幫既有聊天 agent 包上語音

概要

• 聊天已是預設介面，語音是下一步Luke 認為 2025 年是 chat agent 的一年，但聊天不像在做未來；語音更快、更能互動，對不方便用鍵盤的人也更好用。
• 語音 agent 的兩塊拼圖他們跟客戶合作時，架構都長得差不多：一邊是 voice engine（text-to-speech、turn-taking、speech-to-text），一邊是串起 LLM、RAG、工具與整合的 agent orchestration。
• 客戶已經有自己的 agent不少客戶是從零開始，但也有很多早就做好 agent，花了大量時間做 evals 與轉錄，不想整套換掉。
• voice engine 獨立成一個元件這個新產品預告幾週後推出，把語音層包成獨立的基本單元，可以套在任何現有 agent 上。
• 接法很短server SDK 建立 client 與 voice engine，再把它掛到既有的 chat agent 上；client SDK Luke 說大約三行就能在網站上放一個 widget。
• 一個 prompt 就能轉換發表時會附一個 skill，讓 coding agent 去分析程式碼、找出 chat agent 並包起來；Q&A 裡 Luke 補充，工具呼叫大多本來就在 chat agent 後端，包裝層不用另外處理。

原話

• “I really think voice is this natural medium it's way quicker it's way more interactive”

  我真的覺得語音是很自然的媒介，更快也更能互動

  ▶ 00:56

• “you can literally, in about one prompt, actually convert an existing chat agent to a voice agent”

  大約一個 prompt，就能把現有的 chat agent 轉成 voice agent

  ▶ 04:35

• “your chat agent actually normally does the majority of tool calling”

  chat agent 通常已經做掉大部分的工具呼叫

  ▶ 07:04

延伸

• Luke 認為 chat agent 接下來只有兩條路：被淘汰，或開始加上語音。
• 把 client-side 工具呼叫轉送給被包裝 agent 的做法，Luke 說之後會加，這場沒有細節。