技術面接のための不可視カンニングカード - OpenCluely分解

想像してみてください：オンラインの技術面接を受けている状況を。Zoomで画面共有をしている最中に、二分木回転の問題で頭が真っ白になってしまったとします。2番目のモニターでGoogle検索をするのは危険で、カメラから目を離すことですぐに面接官の疑念を招いてしまいます。

OpenCluelyは最近GitHubで人気，获得了多くの关注。它是一个桌面助手，在屏幕上对你可见，但对屏幕录制和屏幕共享软件完全隐藏。

このアプリできること

OpenCluelyはCluelyの無料代替品として位置づけられています。Electronアプリとして動作し、ウィンドウの上に不可視のオーバーレイを作成します。

アプリの主な焦点は、ビデオ会議ソフトウェアとの連携にあります。Zoom、Google Meet、Microsoft Teamsで画面共有を有効にすると、OBSでの録画を開始しても、ビデオストリームにはアシスタントウィンドウが含まれません。

情報は2つの方法で提供されます：

• 問題のスクリーンショットを撮ると、モデルが画像を分析します。
• マイクに質問を読み上げると、テキストがリアルタイムで認識されます。

レスポンスは、生成されている間、小さなフローティングウィンドウまたはチャットに文字単位で表示されます。

不可視化の仕組み

開発者はキャプチャからコンテンツを保護するためにOS APIを活用しました。

macOSでは、NSWindowSharingNoneパラメータで処理されます。WindowsはWDA_EXCLUDEFROMCAPTUREフラグを使用します。Electronはアプリウィンドウにこれらのオプションを設定するため、画面キャプチャはオーバーレイの下にあるものだけを認識します。

Linuxは話が異なります。X11とWaylandには同様のウィンドウマネージャーフラグがありません。開発者はドキュメントで正直に警告しています：Linuxでは、オーバーレイはすべての会議参加者に表示されます。部分的な解決策として、デスクトップ全体ではなく、コードエディタのある特定のウィンドウをストリーミングすることをお勧めします。

追加設定なしで音声とマルチモーダル機能

ビジュアルコンテンツ処理では、OpenCluelyはスクリーンショットを直接Geminiに送信します。中間的なOCRテキスト認識は関与しません。マルチモーダルモデルは、コードや問題文を含む画像を受け取り、直接レスポンスを構築します。

作者は音声処理にも取り組んでいます。Azure SpeechまたはローカルのWhisperを音声エンジンとして選択できます。

ローカルWhisperは初回起動時にスクリプトで自動設定されます。音声入力は厳密なタイマーで音声ストリームを切断しません。アルゴリズムは speech の自然な一時停止を追跡し、長いフレーズを単一のリクエストにまとめます。別のフィルターは、完全な沈黙中に存在しない言葉を捏造しようとするWhisperの幻覚を削除します。

操作用ホットキー

カーソル移動で注目を集めないよう、操作はキーボードベースです：

• Cmd/Ctrl + Shift + Sはスクリーンショットの範囲選択を開きます。
• Cmd/Ctrl + Shift + Vですべてのアシスタントウィンドウを即座に非表示または表示します。
• Cmd/Ctrl + Shift + IまたはAlt + Aはクリックスルーモードを有効にし、マウスがヒントウィンドウを無視してその下の要素をクリックできるようにします。
• Alt + Rはマイク録音を開始または停止します。

インストールとプラットフォーム固有の注意点

アプリが動作するにはGemini APIキーが必要です。Google AI Studioで無料で取得でき、アプリの設定または.envファイルに入力します。

Windows（.exe形式）およびLinux（パッケージ.debおよび.AppImage）のプリビルドインストーラーが利用可能です。

macOSは話が異なります。リリースには готовый .dmgファイルがありません。アプリはApple証明書を署名していないため、組み込みのGatekeeperセキュリティシステムが通常の起動をブロックします。Macユーザーはソースからプロジェクトをビルドする必要があります。

ビルドプロセスは簡単です。Node.jsとGitがインストールされている必要があります。

git clone https://github.com/TechyCSR/OpenCluely.git
cd OpenCluely
./setup.sh

setup.shスクリプトがすべてのルーティンを処理します：NPM依存関係のインストール、Python仮想環境の設定、Whisperモデルのダウンロード、最初の.envの生成。

使用する価値はあるか

実際の面接でこのようなソフトウェアを使用することは倫理的にグレーゾーンです。面接官がコードについて澄清を求めたり、判断を説明するよう求めたりし始めた場合、生成されたヒントがあなたを救う可能性は低いでしょう。

この app は面接練習、制限時間内でのLeetCode問題の解決、アルゴリズムセクションへの不安軽減に最適です。

プロジェクトの強みは、オープンソースコード、隠されたテレメトリなし、音声をローカルで処理する能力、システムAPIへの慎重な統合です。