如今，AI会议助手非常多，但大多数只能干一件事儿，就是把人说的话转成文字，而后整理成一份笔记。

这不难，难的是当你在会议上提到"去年夏天那个项目，后来怎么样了来着"的时候，AI助手能立马从电脑里翻出该项目的文档、图片、会议纪要，并将线索串起来，说"当时的情况是……，最后决定……"。

也就是说，实时把会议内容和本地资料串起来。

Google 做了一个项目，名字叫 AI Edge Foresight，可以做类似的事情。

用户在开会时，它实时聆听和理解。当讨论涉及某个话题，它能立刻在本地文档、图片、历史会议记录中做语义检索，将相关内容找出来，辅助用户回忆此前的讨论和决策。

这背后，是EmbeddingGemma 2 在负责跨文档、跨图片、跨转录内容的语义检索。以前我们曾提到过，这代模型把文本、图像、视频、音频打通揉进了同一个向量空间。那用在这个项目里意味着啥？意味着它不但能搜文字，还能理解电脑里那些截图、稿件等各类材料，统一做语义匹配。

与此同时，Gemma 4 负责生成层，也就是补全笔记、做总结、回答用户在会上突然想到的问题。换句话讲，就是一个负责"找"，一个负责"答"，分工合作。

这个项目目前是免费的，下载地址是t点cn/AXltSSqE

当然，由于它运行在本地，因此其能力上限决定于电脑里有多少资料，毕竟它只是把已有的东西串联起来，不是凭空造新东西。

通过这个项目，谷歌把 EmbeddingGemma 2 和 Gemma 4 组合起来，等于把端侧多模态检索的完整链路跑通了。有需要的朋友快来试试吧！