「智能体不说话」是语音开发里最难查的一类问题。可能是 RTC 没连上、ASR 没出字、LLM 超时、TTS 挂了，也可能什么都正常，只是客户端忘了播放远端音轨——五种原因，用户侧的表现一模一样，都是一…

打断做得好不好，是语音助手「像不像人」的分水岭，也是最难调的一环。 它不是「检测到声音就停止播放」那么简单：调得太敏感，键盘声、咳嗽、一句「嗯」都能把智能体打断；调得太迟钝，用户已经开口了它还在自顾自…

「记住，周五下班前要发布教程」——用户说完这句，助手会答应得很好，然后在会话结束的那一刻忘得一干二净。 要让它真记住，得把几件事串起来：模型能调用你的业务函数，函数结果能落库，下次会话还能取回来。缺一…

用户问「我的订单到哪了」，模型只能猜——它不知道你库里有什么。而模型猜出来的物流状态，比不回答更糟。 MCP（Model Context Protocol）解决的就是这件事：用一套统一协议让模型去发现…

语音助手一旦要回答公司产品、客户订单、内部流程这类问题，就不能再指望大模型的参数记忆了——它不知道你们的东西，而且会一本正经地编。 解法是在自定义 LLM 网关里加一层 RAG：取出用户当前的问题，检…

自定义 LLM 的价值不只是「换个模型」。真正的好处是，鉴权、审计、提示词、限流、降级、业务逻辑这些东西可以全部收进你自己的网关，而不是散落在各处。 要搭的东西不复杂：一个 /chat/complet…

一个 Next.js 应用就能把浏览器端该做的事全做完：发临时 Token、启停智能体、发布麦克风、播放智能体音频、展示智能体状态和实时字幕。服务端这条链路是 凤鸣 ASR → DeepSeek V4…

这篇教程带你用 Python 搭一个真正能对话的语音智能体。浏览器负责采集麦克风、加入 RTC/RTM 频道；FastAPI 负责发临时 Token、创建和停止智能体；剩下的交给声网云端——凤鸣做语音…

四年一度的世界杯来了。看比赛的时候我冒出一个念头：解说员那么多如果没有我心仪的，能不能自己动手搓一个新的 AI 实时解说员？ 于是就有了这个项目。做完我把它发到 OpenAI 的 Reddit 社区，…

7月8日，OpenAI 发布 GPT-Live。它能边说边听，用户停顿时会等，遇到要搜索的问题会先应一声、再去后台干活。比起”你说完、我再答”的轮次式交互，更像一通可以随时插话…

今天，Agora Agents SDK 正式发布，支持 Python、Node.js 和 Go——让开发者用更少的代码、更短的时间，在声网对话式 AI 引擎上构建语音智能体。 声网对话式 AI 引擎为…