核心概念词汇表
概述
本词汇表汇集了 Whisperer 核心概念的定义——从通话会话到知识库和订阅计划。它的存在是为了让其他文档读起来不费力：当你在某篇文章中遇到某个术语时，可以在这里找到其确切含义。
这是一个参考页面。与其提供逐步操作指南，不如在本页末尾加入"各概念之间的关联"章节——说明这些概念如何组合成一个完整的产品工作流。
使用时机
- 你第一次阅读文档，想要核实术语。
- 另一篇文章使用了你不熟悉的术语（例如"无痕模式"或"模型角色"）。
- 你在配置提示词、知识库或订阅，想要明确这些概念的边界。
术语
会话（Session） — 一次通话的完整助手使用过程。它具有完整的生命周期：开始（session.start）→ 录音 → 问答 → 带数据保存的结束。会话包含转录记录、提问内容和模型回答。会话是分钟用量统计的基本单位，也是控制台历史记录的基础。
转录片段（Segment） — Whisperer 从流式音频中实时生成的已识别语音片段。每个片段都带有说话人标签和时间戳。片段累积成会话的完整转录，在客户端以滚动字幕形式显示，并保存到历史记录中（无痕模式除外）。
说话人（[Me] / [Other]） — 转录中的说话人标签。[Me] 是你从麦克风传入的声音，[Other] 是来自系统音频的声音（从耳机/扬声器播出的声音）。这种标注之所以可行，是因为客户端捕获两路独立音频源，并为每个音频块添加说话人标签。
思维导图（Mind-map，节点类型：topic / action_item / decision） — Whisperer 在会话结束后提取的会议地图。节点（MeetingMapNode）分为三种类型：topic（已讨论的话题）、action_item（待完成的任务）、decision（已做出的决定）。在控制台中，地图可以可视化，并进一步丰富（enrich-mindmap）。
提示词模板（Prompt template，角色提示） — 为特定角色量身定制的模型系统指令草稿。由你在 Prompt Studio 中设置，并在用户上下文和知识库块之前嵌入系统提示词。
模型角色（Model role） — 选择模型的用途。Whisperer 有七种角色：responses（常规聊天回答）、coding（代码）、vision（截图和图像）、system_design（带 Mermaid 图表的结构化回答）、generation（生成和丰富思维导图）、transcription（语音识别，Whisper）、embedding（用于 RAG 的文本向量化）。每种角色可以单独设置模型。
知识库 / 笔记（Note） — 你在控制台中的个人知识存储。笔记包含标题、Markdown 文本和标签。[[...]] 形式的 wiki 链接将笔记连接成图谱（邻居节点、最短路径、中心度）。知识库会持久保存，直到你删除。
RAG（检索增强生成） — 用你知识库中的事实来增强模型回答的机制。笔记被拆分成块（约 512 个 token，重叠 64 个），转化为向量，存储在向量数据库中；对于每次查询，系统使用余弦搜索找到 top-k 相关片段，并将其插入提示词中。这样，建议就依赖于你的素材，而不仅仅是模型的通用知识。
用户上下文（User context） — 你提前向助手提供的任意信息（例如你的角色描述、产品或简历）。在个人资料中设置，影响所有会话中回答的语气和深度。
订阅 / 计划（Plan） — 你对产品的访问级别：Free、Start、Pro、Max。计划决定了分钟限额、知识库访问权限、多截图、系统设计模式和前沿模型。产品核心（会话、知识库）需要有效的付费订阅。
分钟配额（Minute quota） — 计划内的识别时间限制。Free 版每月 60 分钟；付费计划的分钟数不限。会话的分钟数计入配额，包括无痕模式（单独计数器 no_logs_minutes_used）。配额为软限制：当前会话将正常完成，但在配额恢复前无法开始新会话。
无痕模式（No-logs，ephemeral mode） — 一种隐私会话模式，在该模式下，转录和回答不写入数据库，并在会话结束后删除。适合敏感对话。重要提示：分钟数仍会从配额中扣除。
前沿模型（Frontier models） — 旗舰级、最强大的 LLM（例如 Claude Opus、顶级 GPT 及同等产品）。在 Whisperer 中，这些模型仅在 Max 计划中解锁。
推荐人（Referral） — 你邀请的用户。每位推荐用户进行符合条件的购买（Pro 或 Max 计划），你可获得 500 ₽ 奖励；每位被邀请者只奖励一次。
促销码（Promo code） — 折扣码。两种类型：percent（价格折扣百分比）和 bonus_days（奖励订阅天数）。折扣和奖励不适用货币兑换加价。
各概念之间的关联
Whisperer 的概念构成一个完整的流程——从对话到知识积累：
- 你开始一个会话。客户端捕获两路音频源，并用说话人标签
[Me]/[Other]标注。 - 识别（
transcription模型角色）将音频转化为转录片段。 - 当你提问时，系统提示词组装完成：所选模型角色的提示词模板 → 用户上下文 → 来自知识库的 RAG 块。
- 模型给出回答；在无痕模式下，转录和回答均不保存，但分钟数仍从计划规定的配额中扣除。
- 会话结束后，Whisperer 提取思维导图（topic / action_item / decision）用于会议摘要。
- 所有这些的访问级别由订阅设定；促销码和推荐有助于延长或降低费用，前沿模型在 Max 版中启用。
截图
📸 [截图：带有 [Me] 和 [Other] 标签的实时转录]
📸 [截图：带有 topic/action_item/decision 节点的会议思维导图]
📸 [截图：由 wiki 链接构建的知识库图谱]
常见误区
- 将会话与转录混淆。 会话是带有分钟统计的完整过程；转录（片段集合）只是其中一部分。
- 认为无痕模式是"免费的"。 无痕模式中的分钟数照常消耗；只是数据不被保存。
- 期望在 Pro 版中使用前沿模型。 前沿模型仅在 Max 版中可用。
- 试图通过用户上下文发出指令。 上下文提供关于你的事实；使用 Prompt Studio 模板来控制助手的回应方式。
最佳实践
- 在配置提示词和模型角色之前查阅词汇表——可以节省调试时间。
- 提前填写用户上下文和知识库：RAG 会将你的事实引入每条回答。
- 在笔记之间使用 wiki 链接，让知识图谱辅助搜索和导航。
- 对于敏感通话，开启无痕模式，但记住分钟数仍会消耗。