实时语音智能体架构解读：两个选择和一层委派

实时语音 agent 的架构地图：两个选择和一层委派

实时语音智能体可按组件拆分、轮次判断和后台委派，分为级联、轮次式、原生全双工、原生前台加委派四类架构。级联便于日志审查和组件替换，原生全双工侧重自然交互，GPT-Live 则将即时接话与后台复杂任务分开，应用负责函数执行、权限检查和用户确认。选型应从场景中不能牺牲的要求倒推，文中团队为手机语音助手选择原生前台加委派，为桌面本地指令入口选择级联。