Glosarium entitas utama

Ikhtisar

Glosarium ini menghimpun definisi konsep inti Whisperer — mulai dari sesi panggilan hingga basis pengetahuan dan paket langganan. Tujuannya agar bagian dokumentasi lainnya dapat dibaca tanpa menebak-nebak: ketika Anda menemukan sebuah istilah di artikel mana pun, Anda akan menemukan makna persisnya di sini.

Ini adalah halaman referensi. Alih-alih prosedur langkah demi langkah, halaman ini memuat bagian "Bagaimana entitas saling terhubung" — yang memperlihatkan bagaimana konsep-konsep tersebut menyatu menjadi satu alur kerja produk.

Kapan digunakan

  • Anda membaca dokumentasi untuk pertama kali dan ingin memeriksa istilah-istilahnya.
  • Artikel lain menggunakan istilah yang asing (misalnya, "no-logs" atau "peran model").
  • Anda sedang mengonfigurasi prompt, basis pengetahuan, atau langganan dan ingin memahami batasan setiap konsep.

Istilah

Sesi (Session) — satu sesi asisten pada sebuah panggilan. Sesi memiliki siklus hidup: mulai (session.start) → perekaman audio → tanya jawab → selesai dengan data tersimpan. Sebuah sesi memiliki transkrip, pertanyaan yang diajukan, serta jawaban model yang terlampir padanya. Sesi adalah unit penghitungan menit dan dasar dari riwayat di dasbor.

Segmen transkrip (Segment) — potongan ucapan yang dikenali yang dibentuk Whisperer secara langsung dari audio streaming. Setiap segmen ditandai dengan pembicara dan stempel waktu. Segmen-segmen ini bertumpuk menjadi transkrip lengkap sesi, ditampilkan sebagai teks berjalan di klien dan disimpan dalam riwayat (kecuali pada mode no-logs).

Pembicara ([Me] / [Other]) — label pembicara dalam transkrip. [Me] adalah suara Anda dari mikrofon, [Other] adalah suara dari audio sistem (apa yang terdengar di headphone/speaker Anda). Pelabelan ini dimungkinkan karena klien menangkap dua sumber audio independen dan menandai setiap potongan audio dengan label pembicara.

Mind-map (node: topic / action_item / decision) — peta rapat yang diekstrak Whisperer setelah sebuah sesi. Node (MeetingMapNode) hadir dalam tiga jenis: topic (topik yang dibahas), action_item (tugas yang harus dikerjakan), decision (keputusan yang dibuat). Di dasbor, peta dapat divisualisasikan dan diperkaya lebih lanjut (enrich-mindmap).

Templat prompt (prompt peran) — draf instruksi sistem untuk model yang disesuaikan dengan peran tertentu. Diatur oleh Anda di Prompt Studio dan disisipkan ke dalam prompt sistem sebelum konteks pengguna dan blok basis pengetahuan.

Peran model — tujuan yang menjadi dasar pemilihan sebuah model. Whisperer memiliki tujuh peran: responses (jawaban chat biasa), coding (kode), vision (tangkapan layar dan gambar), system_design (respons terstruktur dengan diagram Mermaid), generation (membuat dan memperkaya mind-map), transcription (pengenalan ucapan, Whisper), embedding (vektorisasi teks untuk RAG). Anda dapat menetapkan model terpisah untuk setiap peran.

Basis pengetahuan / Catatan (Note) — penyimpanan pengetahuan pribadi Anda di dasbor. Sebuah catatan berisi judul, teks Markdown, dan tag. Wiki-link berbentuk [[...]] menghubungkan catatan menjadi sebuah graf (tetangga, jalur terpendek, sentralitas). Basis pengetahuan disimpan hingga Anda menghapusnya.

RAG (Retrieval-Augmented Generation) — mekanisme yang membuat jawaban model diperkaya dengan fakta dari basis pengetahuan Anda. Catatan dipecah menjadi potongan (~512 token, tumpang tindih 64), diubah menjadi embedding, dan disimpan dalam basis data vektor; untuk setiap kueri, sistem menggunakan pencarian kosinus untuk menemukan top-k fragmen relevan dan menyisipkannya ke dalam prompt. Dengan cara ini, saran-saran bersandar pada materi Anda, bukan hanya pada pengetahuan umum model.

Konteks pengguna — data sembarang yang Anda sediakan kepada asisten sebelumnya (misalnya, deskripsi peran, produk, atau resume Anda). Diatur di profil Anda, konteks ini memengaruhi nada dan kedalaman respons di seluruh sesi.

Langganan / Paket (Plan) — tingkat akses Anda ke produk: Free, Start, Pro, Max. Paket menentukan batas menit, akses ke basis pengetahuan, multi-tangkapan layar, mode System Design, dan model frontier. Inti produk (sesi, basis pengetahuan) memerlukan langganan berbayar yang aktif.

Kuota menit — batas waktu pengenalan dalam sebuah paket. Pada Free, batasnya 60 menit per bulan; pada paket berbayar, menit tidak terbatas. Menit sebuah sesi dihitung terhadap kuota, termasuk pada mode no-logs (penghitung terpisah, no_logs_minutes_used). Kuota bersifat lunak: sesi yang sedang berjalan akan tetap selesai, tetapi Anda tidak akan dapat memulai sesi baru hingga kuota terisi kembali.

Mode no-logs (efemeral) — mode sesi privat di mana transkrip dan jawaban tidak ditulis ke basis data dan dihapus setelah sesi berakhir. Berguna untuk percakapan sensitif. Penting: menit tetap terpotong dari kuota.

Model frontier — LLM unggulan yang paling mumpuni (misalnya, Claude Opus, GPT kelas teratas, dan yang setara). Di Whisperer, model-model ini hanya terbuka pada paket Max.

Referral — pengguna yang Anda undang. Untuk setiap pembelian yang memenuhi syarat oleh seorang referral (paket Pro atau Max), Anda mendapat imbalan 500 ₽; satu imbalan per orang yang diundang.

Kode promo — kode diskon. Ada dua jenis: percent (diskon persentase dari harga) dan bonus_days (hari langganan bonus). Markup konversi mata uang tidak diterapkan pada diskon dan bonus.

Bagaimana entitas saling terhubung

Konsep-konsep Whisperer membentuk satu alur — dari percakapan menjadi pengetahuan:

  1. Anda memulai sebuah sesi. Klien menangkap dua sumber audio dan menandainya dengan pembicara [Me] / [Other].
  2. Pengenalan (peran model transcription) mengubah audio menjadi segmen transkrip.
  3. Saat Anda mengajukan pertanyaan, prompt sistem dirakit: templat prompt dari peran model yang dipilih → konteks pengguna → blok RAG dari basis pengetahuan Anda.
  4. Model menjawab; pada mode no-logs, baik transkrip maupun jawaban tidak disimpan, tetapi menit tetap dipotong dari kuota yang ditetapkan oleh paket.
  5. Setelah sesi, Whisperer mengekstrak mind-map (topic / action_item / decision) untuk ringkasan rapat.
  6. Tingkat akses ke semua ini ditetapkan oleh langganan; kode promo dan referral membantu memperpanjang atau menurunkan biayanya, dan model frontier diaktifkan pada Max.

Tangkapan layar

📸 [Tangkapan layar: transkrip langsung dengan label [Me] dan [Other]]

📸 [Tangkapan layar: mind-map rapat dengan node topic/action_item/decision]

📸 [Tangkapan layar: graf basis pengetahuan yang dibangun dari wiki-link]

Kesalahan umum

  • Mengacaukan sesi dengan transkrip. Sesi adalah keseluruhan sesi, dengan penghitungan menit; transkrip (kumpulan segmen) hanyalah bagian darinya.
  • Menganggap no-logs sebagai "gratis". Menit pada no-logs terpakai seperti biasa; hanya datanya yang tidak disimpan.
  • Mengharapkan model frontier pada Pro. Frontier hanya tersedia pada Max.
  • Mencoba memberi perintah melalui konteks pengguna. Konteks menyediakan fakta tentang Anda; gunakan templat Prompt Studio untuk mengendalikan cara asisten merespons.

Praktik terbaik

  • Periksa glosarium sebelum mengonfigurasi prompt dan peran model — ini menghemat waktu debugging.
  • Isi konteks pengguna dan basis pengetahuan Anda sebelumnya: RAG menarik fakta-fakta Anda ke dalam setiap jawaban.
  • Gunakan wiki-link antar catatan agar graf pengetahuan membantu pencarian dan navigasi.
  • Untuk panggilan sensitif, aktifkan no-logs, dengan mengingat bahwa menit tetap terpakai.

Artikel terkait