企业官网建设流程全解析

解放双手的AI自动回答：Natively Auto Answer(Beta)完整用法，它如何判断该不该保持沉默？

【免费下载链接】natively-cluely-ai-assistantNatively — Free open-source AI meeting assistant, interview copilot, and note taker. The best alternative to Cluely, Otter, Granola, Final Round AI, Fireflies, and Interview Coder. Real-time transcription, AI meeting notes, lecture recording, local RAG, BYOK, and stealth mode. Runs locally. No subscriptions. No data breaches.项目地址: https://gitcode.com/gh_mirrors/na/natively-cluely-ai-assistant

Natively是一款免费开源的 AI 会议助手与面试副驾（Interview Copilot），支持实时转录、AI 会议笔记、本地 RAG 与 BYOK，全部本地运行、无订阅、无数据外泄。它的Auto Answer（Beta）功能是真正的"解放双手"：面试官一停口，答案就已经草拟好出现在眼前——而它背后有一套精巧的"该答/该沉默"判断机制。这篇文章带你完整上手，并拆解它"何时闭嘴"的决策逻辑。

一、三步开启 Auto Answer：最快配置方法

Auto Answer 默认关闭，位于设置页中并带有 Beta 标识，开关旁的说明就一句话："Answers appear as soon as the interviewer finishes a question"（面试官一结束提问，答案立刻出现）。

开启步骤清单：

1. 打开 Natively，进入Settings（设置）→ General（通用）
2. 找到Auto Answer（Beta）开关，点击启用
3. 开始会议（面试 / 讲课 / 销售通话均可），无需任何额外操作

相关实现可以在设置界面源码中查到开关与 Beta 徽标的完整交互逻辑：SettingsOverlay.tsx。

💡 提示：Auto Answer 与 Direct Assist 同属 Beta 功能，两者共用一套 Liquid Glass 徽标设计，方便你一眼区分"实验特性"与"稳定特性"。

二、Natively 如何判断该不该回答：四层过滤机制

这是全文核心。Auto Answer 的引擎源码在 SimpleAutoAnswer.ts（设计口号是"legacy trigger, judge brain——传统触发器 + 裁判大脑"），整体流程是一条流水线：

面试官停止说话 → 本地零成本预过滤 → 一次快速"裁判"LLM 调用 → 回答 or 沉默

2.1 第一层：等面试官真正"说完"（安静窗口）

引擎不会每收到一个词就急着判断。它等待一个900ms 的稳定性窗口（STABILITY_MS）：面试官的每个新词都会把窗口重新计时，只有真正停下来超过 900ms，才视为"一句话结束"。

更聪明的细节是——如果本地语音检测器（VAD）或 STT 供应商提前确认了"话轮结束"，等待会缩短到350ms（ENDPOINT_CONFIRM_MS）；甚至在安静120ms时就提前向"裁判"发起询问（EARLY_JUDGE_MS），让模型延迟与等待窗口重叠。所以答案出现得比你想象的快。

2.2 第二层：零成本预过滤（免费的沉默）

在动用 LLM 之前，引擎先用几个正则/规则免费筛掉明显不该回答的情况：

预过滤正则见 SimpleAutoAnswer.ts。

2.3 第三层：动态"裁判"模型（Judge Brain）

通过了预过滤的候选文本，会被交给一个小型快速模型做裁判——注意：裁判只负责"该不该答"，不负责写答案。裁判的提示词构建与解析逻辑在 AutoAnswerJudge.ts，它返回一个 JSON 判决：

• is_ask：这到底是不是一个问题/任务
• directed_at_user：是不是问给你的
• complete：话是否说完了
• answerability：0~1 的"你此刻多想看到 AI 草稿答案"评分
• action：answer或silent

裁判有2.5 秒超时（JUDGE_DEADLINE_MS）：超时或模型不可用，就回退到启发式兜底——只要候选文本以问号结尾或以 "how/what/can you…" 等疑问引导词开头，就直接派发答案。所以即使裁判离线，功能也不至于彻底哑火。

2.4 第四层：可答性评分门槛

裁判给出的answerability必须高于0.30（ANSWER_FLOOR）才会真正派发答案。评分标尺很有意思：

• 0.9~1.0：轮到你回答的问题或任务（哪怕只是 "have you heard of Wordle?" 这种短问）
• 0.6~0.8：真实但偏社交/流程性的提问
• 0.3~0.5：设备确认类（"Can you see my screen?"）
• 0.0~0.2：根本不是提问，或是对已答问题的复述

三、这些情况，Natively 会主动保持沉默

引擎的类型定义里有一份完整的"沉默原因清单"（AutoAnswerTypes.ts），把最实用的翻译给你：

1. 修辞性提问："Why do we shard by user id?" 说话人紧接着自己回答了——这不是提问，是自说自话。
2. 讲规则/讲故事：面试官解释游戏规则时说的 "you have to guess what the word is" 含疑问词，但不是问题。
3. 问别人而不是问你：团队会议里 "Raj, can you tell support?"——引擎知道你叫什么名字（来自简历或日历账号），能区分 "Evan, can you…" 是问你，"Raj, can you…" 是问同事。
4. 你已经在回答了：Auto Answer 的设计哲学是"问题一落地你就开始答"，你自己的发言不会打断或取消正在流式输出的答案（用户通道是"惰性"的，见 SimpleAutoAnswer.ts）。
5. 已经答过的问题被复述：裁判会拿到"最近已回答的问题"做语义去重——不是简单的文本比对，"your task is to recreate this game in React" 被换个说法再说一遍，也会被识别为同一问题。
6. 话没说完：以 "and"、"so" 这类连词/介词结尾，或预告了 "three operations" 却只说了第一个——宁可等，不答半题。
7. 授权与寒暄："you can totally look up syntax"、"take your time" 是给你自由，不是要你产出，一律沉默。
8. 设备流程类（"are you ready?"）：算提问但评分低（0.3~0.5），多数时候静默。

裁判的完整"沉默守则"写在了提示词里，值得一读：AutoAnswerJudge.ts。里面有一条黄金原则值得单独拎出来——

⚖️"WHEN IN DOUBT, ANSWER."（拿不准时，回答。）一份你可以一眼忽略的答案，成本几乎为零；错过的一次提问，损失的是当下那个瞬间。"沉默"只保留给规则里明确该闭嘴的情形。

这也是它和"每句话都弹答案"的粗糙实现的最大区别：默认倾向回答，但有 8 类明确的沉默理由。

四、答案为什么这么快：预取与投机准备

你体验到的"秒出答案"来自工程上的三重加速（SimpleAutoAnswer.ts）：

• 预取（prefetch）：裁判还在思考时，答案引擎已经开始起草——问题形状的提问（带?或 "tell me about…" 开头）直接享受"免限额"预取。
• 一次停顿只判一次：绝不对同一个词反复调用裁判（旧版 V3 曾把一句话判 6 次）。
• 判定失效即中止：面试官一旦开口说了新话，在途的裁判调用立即中止，不白花钱。

五、实用建议与源码导航

• 🎯面试场景：搭配你的简历 profile 使用，裁判会用你的名字分辨"问你的 vs 问同事的"，效果最好。
• 🎧建议戴耳机：你的声音仍会被转录（裁判需要看到双方对话），但不会干扰派发逻辑。
• 🔍想知道为什么没触发？每次沉默都会记录结构化遥测事件（skipReason 字段），事件类型见 AutoAnswerTypes.ts——不含任何转录文本，只有长度与原因，隐私友好。

核心模块速查：

• 引擎主体：electron/intelligence/autoAnswer/SimpleAutoAnswer.ts
• 裁判提示词与判决解析：electron/intelligence/autoAnswer/AutoAnswerJudge.ts
• 阈值与策略：electron/intelligence/autoAnswer/AutoAnswerPolicy.ts
• 触发门禁（设置开关+冷却检查）：electron/intelligence/autoAnswerGate.ts
• 单元测试（可看各种真实案例）：electron/intelligence/autoAnswer/tests/

一句话总结：Natively 的 Auto Answer 用"安静窗口 + 免费预过滤 + 2.5 秒裁判"三层漏斗，把 LLM 花在刀刃上，再用 8 条明确的沉默规则保证它不抢话、不答非所问——这就是它敢于以 Beta 姿态直接默认"拿不准就答"的底气。

【免费下载链接】natively-cluely-ai-assistantNatively — Free open-source AI meeting assistant, interview copilot, and note taker. The best alternative to Cluely, Otter, Granola, Final Round AI, Fireflies, and Interview Coder. Real-time transcription, AI meeting notes, lecture recording, local RAG, BYOK, and stealth mode. Runs locally. No subscriptions. No data breaches.项目地址: https://gitcode.com/gh_mirrors/na/natively-cluely-ai-assistant