> ## Documentation Index
> Fetch the complete documentation index at: https://docs.brosbots.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Backchannel (przytakiwanie)

> Pozwól agentowi naturalnie przytakiwać w trakcie wypowiedzi rozmówcy.

### Wprowadzenie

Backchannel (przytakiwanie, „filler words”) sprawia, że agent brzmi
naturalnie i uważnie. Po włączeniu bot od czasu do czasu wtrąca krótkie
frazy jak „mhm”, „aha”, „rozumiem”, gdy rozmówca mówi - dokładnie tak, jak
robi to człowiek słuchający przez telefon.

### Jak to działa

Agent słucha obu stron rozmowy i wtrąca się tak, jak robi to człowiek:
w naturalnej przerwie, a nie według zegara.

1. **Kiedy.** Wtrącenie pada w mikropauzie (rozmówca na chwilę zamilkł,
   ale nie skończył wypowiedzi) albo na końcu zdania czy frazy w bieżącej
   transkrypcji. Dopiero gdy przez dłuższy czas nie ma ani pauzy, ani
   interpunkcji, agent wtrąca się „na czas”.
2. **Czy w ogóle.** Agent milczy, gdy rozmówca:
   * mówi krócej niż minimalny czas wypowiedzi lub powiedział tylko kilka słów
     (krótka odpowiedź, nie opowieść),
   * zadaje pytanie albo sprawdza połączenie („halo?”, „słyszy mnie pan?”),
   * odpowiada na pytanie, które agent właśnie zadał - dopóki odpowiedź nie
     zamieni się w dłuższe wyjaśnienie,
   * przed chwilą przerwał agentowi (kilka sekund ciszy, żeby „mhm” nie
     brzmiało jak próba odzyskania głosu),
   * a także zawsze, gdy agent sam mówi.
3. **Co.** Fraza zależy od tego, co rozmówca właśnie mówi:
   * dyktuje numer, e-mail, adres albo literuje nazwisko → ciche „mhm”, „tak”,
   * opisuje problem lub reklamację („nie działa”, „niestety nie przyszło”)
     → „rozumiem”,
   * wylicza („a potem”, „poza tym”) → „mhm”, „aha”,
   * w pozostałych sytuacjach najczęściej krótkie „mhm”, rzadziej dłuższe słowa.
     Ta sama fraza nie pada dwa razy z rzędu. Agent korzysta wyłącznie z fraz
     z listy w ustawieniach - jeśli nie ma na niej np. „rozumiem”, wybiera
     spośród tych, które ma.
4. Dźwięk jest wstrzykiwany do strumienia bez przerywania rozmówcy i bez
   angażowania LLM.
5. Między kolejnymi wtrąceniami zachowany jest minimalny odstęp.

Krótkie pauzy na oddech nie zerują wypowiedzi: czas i liczba słów liczą się
od pierwszego słowa rozmówcy aż do odpowiedzi agenta.

### Konfiguracja

Wejdź w **Agent → zakładka Ustawienia**:

| Ustawienie | Opis | Domyślnie |
| - | - | - |
| **Włączone** | Włącza/wyłącza przytakiwanie | Wył. |
| **Frazy** | Lista fraz po przecinku | Domyślne dla języka |
| **Prawdopodobieństwo** | Szansa (0–1) na wtrącenie w każdej nadarzającej się przerwie | 0.6 |
| **Min. czas wypowiedzi** | Sekundy mowy rozmówcy przed pierwszym wtrąceniem | 3.0 |
| **Odstęp** | Minimalny odstęp między wtrąceniami (s) | 5.0 |

Rozpoznawanie treści działa dla polskiego, angielskiego, niemieckiego,
hiszpańskiego, francuskiego i włoskiego. W innych językach agent wtrąca
się w przerwach, ale bez doboru frazy do treści.

### Domyślne frazy per język

| Język | Frazy |
| - | - |
| polski | mhm, rozumiem, aha, ok, tak, jasne |
| angielski | mhm, I see, uh huh, okay, right, got it |
| niemiecki | mhm, verstehe, aha, okay, ja, genau |
| hiszpański | mhm, entiendo, ajá, vale, sí, claro |
| francuski | mhm, je vois, ah oui, d'accord, oui, bien sûr |
| włoski | mhm, capisco, ah sì, ok, sì, certo |

### Dobre praktyki

* **Krótkie frazy**: najlepiej 1–2 sylaby („mhm”, „aha”, „ok”).
* **Bez przesady**: wysokie prawdopodobieństwo + krótkie odstępy brzmią sztucznie.
* **Spójność z marką**: dopasuj frazy do osobowości agenta.
* **Kultura języka**: używaj naturalnych potwierdzeń dla danego regionu.

### Szczegóły techniczne

* Dźwięki są generowane przez TTS z wyprzedzeniem i cache'owane.
* Backchannel używa tego samego głosu co agent.
* Nie zakłóca transkrypcji STT ani pracy LLM.
* Współpracuje z redukcją szumów i ustawieniami VAD.

### Ograniczenia

* Wtrącenia nie trafiają do transkrypcji (są wstrzykiwane za nią).
* Zbyt częste krótkie frazy mogą brzmieć powtarzalnie.
* Wymaga poprawnie działającego VAD. Mikropauzy wykrywa najlepiej z włączonym
  Smart Turn; bez niego opiera się na interpunkcji z transkrypcji.
* Dobór frazy do treści to proste reguły słownikowe, nie model językowy -
  celowo, bo wtrącenie musi paść w ułamku sekundy.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.