Telepono
Voice in at out, at SMS. Hindi mga tawag sa telepono.
Kung ano ang ginagawa nito
Ang speech recognition at synthesis ay tumatakbo nang self-hosted, naka-route bawat wika sa mga provider, na may turn-taking layer na namamahala sa pagkaantala at sentence-level streaming para hindi magmukhang walkie-talkie ang pag-uusap. Isang hiwalay na SMS path ang ipinatupad sa likod ng isang feature flag para sa text messaging.
Kung bakit ito mahalaga
Sa voice nagiging totoo o nasisira ang pagiging "assistant," at latency ang pinakamahalagang bahagi rito. Ang pag-self-host ng speech ay nangangahulugang ang round trip ay hindi nakadepende sa queue ng third-party.
Kung paano ito gumagana
Default na tumatakbong self-hosted ang speech
Tumatakbo ang recognition at synthesis bilang sarili nilang mga container, na may per-language provider routing para sa mga wikang hindi gaanong mahusay na napapamahalaan ng mga lokal na modelo.
Eksplisito ang turn-taking
Isang turn gate at sentence chunker ang namamahala sa pagkaantala at streaming, sa halip na maghintay ng buong tugon bago magsalita.
SMS-only ang telephony at naka-off sa default
Binuo na ang SMS path ngunit naka-gate sa likod ng isang flag at nangangailangan ng carrier account. Ang voice calling ay tahasang hindi kasama sa scope, at hindi namin ito binuo.
Mga Tanong
- Maaari bang sagutin ng aking agent ang telepono?
- Hindi. Walang papasok o papalabas na tawag. Gumagana ang voice sa browser; SMS-only ang telephony at kasalukuyang naka-gate off.
- Anong mga wika ang sinusuportahan ng speech?
- Isang malawak na hanay, na may routing sa iba't ibang provider bawat wika, kasama ang isang nakalaang provider para sa mga wikang Indic kung saan hindi gaanong mahusay ang mga pangkalahatang modelo.
The rest of the bag
AccessControl
Mga pahintulot bawat dokumento na sumasala sa mga sagot, hindi lang sa mga pahina.
Naka-cache ang policy resolution bawat session para sa bilis; ang pagbabago sa pahintulot ay lumalaganap sa cache invalidation sa halip na agad-agad sa bawat in-flight request.
Dokumentasyon
Isang folder tree na binabasa ng agent, at isang config file na sinusunod nito.
Saklaw ng extraction ang mga PDF, spreadsheet, at transcript. Hindi pina-parse ang mga kakaibang binary format.
Mga Event
Isang matibay na ledger ng ginawa ng mga agent, at kung bakit.
Ang in-process event bus ay isang single-node emitter, hindi isang distributed broker. Ang matibay na cross-agent record ay isang hiwalay na 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.