点检索会议录制和元数据。
4. 典型生态项目
MeetingBot 的生态系统包括以下几个部分:
- 前端框架:Next.js
- 后端框架:Express
- API 层:tRPC
- ORM:Drizzle ORM
- 数据库:PostgreSQL
- 基础设施即代码:Terraform
- 云服务提供商:AWS
- 容器化:Docker
- 包管理器:pnpm
- 持续集成/持续部署:GitHub Actions
以上是 MeetingBot 开源项目的最佳实践和快速启动指南。希望这能帮助你顺利地开始使用这个强大的工具。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873