Як це працює

Цей кластер — для тих, хто хоче зрозуміти конвеєр, перш ніж довірити йому співбесіду. Розумно.

Наскрізно одна пропозиція відповіді проходить чотири кроки: захоплення, транскрипція, генерація, рендеринг. Захоплення — нативне для ОС — ScreenCaptureKit (macOS) або WASAPI (Windows) — забирає системний звук на рівні ОС, щоб ШІ чув інтерв'юера так само, як ваші колонки. Мікрофон захоплюється окремо — ШІ отримує і ваш звук як контекст, і для післяінтерв'юного транскрипту. Транскрипція — розпізнавання мовлення в реальному часі. На етапі генерації питання разом із вашим резюме, описом вакансії та історією розмови передається до великої мовної моделі, із системним промптом, що обмежує довжину виводу під формат співбесіди. Рендеринг стрімить відповідь у плаваюче вікно-оверлей, яке існує поза вікном застосунку відеозв'язку, — його можна перетягнути будь-куди, у тому числі за межі зони демонстрації екрана.

Наскрізний бюджет затримки до першого токена — sub-400 milliseconds. За цією межею ваш погляд сходить із камери, поки ви читаєте відповідь, і сенс зникає. Нижче розглянуто кожен етап детально, що відбувається при перевищенні бюджету і які компроміси обрано. (Для глибшого «навіщо ми це робили» — лист засновника.)