事半AI 博客

TypeSafe 的 Jev 把"让 AI 做判断"变成了"问一道有固定选项的题、直接拿回概率"。这篇讲我们对 Jev 的理解，回顾我们在通话中的快判断层、通话后意向判定拆分、用 logprobs 复刻 Jev 接口这些同路工作和真实通话上的对照数据，以及接下来从离线标定、旁路试运行到统一决策层的计划。

逐项拆解 OpenAI GPT-Live-1 的全双工架构（前端/后端拆分、三通道结果注入、委托机制、训练进模型的轮次判断），跟我们数字员工系统的 Director/Rhythm/Plugin 编排、FlashFiller 垫场、外挂轮次检测模型等设计逐条对比，梳理出我们接下来值得补的评测和架构方向。

数字员工的认知系统，怎么决定"这句话该怎么说"？这篇聊聊我们从神经科学借来的几个分层直觉——反射与深思、大脑的节能哲学、信号该横向消化还是上交决策层，以及这套类比在哪些地方我们没有硬凑。

AI 外呼机器人一通电话里要同时照顾情绪、目标、语气、记忆，简单地把规则堆进一个大 prompt 很快就会失控——这篇聊聊我们怎么用一套"认知系统"把多路信号收敛成一句自然、连贯的话。

AI 语音通话里的"抢话"问题，本质是打断处理（Barge-in）的工程难题——VAD、端点检测、语义兜底、延迟预算，一篇讲清楚。