Teléfono
Voz entrada y salida, y SMS. Sin llamadas telefónicas.
Qué hace
El reconocimiento de voz y la síntesis se ejecutan en sí mismos, enrutados por idioma a través de proveedores, con una capa de cambio de turno que maneja la interrupción y la transmisión a nivel de oración para que el intercambio hablado no se sienta como un walkie-talkie. Se implementa una ruta SMS separada detrás de una bandera de característica para mensajería de texto.
Por qué es importante
La voz es donde el marco del "asistente" se vuelve real o se desmorona, y la latencia es todo el juego. Auto-hospedar voz significa que el viaje de ida y vuelta no está a la merced de una cola de terceros.
Cómo funciona
El habla se ejecuta alojada por defecto.
El reconocimiento y la síntesis se ejecutan como sus propios contenedores, con enrutamiento de proveedores por idioma para idiomas que los modelos locales manejan mal.
El cambio de turno es explícito.
Una puerta de turno y un divisor de oraciones manejan la interrupción y el streaming, en lugar de esperar una respuesta completa antes de hablar.
La telefonía es solo SMS y está desactivada de forma predeterminada.
La ruta SMS se construyó pero se bloqueó detrás de una bandera y requiere una cuenta de operador. Las llamadas de voz estaban explícitamente fuera del alcance, y no las hemos construido.
Preguntas
- Puede mi agente responder el teléfono?
- No. No hay llamadas entrantes ni salientes. La voz funciona en el navegador; la telefonía es solo SMS y actualmente está desactivada.
- Qué idiomas admite el habla?
- Un amplio conjunto, con enrutamiento a diferentes proveedores por idioma, incluido un proveedor dedicado para idiomas índicos donde los modelos generales tienen un rendimiento inferior.
The rest of the bag
AccessControl
Permisos por documento que filtran respuestas, no solo páginas.
La resolución de políticas se almacena en caché por sesión para velocidad; un cambio de permiso se propaga en la invalidación de caché en lugar de instantáneamente en cada solicitud en vuelo.
Documentos
Un árbol de carpetas que el agente lee y un archivo de configuración que obedece.
La extracción cubre PDF, hojas de cálculo y transcripciones. Los formatos binarios exóticos no se analizan.
Eventos
Un registro duradero de lo que hicieron los agentes y por qué.
El bus de eventos en proceso es un emisor de nodo único, no un intermediario distribuido. El registro de tareas duradero entre agentes es un libro mayor de tareas Postgres separado.
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.