先讀完整段對話，再幫你回覆的 AI
Subtext 會先讀完整段對話，再幫你回覆，因為光憑單獨一句話，往往不足以做出回答。貼上對話串、上傳截圖，或加入對方傳來的語音訊息，它會分辨誰說了什麼、整理出對方想要什麼、列出還需要回答的事，再擬一則從對方停下的地方接下去的回覆。這一頁談的是證據：為什麼前面的訊息會改變一句話的意思、AI 能從中取得什麼，以及它的極限在哪裡。Subtext 用的是你交給它的那段對話。它並不了解你們的關係，而我們也不知道有哪個工具做得到。它不會替你傳送任何東西。
支援 iPhone、Android 和瀏覽器。截圖和語音訊息絕不會被用來訓練 AI 模型。
這是 App 實際跑過一次的紀錄，用的是專門為這次製作的聊天截圖：對方已經取消了兩次約定，草稿回覆是「好啊，沒關係。你有空再說。」下面是 Subtext 從對話中讀到的內容和它提供的版本，原樣呈現，沒有改動。
好啊，沒關係。你有空再說。
又被取消一次，會有點失落很正常，你還是很體貼地回她了。我幫你把語氣調得更清楚自然一點。
- 貼近原意 (體諒, 可放心傳送): 好啊，沒關係。你工作忙，等你確定有空再跟我說。 保留你原本體諒的語氣，把「你有空再說」換成體貼的說法，比較不會被讀成冷淡。
- 溫暖一點 (溫暖, 可放心傳送): 好啊，沒關係，工作要緊。等你比較確定哪天有空，再跟我說一聲，我們再約。 表達理解，也表明你仍想再約，讓對方感覺被體諒而不是被冷落。
- 坦率又友善 (真誠, 可放心傳送): 好，沒問題，我先把今晚的位子取消。最近你工作這麼亂，先忙吧。等你行程比較穩了，我們再挑個日子，我真的很想跟你見面聊聊。 先處理訂位，再坦白說你想見她，避免模糊的「有空再說」，也不給她壓力。
我沒有幫你寫死下禮拜的日期，因為你還沒決定。最後一則提到取消訂位，是順著你訂了位子的事寫的。想要再短一點，或再直接一點嗎？
對話脈絡到底是什麼意思
一則訊息裡的資訊，其實比看起來少。「她」是誰、「那個」指的是什麼、一句話是在回答問題還是在糾正問題，這一切都得對照前面的幾輪發言才能確定。Grice 談聽者如何推斷說話者的意思，把話語的脈絡和雙方共有的背景知識，列為聽者所倚賴的條件之一（〈Logic and Conversation〉）。對話分析則指出：前一句話會讓某一種回應變得順理成章，問題預期有回答，提議預期有接受或拒絕，所以同一個字，會因為接在什麼後面而發揮不同作用（〈Opening up Closings〉）。人常常要來回好幾輪才把誤會講開，而一句更正的意思，要對照它在更正的那個問題才讀得懂（〈The Preference for Self-Correction in the Organization of Repair in Conversation〉）。代名詞表示說話的人還停留在前一句所談的同一個對象上。不過這個說法的證據來自單人寫的文章，不是聊天（〈Centering: A Framework for Modeling the Local Coherence of Discourse〉）。所以，脈絡是五樣東西：前面的幾輪發言、每一輪是誰說的、「那個」「它」這類短詞指的是什麼、哪些問題還沒回答，以及兩個人有多親近的線索。單獨一行字，這五樣一樣都交不出來。
證據怎麼說前面幾輪發言的作用
實際量測到的證據來自基準測試，沒有一項來自人們的手機，而且指向兩個方向。在一項針對單句層級分類的研究中，測試時打亂一段對話各輪發言的順序（每個目標句子都保持完整），MultiWOZ 語料庫上的意圖分數，從加權 F1 的 96.22 掉到 67.91；DailyDialog 上的對話行為分數，則從巨集 F1 的 79.46 掉到 66.81（〈Exploring the Role of Context in Utterance-level Emotion, Act and Intent Classification in Conversations: An Empirical Study〉）。這只是一項研究，用的是雙人的英文基準對話，也是較舊的分類器，而不是大型語言模型。它顯示的是，有些標籤取決於前後幾輪發言，並沒有顯示擬出來的回覆會好上多少。同一項研究還發現，拿掉其中一位說話者先前的話，在一項任務上有幫助，在另一項任務上卻有害，依我們的解讀，這是反對「能貼多少就貼多少」的理由。反方的證據比較早。遞迴式（recurrent）和 Transformer 的回覆生成模型，對缺漏或重新排列發言這類大多數擾動，幾乎都不敏感（原文是「rarely sensitive to most perturbations such as missing or reordering utterances」，出自〈Do Neural Dialog Systems Use the Conversation History Effectively? An Empirical Study〉），所以流暢的回覆，可能只是表面上看起來有參考前面的對話，其實用得很淺。這兩篇論文的結論不一致，而較晚發表的那一篇也明說了這一點。
AI 能從對話串取得什麼，以及取得得多不平均
有三件事是量得出來的。知道誰說了什麼，有幫助。在多方會議逐字稿中，加入說話者資訊，改善了對依賴脈絡的行為（例如單獨一個「是」或「否」）的分類，但在兩人通話中則沒有（〈Who is Speaking? Speaker-Aware Multiparty Dialogue Act Classification〉）。位置也有影響，在 2023 年那一代的模型上，相關內容位於長輸入的開頭或結尾時，準確度最高；位於中間時，則顯著下降（〈Lost in the Middle: How Language Models Use Long Contexts〉）。用字也有影響。當含有答案的段落和問題幾乎沒有共通的字，宣稱脈絡長度至少 128K token 的 13 個模型中，有 11 個在 32K token 時，分數就掉到短脈絡分數的一半以下，表現算好的 GPT-4o 也是從 99.3% 掉到 69.7%（〈NoLiMa: Long-Context Evaluation Beyond Literal Matching〉）。這些研究都沒有測試聊天對話串，所以接下來是推論：重要的那則訊息，如果是三週前傳的、埋在貼上內容的中間、措辭又和今天的不像，那麼模型最可能低估的，就是它。Subtext 根據你交給它的對話串來處理，而那段對話串也受到同樣的限制。
為什麼 Subtext 不宣稱了解你們的關係
Subtext 用你交給它的對話來建議回覆。它並不了解你們的關係，原因出在結構上。人說話時，會圍繞著自己認為對方知道什麼來設計內容，也就是共同基礎，這種基礎會隨時間累積，而且人在不同的媒介上，建立的方式也不同（〈Grounding in communication〉）。我們自己舉的例子，會是只有你們懂的玩笑、昨晚的通話、派對上的爭執、在另一個 App 裡談妥的事，這些東西就其性質而言，都不會出現在任何一次貼上或截圖裡。就連模型看得到的那一部分，它也不一定處理得好。在一項基準測試中，對話的人各自掌握不同的資訊，還會中途加入和離開（這是我們拿來類比群組聊天或不完整截圖的說法；論文本身沒有這樣類比），語言模型「perform significantly worse than humans even with chain-of-thought reasoning or fine-tuning」（表現明顯比人類差，即使用了思維鏈推理或微調也一樣），作者也不認為目前的模型真的具備心智理論（〈FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions〉）。這些分數來自 2023 年的模型，這個領域至今仍在爭論這類測試到底測到什麼。不論如何，沒有任何工具能預測某個特定的人會有什麼反應，也不存在對 Subtext 的獨立評估，所以我們只主張這個狹窄的說法。
Subtext 擬回覆之前，怎麼讀對話串
Subtext 接受的對話形式有：貼上的文字、聊天截圖、你錄的語音訊息，或對方傳給你的語音訊息。它會讀完整段來回，在截圖裡，則是從訊息泡泡所在的位置判斷誰在說話。如果分不出來，或是貼上的某一句可能是你說的、也可能是對方說的，它會問你。針對你收到的訊息，它會用訊息原本的語言，整理出對方想要什麼，並列出最多五件需要回答的事。接著它擬出接續對話串、回應對方各點的回覆，每份草稿都附有「safe to send」（可放心傳送）或「heads-up」（傳送前請再確認）標示，這是第二次閱讀，而不是判決。如果你交給它的是自己的草稿，它會回你三個版本，點一下就能切換：一個貼近你的用字，一個更溫暖，一個更短更清楚。你複製挑好的那一個。收到訊息的那一頁談的是工作流程：先整理對方問了什麼，再回覆。這一頁談的是證據，說明為什麼對話串很重要，以及它的極限在哪裡。
同一句話，在不同的對話串裡意思不同
一段很長、很溫暖的訊息之後的「好。」是一回事；「7 點可以嗎？」之後的「好。」又是另一回事，可是這兩個字一模一樣。「你週五有空嗎？」之後的「好啊」是答應；「你從來都不聽我說話」之後的「好啊」，是把門關上。「我明天要早起」是資訊、是藉口，還是拒絕，要看前面問了什麼。「嗯，這樣可以」如果上面沒有那個提議，就完全沒有內容。「不是，是週二」在糾正某件事，而根據沒更正過的版本擬出的回覆，會很有把握地回答一個兩個人都已經放棄的計畫。「做得真好」加上一個翻白眼的表情符號，在某段關係裡是調侃，在另一段關係裡是斥責，差別存在於過往，不在像素裡。而「你還在氣週六的事嗎？」跟發生不愉快的那則訊息之間，一個字都沒有重複，這正是模型最可能漏掉的那種連結。這些是上述理論的說明例子，不是研究用的刺激材料，也沒有人量測過。它們是 Subtext 要你提供對話串、而不是只給一行字的原因，也是弄懂一則訊息的意思，比看起來困難的原因。
這和文法檢查或單行改寫有什麼不同
Subtext 讀的是整段來回；文法或語氣檢查讀的是你的那一句。只檢查一行字，分不出「那個」指的是什麼、哪個問題還沒回答，也看不出計畫在兩則訊息前已經被更正過，因為這些都不在那一行字裡。Grammarly（開發公司現在叫做 Superhuman）會對你自己寫的、長度達到門檻的文字做語氣偵測，並提供語氣和句子的改寫；我們沒有找到任何文件，說明它會讀私人聊天對話串的截圖來擬回覆（查證日期為 2026 年 9 月 23 日）。內建在通訊 App 裡的回覆功能，則是另一種做法。Google 的說明頁面指出，Google Messages 裡的 Magic Compose 會用前 20 則訊息作為脈絡（〈Draft messages with Magic Compose〉，查證日期為 2026 年 9 月 23 日），那是限定在這個 App 內的一段範圍。Subtext 是你把訊息帶去的 App，所以它看得到你貼上的任何內容，不論來自哪個 App，也只看得到這些。目前沒有任何獨立的評估比較過這些工具，Subtext 也包括在內，所以這只是描述每一個讀什麼，不是排名。如果你要做的是單一草稿的工作，該看的是訊息語氣檢查工具那一頁。
你貼上的對話會怎麼處理
Subtext 收到的，除了你的話，也有對方的話，所以這一節說明那些話會怎麼處理。以下是說明框架，不是法律意見。依歐盟的資料保護規則，個人純粹出於私人目的處理往來訊息，不在這項規則的適用範圍內，但提供處理工具的服務供應商則不然；而且聊天內容可能包含這項規則視為特殊類別的健康、政治、宗教或性方面的細節（〈Regulation (EU) 2016/679 (General Data Protection Regulation)〉）。截圖帶的也不只有對話串：聯絡人名稱、時間戳記，有時還有來自另一個聊天的通知橫幅。貼到任何地方之前，請先把回覆用不到的部分裁掉。在 Subtext 這一邊，你的訊息會傳給負責閱讀和撰寫的 AI 服務供應商，也會傳到 Subtext 的伺服器，讓你之後可以回到那段對話；隱私權政策列出了每一家供應商。你送出的任何內容，都不會被用來訓練 AI 模型，傳輸過程中也有加密。你自己刪除一段對話的話，會立刻消失，附件也一併刪除。App 內可選用的網頁搜尋，會把你的搜尋字詞傳給搜尋供應商，你可以在設定中把它關掉。
哪裡會出錯，Subtext 又怎麼處理
Subtext 會在五個地方出錯，值得說清楚。第一個是脈絡缺失和隱藏的過往。你略掉的部分，Subtext 用不到，而從來沒打出來的過往，任何工具都無從觸及。第二個是諷刺，只要是光靠過往才看得出是諷刺的地方，就該預期會有錯誤。Subtext 只替你自己的草稿加標籤，從不替對方的訊息下標籤，而且判斷一則訊息是不是諷刺，對人來說也很難。再來是被裁切或順序被打亂的截圖。裁切會拿掉指稱的對象、更正，以及哪一句是誰傳的，而上面提到的兩項研究，對模型是忽略還是誤讀順序被打亂的情況，看法並不一致。遇到長對話串，上面關於位置和用字的證據同樣適用，模型最可能低估的，就是那則重要的訊息。最後一個是語氣漂移。在兩項針對陌生人之間的隨機化線上實驗中，通用的回覆建議讓用語變得更正向；對話中的一方真的使用建議回覆時，另一方給他的合作與親近評分比較高；但如果只是被懷疑使用，評分反而比較低。這是相關，不是因果（〈Artificial intelligence in communication impacts language and social relationships〉）。我們由此推論，一個只讓你聽起來更友善的工具，在你需要堅定的地方可能失靈，所以 Subtext 提供更短、更清楚的版本，也讓你自己改一個字。分不出是誰在說話的時候，它會問你。
常見問題
有沒有工具，會在建議回覆之前先讀完整段訊息對話串？
有，Subtext 就是。貼上對話串、對話串的截圖，或對方傳來的語音訊息，它會讀完整段來回，分辨誰說了什麼，在擬出任何東西之前，先整理出對方想要什麼、還有哪些事需要回答。你複製挑好的回覆，它絕不會替你傳送。
有沒有 App 會讀完整段聊天對話串，幫我好好回覆？
Subtext 會讀你交給它的聊天內容，在 iPhone、Android 和瀏覽器上都能用，並擬出接續對話串、回應對方各點的回覆。貼上你自己的草稿，它會回你三個版本，點一下就能切換，每個版本都會說明改了你多少用字；背後的研究，請見談怎樣的回覆能讓對方好好接收的那篇文章。它用的是你交給它的對話；從來沒打出來的部分，它無從得知。
有沒有 App 會讀完整段聊天對話串，幫我用對的語氣回覆？
Subtext 會根據對話串來擬；如果是你自己寫的草稿，它會提供在溫度和長度上有差別的三個版本：一個貼近你的用字，一個更溫暖，一個更短更清楚。不論哪一種，都有點一下就能調整的選項：更溫暖、更短、更隨性、更有自信，或加一點幽默。在你自己的草稿上，它會標出可能讀起來嚴厲、冷淡、被動攻擊、含糊或過度道歉的字句，永遠只說是可能，從不下判決。有一個限制。在一組實驗中，通用的智慧回覆建議，把陌生人的用語推向正向，談 AI 會不會讓你的訊息讀起來像機器人的那篇文章有說明，所以當你需要的是堅定，請檢查比較堅定的那個版本。
有沒有寫作助理，懂的是關係脈絡，而不只是字面上的意思？
沒有，而宣稱做得到的工具，是言過其實。兩個人共有的東西，有一部分是建立在逐字紀錄之外的；在對話者各自掌握不同資訊的對話上受測的模型，表現明顯比人類差（〈FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions〉）。Subtext 的做法是：讀你交給它的那段來回，分辨誰在說話；當說明太少，或訊息是界線、拒絕或對質時，它會問你這則訊息是寫給誰、你希望發生什麼。日常訊息，則是從你自己草稿的語氣，判斷你和對方有多親近，並把這點保留在各個版本裡。
我得把整段對話都貼上嗎？
不用，而且貼得多不一定比較好。在基準測試中，額外的前文對對話分類器既有幫助也有傷害，語言模型對長輸入中間的內容，利用得也比較差。貼上回覆所依賴的那一部分就好：還沒回答的問題、更正，以及你正在回的那則訊息。如果 Subtext 分不出某一句是你說的還是對方說的，它會問你。
它能分辨截圖裡是誰在說話嗎？
Subtext 讀聊天截圖的方式和你一樣：你的訊息泡泡在一邊，對方的在另一邊。版面看不清楚的時候，它會問你，因為從錯誤的一方擬出的回覆，比沒有草稿更糟。
語音訊息也能用嗎？
能。上傳對方傳給你的語音訊息，Subtext 會像讀其他訊息一樣讀它；你也可以錄自己的語音，當成草稿。兩種都和文字走同樣的判讀流程：誰說了什麼、對方想要什麼、哪些事需要回答。
對方會知道我用了它嗎？
不會因為 Subtext 而知道。它只在你這一邊運作，也絕不傳送任何東西；回覆是在你把它貼進自己的通訊 App 時，才從那裡送出。Subtext 也不替對方下標籤。它不會把對方的訊息標成帶有敵意或操控，因為它讀的是畫面上的字句，無從得知傳訊的人私下的感受。〈對方是在生我的氣，還是我想太多？〉這篇談的是，為什麼字面和心裡的感受差這麼多。
支援我的語言嗎？
Subtext 支援 17 種以上語言，並用你書寫的語言回答。你收到的訊息的摘要，會用那則訊息原本的語言呈現。
要花多少錢？
Subtext 一開始會給你幾次免費分析，之後是付費訂閱，有每週、每月和每年方案，在手機上透過 App Store 或 Google Play 計費，在網頁上則透過 Stripe 計費。訂閱之前，你會先看到以你的貨幣顯示的價格。
Subtext 支援 17 種以上語言，並用你書寫的語言回答。手機和瀏覽器上都能用。
需要時，就在手邊
Subtext 以手機為優先設計。有了帳號之後，在網頁版上也能使用。
已經下載了嗎？你的帳號也能在 web.subtext.it 使用，並與你的手機同步。
也可以掃描安裝。點一下任一個 QR code 可以放大。
你正在用的瀏覽器就能直接使用。
- Safari
- Edge
- Chrome
- Firefox
- Opera
- Brave
App Store
用手機相機掃描，就能安裝。