一本书读完了，讨论发生了，但那些真正有价值的表达常常只停留在现场。
读书会结束后，整理者需要重新听录音、辨认发言人、归纳讨论重点，再把零散的观点组织成一份纪要。这个过程费时，也很容易把现场真实的回应压缩成几句笼统总结。
于是，Phenex 诞生了。
Phenex 是一款面向读书会的 AI 助手。它从录音开始，完成语音转写、说话人识别和结构化总结，再按书目保存每一期记录。它不替代阅读，也不替代人与人之间的讨论，只负责让已经发生过的思考不被遗忘。
功能亮点
读书会录音转写
上传录音后，Phenex 可以调用语音转录模型，并保留说话人分离结果。不同成员的发言不再混成一整段文字，后续总结能够尽量还原讨论关系。
结构化读书纪要
Phenex 使用 AI 从真实转写中提炼讨论重点、共识、分歧与现场出现的精彩原话。生成规则强调以录音为唯一信源，不根据书名或背景知识补写内容，尽量避免一份流畅但不真实的总结。
书目与历史管理
每一期记录都会归档到对应书目。用户可以新增、重命名或删除书目，也可以查看历史纪要和转写原文。音频与数据存储在云上，使读书会内容不再散落在聊天记录和个人文件夹中。
多模型选择
总结能力支持多个语言模型选择。不同部署环境可以根据模型效果、成本和已有服务配置选择后端，而不必把整个产品绑定在一个模型上。
与书聊一聊
除了生成纪要，Phenex 还提供围绕当前书目的聊天入口。接入微信读书后，Phenex 可以通过工具调用查询书架、阅读数据、书籍信息、笔记、书评与推荐，把个人阅读的记录带入对话。
从一次总结到长期记忆
Phenex 最初解决的是一个直接问题：读书会结束后，谁来做总结。
但当纪要按书目持续积累，问题开始发生变化。一次讨论不再是孤立的记录，而可以成为下一次阅读的上下文：某个观点最早在哪一期出现，成员对同一个问题的理解是否发生变化，一本书又如何连接到过去读过的其他书。
因此，聊天与微信读书能力并不是额外添加的入口，而是在尝试把历史内容从“存档”变成“可以继续访问的共同记忆”。
最后想说
读书会的价值不只在于读完一本书，而在于不同的人带着各自经验，对同一段文字作出回应。
Phenex 想保存的正是这些回应。
让一次讨论有迹可循，让过去说过的话仍能被听见，也让共同阅读在散场之后继续生长。