Sådan fungerer det

Denne gruppe er til folk, der vil forstå rørledningen, før de stoler på den til deres jobsamtale. Helt rimeligt.

Fra ende til anden gennemgår et svarforslag fire trin: optagelse, transskription, generering og visning. Optagelsen er OS-native, ScreenCaptureKit (macOS) eller WASAPI (Windows), og henter systemlyden på OS-niveau, så AI’en hører intervieweren, som dine højttalere gør. Mikrofonen optages separat, så AI’en også har din lyd som kontekst og til transskriptionen efter jobsamtalen. Transskription er tale-til-tekst i realtid. Genereringen sender spørgsmålet sammen med dit CV, jobopslaget og samtalehistorikken indtil nu til en stor sprogmodel, med en systemprompt, der begrænser outputtet til en længde, som passer til en jobsamtale. Visningen streamer svaret ind i et flydende overlay-vindue uden for konferenceappens vindue: du kan trække det hvorhen som helst, også uden for skærmdelingsområdet.

Forsinkelsesbudgettet for det første token fra ende til anden er under 400 millisekunder. Længere end det flytter dine øjne sig væk fra kameraet, mens du læser svaret, og så mister det sit formål. Svarene nedenfor gennemgår hvert trin i detaljer, hvad der sker, når budgettet overskrides, og hvilke kompromisser vi valgte. (Den dybere baggrund for, hvorfor vi byggede det, finder du i grundlæggerbrevet.)