核心概念詞彙表
概述
本詞彙表彙集了 Whisperer 核心概念的定義——從通話會話到知識庫和訂閱方案。它的存在是為了讓其他文件讀起來不費力:當你在某篇文章中遇到某個術語時,可以在這裡找到其確切含義。
這是一個參考頁面。與其提供逐步操作指南,不如在本頁末尾加入"各概念之間的關聯"章節——說明這些概念如何組合成一個完整的產品工作流。
使用時機
- 你第一次閱讀文件,想要核實術語。
- 另一篇文章使用了你不熟悉的術語(例如"無痕模式"或"模型角色")。
- 你在配置提示詞、知識庫或訂閱,想要明確這些概念的邊界。
術語
會話(Session) — 一次通話的完整助手使用過程。它具有完整的生命週期:開始(session.start)→ 錄音 → 問答 → 帶資料儲存的結束。會話包含轉錄記錄、提問內容和模型回答。會話是分鐘用量統計的基本單位,也是控制檯歷史記錄的基礎。
轉錄片段(Segment) — Whisperer 從流式音訊中即時生成的已識別語音片段。每個片段都帶有說話人標籤和時間戳。片段累積成會話的完整轉錄,在客戶端以滾動字幕形式顯示,並儲存到歷史記錄中(無痕模式除外)。
說話人([Me] / [Other]) — 轉錄中的說話人標籤。[Me] 是你從麥克風傳入的聲音,[Other] 是來自系統音訊的聲音(從耳機/揚聲器播出的聲音)。這種標註之所以可行,是因為客戶端捕獲兩路獨立音訊源,併為每個音訊塊新增說話人標籤。
思維導圖(Mind-map,節點型別:topic / action_item / decision) — Whisperer 在會話結束後提取的會議地圖。節點(MeetingMapNode)分為三種型別:topic(已討論的話題)、action_item(待完成的任務)、decision(已做出的決定)。在控制檯中,地圖可以視覺化,並進一步豐富(enrich-mindmap)。
提示詞模板(Prompt template,角色提示) — 為特定角色量身定製的模型系統指令草稿。由你在 Prompt Studio 中設定,並在使用者上下文和知識庫塊之前嵌入系統提示詞。
模型角色(Model role) — 選擇模型的用途。Whisperer 有七種角色:responses(常規聊天回答)、coding(程式碼)、vision(截圖和影象)、system_design(帶 Mermaid 圖表的結構化回答)、generation(生成和豐富思維導圖)、transcription(語音識別,Whisper)、embedding(用於 RAG 的文字向量化)。每種角色可以單獨設定模型。
知識庫 / 筆記(Note) — 你在控制檯中的個人知識儲存。筆記包含標題、Markdown 文字和標籤。[[...]] 形式的 wiki 連結將筆記連線成圖譜(鄰居節點、最短路徑、中心度)。知識庫會持久儲存,直到你刪除。
RAG(檢索增強生成) — 用你知識庫中的事實來增強模型回答的機制。筆記被拆分成塊(約 512 個 token,重疊 64 個),轉化為向量,儲存在向量資料庫中;對於每次查詢,系統使用餘弦搜尋找到 top-k 相關片段,並將其插入提示詞中。這樣,建議就依賴於你的素材,而不僅僅是模型的通用知識。
使用者上下文(User context) — 你提前向助手提供的任意資訊(例如你的角色描述、產品或履歷)。在個人資料中設定,影響所有會話中回答的語氣和深度。
訂閱 / 方案(Plan) — 你對產品的訪問級別:Free、Start、Pro、Max。方案決定了分鐘限額、知識庫訪問權限、多截圖、系統設計模式和前沿模型。產品核心(會話、知識庫)需要有效的付費訂閱。
分鐘配額(Minute quota) — 計畫內的識別時間限制。Free 版每月 60 分鐘;付費方案的分鐘數不限。會話的分鐘數計入配額,包括無痕模式(單獨計數器 no_logs_minutes_used)。配額為軟限制:當前會話將正常完成,但在配額恢復前無法開始新會話。
無痕模式(No-logs,ephemeral mode) — 一種隱私會話模式,在該模式下,轉錄和回答不寫入資料庫,並在會話結束後刪除。適合敏感對話。重要提示:分鐘數仍會從配額中扣除。
前沿模型(Frontier models) — 旗艦級、最強大的 LLM(例如 Claude Opus、頂級 GPT 及同等產品)。在 Whisperer 中,這些模型僅在 Max 方案中解鎖。
推薦人(Referral) — 你邀請的使用者。每位推薦使用者進行符合條件的購買(Pro 或 Max 方案),你可獲得 500 ₽ 獎勵;每位被邀請者只獎勵一次。
促銷碼(Promo code) — 折扣碼。兩種型別:percent(價格折扣百分比)和 bonus_days(獎勵訂閱天數)。折扣和獎勵不適用貨幣兌換加價。
各概念之間的關聯
Whisperer 的概念構成一個完整的流程——從對話到知識積累:
- 你開始一個會話。客戶端捕獲兩路音訊源,並用說話人標籤
[Me]/[Other]標註。 - 識別(
transcription模型角色)將音訊轉化為轉錄片段。 - 當你提問時,系統提示片語裝完成:所選模型角色的提示詞模板 → 使用者上下文 → 來自知識庫的 RAG 塊。
- 模型給出回答;在無痕模式下,轉錄和回答均不儲存,但分鐘數仍從方案規定的配額中扣除。
- 會話結束後,Whisperer 提取思維導圖(topic / action_item / decision)用於會議摘要。
- 所有這些的訪問級別由訂閱設定;促銷碼和推薦有助於延長或降低費用,前沿模型在 Max 版中啟用。
常見誤區
- 將會話與轉錄混淆。 會話是帶有分鐘統計的完整過程;轉錄(片段集合)只是其中一部分。
- 認為無痕模式是"免費的"。 無痕模式中的分鐘數照常消耗;只是資料不被儲存。
- 期望在 Pro 版中使用前沿模型。 前沿模型僅在 Max 版中可用。
- 試圖透過使用者上下文發出指令。 上下文提供關於你的事實;使用 Prompt Studio 模板來控制助手的回應方式。
最佳實踐
- 在配置提示詞和模型角色之前查閱詞彙表——可以節省除錯時間。
- 提前填寫使用者上下文和知識庫:RAG 會將你的事實引入每條回答。
- 在筆記之間使用 wiki 連結,讓知識圖譜輔助搜尋和導航。
- 對於敏感通話,開啟無痕模式,但記住分鐘數仍會消耗。