ARTICLE · 989985
Pluely:一款「无感」的AI助手,让AI真正融入你的每一次对话
引言
你有没有过这样的经历：
开会时对方问了一个尖锐的问题，你脑子一片空白；面试时突然被要求举例，手忙脚乱地回忆；销售电话里客户抛出一个技术问题，你不确定自己说的是否准确。
大多数AI助手需要你切换窗口、打开标签页、粘贴上下文——这一步的延迟，往往就让你错过了最佳回答时机。
Pluely 解决的就是这个问题。它不是一个聊天机器人，而是一个「悬浮在你所有工作之上的AI overlay」——一个始终漂浮在屏幕最前端的透明小窗口，让你在任何场景下都能即时获得AI的帮助，而且不会被屏幕共享暴露，在通话中也没有任何机器人加入。
这就是它名字的含义：Pluely = Plugin + Truly = 真正无感的插件。
一、项目概述
1.1 核心定位
Pluely 是一款跨平台（macOS / Windows / Linux）的桌面应用，定位为「隐形的AI伴侣」：
One overlay, no tab, no trace.（一个悬浮层，无需切换标签页，不留任何痕迹。）
它的核心特性是「始终可用、从不打断」——悬浮层永远漂浮在你正在使用的应用之上，但不会抢占焦点（macOS上尤其明显）。你可以一边在IDE里写代码、一边开电话会议、一边查看PDF文档，同时让Pluely实时为你提供帮助。
1.2 两个核心模式
Pluely提供两种工作模式：
Ask 模式（提问模式）
在悬浮层中输入问题，可以附加：
• 全屏或区域截图（拖拽选择） • 图片或文件（PDF等，支持OCR） • 语音输入（Push-to-talk） • 当前屏幕的实时截图
答案以Markdown流式返回，所有对话自动保存在本地，支持搜索和导出。
Listen 模式（聆听模式）
开启后，Pluely实时转录你的麦克风音频和系统音频（对方的声音），显示带说话人标签的转录文本。
在这个模式下，Pluely可以：
• 自动生成回答建议（当有人提问时） • 实时翻译对话 • 记录会议纪要 • 检测对话场景（面试/会议/编程讨论）并自动切换提示词
1.3 技术架构
┌─────────────────────────────────────────────────┐│ Pluely v1 │├─────────────────────────────────────────────────┤│ Frontend: React + shadcn/ui ││ Runtime: Tauri (Rust) ││ Platform: macOS native panel (tauri-nspanel) ││ Storage: Local SQLite ││ Audio: System audio + mic, echo cancellation ││ AI: 200+ hosted models / 自带 key / CLI │└─────────────────────────────────────────────────┘选型亮点：
• Tauri 替代 Electron：Tauri使用系统WebView，而非打包完整的Chromium，安装包仅9-16MB，比动辄100MB+的Electron应用轻量得多。 • 本地SQLite存储：所有聊天记录、会议转录、文件都存在本地数据库，不上云。 • tauri-nspanel：macOS原生的panel集成，让overlay成为真正的系统悬浮面板。
二、详细功能解析
2.1 Ask 模式：让AI看到你在看什么
Ask模式的核心是「上下文捕获」——你不仅可以用文字提问，还可以让AI「看到」你的屏幕。
截图捕获方式：
1. Capture（截图）— 全屏或拖拽区域截图2. Attach image — 附加已有图片3. Attach file — 附加PDF等文档（内置OCR）4. Use image — 每次消息自动附上新鲜截图这意味着你可以：
• 看到一段报错信息？截个图问「这是什么问题」 • 看到PDF合同里的一段条款？截图问「这句话的法律含义」 • 看到复杂的架构图？截图问「这个流程有什么问题」
AI的回答基于你实际的屏幕内容，而非模糊的描述。
对话管理：
• 回答以Markdown流式输出，支持代码高亮 • 每个答案下方有智能跟进建议（Follow-up chips） • 可以切换「仅当前答案」和「完整对话历史」视图 • 所有对话自动保存本地，可搜索、可导出
2.2 Listen 模式：实时转录 + 主动建议
Listen模式是Pluely最独特的功能——它不仅记录对话，还能主动参与。
转录能力：
- 同时捕获麦克风音频 + 系统音频（对方的声音）- 自动区分说话人（Speaker 1, Speaker 2...）- 回声消除：扬声器播放的声音不会通过麦克风重复转录- 支持数十种语言，以及多语言混合模式- 实时波形显示，证明正在「听」自动回复（核心亮点）：
当开启自动回复后，Pluely会在以下时机自动生成回答建议：
自动回复的内容由你选择的「提示词模板」决定：
• Interview Assistant → 生成面试问题的回答 • Meeting Assistant → 生成会议纪要和行动项 • Translator → 生成实时翻译 • Coding Discussion → 回答技术问题 • 自定义模板 → 完全自己编写
你还可以给提示词附加知识文件（比如你的简历、产品规格书、定价表），Pluely会用这些文件作为回答的参考依据。
场景自动检测：
当没有手动固定标签页时，Pluely会分析对话内容，自动切换到对应的模式标签：
• 检测到面试问题 → 自动切换到 Interview • 检测到多人会议 → 自动切换到 Meeting • 检测到编程术语 → 自动切换到 Coding
隐私保护机制：
- 5分钟完全静默后自动停止（不浪费算力和时间）- 每小时询问「是否继续」— 防止遗忘导致整晚运行- 月度转录时间用完时，在自然停顿处优雅结束，不会中途打断2.3 模型选择：灵活性极强
Pluely提供三种模型接入方式，优先级如下：
优先级 1: 你的 CLI（Claude Code / Gemini CLI / Ollama 等） ↓优先级 2: Pluely 托管模型（200+ 模型，无需 API key） ↓优先级 3: 自带 Provider Key（自己配置 endpoint + key）自带 CLI 最优先，适合完全离线或对数据隐私要求极高的场景（Ollama 本地模型）。自带 Key 支持任意兼容 OpenAI 格式的 endpoint。托管模型 则无需任何配置，开箱即用。
托管模型列表顶部有两个特殊入口：Web Search 和 Perplexity Search——当你需要实时信息时（如价格、新闻），直接切换即可联网搜索。
三、设计哲学：为什么「无感」是关键
3.1 「第二大脑」的产品哲学
Pluely的核心理念是「AI应该在你需要它的瞬间出现，而不是等你去找它」。
传统AI助手的交互范式是：用户主动打开应用 → 粘贴上下文 → 提问 → 获得回答。这个流程的致命问题是「主动打开」这一步——当你处于高压场景（面试、谈判、会议）时，你根本没有时间去切换窗口、复制粘贴。
Pluely把这个流程反过来：AI始终在场，随时待命，按需响应。你不需要主动找它，它就在那里。
3.2 隐私优先架构
Pluely的隐私设计体现在三个层面：
数据存储：本地 SQLite
所有内容（聊天记录、会议转录、文件）都存储在本地的SQLite数据库，不会上传到任何服务器。
凭证加密：本地加密存储
如果你使用自己的Provider API Key，这个key在本地加密存储，不会以明文形式出现在磁盘上。
屏幕共享保护：Stealth模式
在屏幕共享、视频会议或录制时，Pluely的悬浮层设计为「低调存在」——它不会成为画面焦点，Windows还提供专门的「Stealth Keystroke Mode」进一步隐藏触发行为。
3.3 「不抢占焦点」的设计选择
macOS上，Pluely的悬浮层是「非 activating」的——点击它不会把当前应用推到后台。这是一个极其重要的细节设计：
传统AI助手： 你正在写代码 → 需要问AI → 切换到AI窗口 → 当前应用丢失上下文 回答完了 → 切回来 → 重新找到刚才的位置Pluely： 你正在写代码 → 在当前窗口中直接打字给Pluely → 代码窗口纹丝不动 回答了 → 继续写代码这让Pluely真正成为「工作的伙伴」而非「打断者」。
3.4 为什么从开源转向闭源
值得注意的一个决策：Pluely早期是完全开源的（MIT → GPL-3），但作者发现代码被不断拿去重新打包成商业产品销售，且license投诉毫无作用。因此v1转向了「签名二进制分发」策略，但：
• 旧版GPL-3代码仍保留在GitHub历史中 • 免费计划保持免费，release依然公开发布 • Issues保持开放接受bug报告 • 数据始终保存在本地
这是一个商业可持续性与开源精神之间的务实权衡。
四、实战教程：5分钟上手 Pluely
4.1 安装
访问 pluely.com/download[1] 下载对应平台的安装包：
• macOS：.dmg（9-16MB） • Windows：.msi / .exe • Linux：.deb / .rpm / .AppImage
Linux需要WebKitGTK运行时（参考Tauri前置要求）。
首次启动后，授予屏幕录制和麦克风权限即可。
4.2 基础提问（Ask模式）
Step 1: 打开悬浮层（全局快捷键，默认 Cmd+Shift+Space）Step 2: 确保在「Ask」标签下Step 3: 输入问题，按 EnterStep 4: （可选）点击 Capture 截取屏幕内容，获取更精准的回答4.3 会议记录（Listen模式）
Step 1: 切换到「Listen」标签Step 2: 选择一个提示词模式（Interview / Meeting / Translate / 自定义）Step 3: 配置自动回复触发方式（提问时 / 每次停顿 / 关闭）Step 4: 点击「Start listening」Step 5: Pluely开始转录，可在「Compact View」小窗模式查看Step 6: 对话结束后点击「Stop」，自动保存为会议记录4.4 配置自己的模型（高级）
Step 1: 打开 Dashboard → Dev SpaceStep 2: 选择「Connect a CLI」或配置「Provider」Step 3: CLI：填写命令模板（如 claude-code --print "%s"） Provider：填入 endpoint URL + API KeyStep 4: 保存后，该选项出现在悬浮层模型选择器中4.5 自定义 Listen 模式提示词
Step 1: Dashboard → System PromptsStep 2: 创建新提示词，或编辑现有模板Step 3: 编写系统提示词内容，定义角色和行为Step 4: 可选：附加知识文件（PDF/文档）作为参考资料Step 5: 在提示词菜单中选择「Make Listen mode」Step 6: 该提示词出现在Listen模式的标签栏中五、核心观点归纳
5.1 「无感」是下一代AI应用的核心竞争力
当AI助手需要用户主动「去找」的时候，它的使用成本就高到足以让大多数人在关键时刻放弃使用。Pluely的核心洞察是：AI的价值在高压场景下最高，但高压场景恰恰是用户最没有时间去「找AI」的时候。解决方案不是让AI更快，而是让AI始终在场。
5.2 本地化是隐私的最好保障
将数据存储在本地SQLite，而不是上传到云端，是隐私保护的最彻底方式。Pluely的架构选择意味着即使用户使用托管模型，Pluely处理的也只是「请求」本身，而不是「数据内容」。
5.3 场景感知比功能堆砌更重要
Pluely没有试图做一个「全功能AI助手」，而是专注于「Ask」和「Listen」两个场景，并通过场景检测自动切换提示词模式。这种「少即是多」的设计思路，让产品更加聚焦，也更容易做到极致。
5.4 开源与商业的边界正在被重新定义
Pluely的作者选择从开源转向闭源，核心原因是license enforcement的实际成本超过了收益。这是一个在AI时代值得思考的问题：当代码可以被轻易复制和分发时，护城河究竟在哪里？ Pluely的答案是：护城河不在代码里，而在产品体验、品牌信任和持续迭代里。
六、总结
Pluely是一款设计思路非常清晰的产品。它的核心创新不是某个具体的AI模型或功能，而是一种交互范式的转变——从「用户找AI」到「AI始终在场」。
它解决了一个真实的痛点：在关键时刻（面试、销售、谈判、会议），人们需要AI的帮助，但恰恰没有时间去切换窗口、复制粘贴。Pluely把这个成本降到了零。
对于AI应用开发者而言，Pluely提供了一个有价值的参考：无感化、场景化、隐私优先，这三个关键词可能是下一代AI应用的核心方向。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标，谢谢你看我的文章，我们，下次再见。
首发于微信公众号「比特财商」。
引用链接
[1] pluely.com/download: https://pluely.com/download