文章

全部 AI Agent Y Combinator AI应用大语言模型 Google 推理提示工程生成式AI 对话AI 模型训练模型部署代码生成检索增强生成 AI工具机器学习

从语音到智能体：一场对话式AI代理的实战工作坊

这是一场面向开发者的实战工作坊，演讲者以构建对话式AI代理为主线，拆解了从语音识别、语义理解到语音合成的完整链路，并通过现场演示和问答，分享了延迟、配置灵活性与滥用风险等一线经验。

这场演讲没有谈影像识别或新药研发，而是把镜头对准了医疗体系中最不性感、却最烧钱的角落：收入周期管理。Nathan Wan 结合自己在 Google、医疗 AI 创业公司以及 Ensemble Health 的经历，讲述了为什么“让 AI 把钱收回来”，可能是当下对医疗系统影响最大的一件事。

Brian Balfour 用25年创业与产品经验，拆解当下最残酷的AI产品竞争现实：模型不是护城河，速度也不再安全。真正的胜负，来自对未被满足需求的洞察，以及数据、功能与AI能力的系统化组合。

这是一场来自OpenAI开发者体验团队的一线分享。Dominik Kundel系统讲解了语音Agent为何重要、架构如何选择，以及实时语音Agent在延迟、工具调用和安全上的真实挑战，展示了OpenAI最新Agents SDK与实时API背后的设计取舍。

这场由 Pipecat 与 Tavus 联合分享的演讲，罕见地从工程一线拆解了“实时对话视频 AI”为什么过去很糟、现在终于可行，以及真正的难点不在模型本身，而在编排与部署。读完你会理解，一个 600 毫秒响应的对话式视频系统，究竟是怎样被搭出来的。

这支演讲并不是吐槽ChatGPT功能不够强，而是直指一个更少被讨论的问题：设计。演讲者通过真实演示，指出ChatGPT在语音与文本、多模型协作上的割裂体验，并展示如何用现成API重构一个“更像人类交流”的AI界面。

在 AI Agent 工具爆发的当下，Aparna Dhinkaran 提醒行业：真正决定成败的不是你能不能“做出 Agent”，而是你是否知道它在真实世界里有没有正确工作。这场演讲系统拆解了 Agent 的结构、评估方法，以及语音与多模态时代带来的全新挑战。

这次访谈中，百度硅谷AI实验室负责人分享了百度如何从搜索公司转型为AI公司，以及语音识别技术从研究走向产品的真实路径。内容涵盖数据规模、口音难题、研究转化机制，以及他对“语音是否已被解决”的冷静判断。

在这场来自 OpenAI 的分享中，Toki Sherbakov 和 Anoop Kotha 用真实演示和架构对比，解释了为什么语音 AI 正站在“可规模化应用”的临界点，并总结了构建高质量语音 Agent 时必须权衡的关键因素。

AI产品训练营核心群

付费群测试2

付费群测试3

付费群测试4

付费社群测试5

测试快讯1

4 日，14 小时前