Phone
Voice ein und aus und SMS. Keine Telefonanrufe.
Was es tut
Spracherkennung und Synthese werden selbst gehostet, pro Sprache über Anbieter geleitet, mit einer Sprechschicht, die Unterbrechungen und satzebenes Streaming verarbeitet, damit ein gesprochener Austausch nicht wie ein Walkie-Talkie wirkt. Ein separater SMS-Pfad wird hinter einem Feature-Flag für SMS-Nachrichten implementiert.
Warum es wichtig ist
Voice ist dort, wo entweder der Rahmen des "Assistenten" Wirklichkeit wird oder zusammenbricht, und Latenz ist das ganze Spiel. Selbsthosting von Sprache bedeutet, dass die Hin- und Rückfahrt nicht der Gnade einer Warteschlange von Drittanbietern unterliegt.
Wie es funktioniert
Speech wird standardmäßig selbst gehostet.
Erkennung und Synthese laufen als ihre eigenen Container, mit sprachspezifischem Provider-Routing für Sprachen, die lokale Modelle schlecht handhaben.
Das Zuwechseln ist explizit.
Ein Drehtor und Satzsplitter verwalten Unterbrechung und Streaming, anstatt auf eine vollständige Antwort zu warten, bevor gesprochen wird.
Telefonie ist nur SMS und standardmäßig ausgeschaltet.
Der SMS-Pfad ist implementiert, aber hinter einem Flag verborgen und erfordert ein Carrier-Konto. Voice-Calling war ausdrücklich außer Reichweite, und wir haben es nicht implementiert.
Fragen
- Kann mein Agent das Telefon beantworten?
- Nein. Es gibt keinen eingehenden oder ausgehenden Anruf. Voice funktioniert im Browser; Telefonie ist nur SMS und derzeit deaktiviert.
- Welche Sprachen werden unterstützt?
- Ein breites Set mit Routing zu verschiedenen Anbietern pro Sprache, einschließlich eines dedizierten Anbieters für indische Sprachen, bei denen die allgemeinen Modelle unterdurchschnittlich abschneiden.
The rest of the bag
AccessControl
Dokumentspezifische Berechtigungen, die Antworten filtern, nicht nur Seiten.
Richtlinienauflösung wird pro Sitzung zwischengespeichert, um Geschwindigkeit zu gewährleisten. Eine Berechtigungsänderung wird bei Cache-Invalidierung weitergegeben, nicht sofort bei jeder laufenden Anfrage.
Dokumente
Ein Ordnerbaum, den der Agent liest, und eine Konfigurationsdatei, die er befolgt.
Die Extraktion umfasst PDFs, Tabellenkalkulationen und Transkripte. Exotische Binärformate werden nicht geparst.
Events
Ein dauerhaftes Transaktionsverzeichnis der Aktionen von Agenten und ihrer Gründe.
Der In-Process-Event-Bus ist ein Single-Node-Emitter, kein verteilter Broker. Das dauerhafte agentenübergreifende Transaktionsverzeichnis ist ein separates Postgres-Task-Ledger.
That was step 1 of 6: a request arrives. Next, the subdomain is the isolation boundary, so the request resolves to one workspace, one database, and one question of whether it is even in scope.