blini - Smart Meeting Assistant

Inspiration

ონლაინ შეხვედრებში, განსაკუთრებით დისტრიბუციულ და მრავალკაციან გუნდებში, ინფორმაციის გადაცემა იშვიათად არის პერსონალიზებული. გუნდის წევრებს ხშირად უწევთ მთელი შეხვედრის მოსმენა მხოლოდ იმისთვის, რომ არ გამორჩეთ ინფორმაცია, რომელიც რეალურად მათ პასუხისმგებლობებს ეხება. ეს იწვევს დროის არაეფექტურ გამოყენებას და ამცირებს საერთო პროდუქტიულობას.

blini სწორედ ამ პრობლემის პრაქტიკული გადაწყვეტის მიზნით შეიქმნა.

What it does

blini არის Google Meet-ისთვის შექმნილი browser extension, რომელიც რეალურ დროში ფილტრავს შეხვედრის კონტენტს მომხმარებლის ინტერესების მიხედვით.

მომხმარებელი წინასწარ უთითებს საკვანძო სიტყვებს, ხოლო შეხვედრის მიმდინარეობისას, როდესაც ეს ტრიგერები ჟღერდება, სისტემა აანალიზებს კონტექსტს და ავტომატურად აგზავნის სტრუქტურირებულ შეტყობინებას Telegram-ზე მყისიერად.

შეტყობინება შეიცავს ინფორმაციას:

• ვინ თქვა ინფორმაცია
• რა კონტექსტში ითქვა
• რა მოქმედებაა საჭირო მომხმარებლის მხრიდან

How we built it

სისტემა აგებულია მოდულური და მარტივად გაფართოებადი არქიტექტურით:

• Frontend: მსუბუქი JavaScript browser extension და popup UI საკვანძო სიტყვების სამართავად
• Data layer: Google Meet-ის live captions / subtitles
• Backend: FastAPI სერვისი, რომელიც ამუშავებს მიღებულ მოვლენებს
• AI layer: Groq-ის უფასო LLM, რომელიც ქმნის მოკლე, სტრუქტურირებულ და კონტექსტზე მორგებულ შეტყობინებებს
• Notification layer: Telegram bot, რომელიც შეტყობინებებს რეალურ დროში აწვდის მომხმარებელს

Challenges we ran into

პროექტზე მუშაობისას მთავარი გამოწვევები იყო:

• google meet-სის live subtitles-ის სტაბილური და რეალურ დროში დამუშავება
• რელევანტური ინფორმაციის გამოყოფა ზედმეტი ინფორმაციული ხმაურის გარეშე
• გამარტივებული შეტყობინების (alert) ის მიღების მექანიზმის მოფიქრება

Accomplishments that we're proud of

• რეალურ დროში მომუშავე სრულად ფუნქციონალური პროტოტიპი
• AI-ის გამოყენებით გენერირებული სტრუქტურირებული შეტყობინებები
• მარტივი და ინტუიციური UX browser extension-ში

What we learned

პროექტზე მუშაობის პროცესში გავიღრმავეთ ცოდნა:

• browser extensions-ის არქიტექტურაში
• real-time event processing-ში
• LLM-ების პრაქტიკულ გამოყენებაში პროდუქტიულობის გასაზრდელად
• FastAPI-ზე დაფუძნებული async backend სისტემების დიზაინში

What's next for blini

შემდეგ ეტაპზე ვგეგმავთ:

• სხვა პლატფორმების მხარდაჭერას (Zoom, Microsoft Teams)
• უფრო ჭკვიან კონტექსტურ ანალიზსა და პერსონალიზაციას
• privacy-first მიდგომის გაძლიერებას
• გუნდის დონის ანალიტიკისა და ისტორიის დამატებას

დემო ვერსია წარმოდგენილია ვიდეოში რეალური მაგალითს სახით. როგორ ხდებოდა blini- ს სოლუშენამდე და როგორ იქნება blini- ს სოლუშენის შემდეგ

Built With

• fastapi
• groq
• javascript
• llm
• python
• request