用途：把团队在通话中获得的洞察沉淀到仓库，而不是留在无人重看的录音里。每天早上一个定时 CI 工作流加托管智能体运行，产出三部分：原始采集写入 cadence/log/raw/calls/（永久归档，不编辑不删除）；日志条目写入 cadence/log/calls/<date>-<account>.md，含内容、固定标题下的情报与复选框形式的行动项；某说法（异议、竞品、信号）第二次出现时，连同两次通话引用提升到仓库根目录的 context/。随后只开一个拉取请求并停止，由人工合并，下一次 cargo-ai cdk deploy 把 context/ 同步到工作区上下文仓库。
主要能力与安全约束：采集由 scripts/collect/calls.ts 确定性执行，智能体不自行抓取；智能体的唯一写路径是仓库，不能发邮件、不能操作 CRM、不能自行合并；说法需第二次独立出现才进入 context/。资源与指令分别位于 infra/call-capture/agents/call-scribe.ts 与 call-scribe.prompt.ts，harnessSlug 为 "claudeCode"。
使用方式：安装用 cargo-ai cdk add cookbook/call-capture，或 cargo-ai cdk init <dir> --cookbook call-capture && cd <dir> && npm install。需与已有 GitHub 连接器或 agents 文件夹对账，避免同 slug 冲突。用 npx tsx scripts/call-capture/collect/calls.ts --list 查看九种录音器，在 scripts/call-capture/collect/config.ts 设 RECORDER 与 INTERNAL_DOMAIN，凭据用 cargo-ai workspaceManagement envVar create --key CALL_RECORDER_API_KEY --secret 存入工作区。先 --dry-run 手动跑一次采集，再 npm run check && cargo-ai cdk plan，显式确认后 cargo-ai cdk deploy。
限制：文档明确标注 to-be-approved，尚未在真实工作区完成部署验证，批准前不得作出效果承诺。九种适配器中仅 Avoma 经实机验证，其余八个依据厂商文档编写，字段名可能变动，可能出现“干净的空跑”；Gong 与 Clari Copilot 需两个凭据，用 <first>:<second> 存放。是否收费、价格、具体效果与用量指标暂未提供。