真实案例 · 产品设计 · 技术架构 · 快速开始 · 验证记录
聆泊 · Lingbo Desk
用自然对话发起桌面工作,在执行过程中调整要求,获得可追溯的文件交付。
聆泊是 Windows 桌面语音 Agent 原型,将持续对话、原创 Live2D 角色和后台执行结合起来。面向个人资料整理与文档工作:任务运行时继续交流,需要调整时暂停改要求,涉及已有文件的修改先查看具体动作,最后下载并复核实际产物。
真实工作台 · 要求版本 / 执行回执 / 来源 / 文件交付
|
原创角色 B 自动眨眼 · 基础语音嘴型 持续监听 · 自然插话 |
工作台截图来自合成报价资料的真实模型测试;截图中的桌面角色未连接,不代表角色与工作台同场语音验收。右侧为独立角色导出预览。
当前本机安装版为 0.3.7;最新源码另含默认关闭的输入诊断与后续联测记录,尚未发布新版安装包。本仓库提供源码,安装包暂不公开。版本更新 · 已知问题
一分钟看实际流程
GitHub 文件页可下载视频后用浏览器播放。
上传资料、后台执行、暂停改版,再查看实际摘要与 Word 下载。剪辑取自约 153 秒的原始录屏,省略中段逐项确认,并用说明卡标注;含本机路径的确认画面未公开。这是文字操作与真实模型执行,不是语音演示,也不是任务耗时基准。 剪辑与验证范围
从一份要求到可复核的交付
“比较这两份中日文供应商报价,说明数量、税费、运费和交期差异,生成中文 Word 报告,附日文摘要与待确认事项。”
| 环节 | 用户怎么参与 | 系统实际做什么 |
|---|---|---|
| 提供资料 | 上传一份中文、一份日文报价,说明交付要求 | 保存只读编号快照,创建归属于当前会话的任务 |
| 后台执行 | 查看进展,继续与角色交流 | 独立工作进程运行工具调用循环,以实际回执更新任务 |
| 调整要求 | 暂停,补充“运费税费口径未明确,不要直接判断谁更便宜” | 保存新版本要求,检查状态后恢复;暂停不会回滚已发生的操作 |
| 审阅修改 | 查看拟修改的文件与内容,确认具体动作 | 检查权限和原文件 SHA256,备份后执行,记录回执 |
| 取得结果 | 下载 Word 与 Markdown,核对引用和待确认项 | 检查声明产物及固定验收条件,保留来源、版本与执行证据 |
该案例使用虚构资料与真实 DeepSeek,通过文字操作工作台完成。它展示任务控制与交付流程,不是采购决策准确率评测,也不代表真人语音完成整条任务链。
让 Agent 工作可控的设计
| 设计 | 要解决的使用问题 | 实现依据 |
|---|---|---|
| 对话与工作分开调度 | 长任务运行时,用户仍能交流与查询进度 | 前台对话编排 + 独立 Agent 工作进程 |
| 暂停后修改要求 | 执行过程中发现遗漏,不必只依靠重新提问 | 任务状态机、要求版本、检查后恢复 |
| 具体动作确认 | “帮我改文档”不能等同于任意修改授权 | 目录权限、动作预览、SHA256、备份和执行回执 |
| 用证据确认交付 | 模型说“完成”不代表文件真的存在或符合要求 | work_finish、当前版本回执、产物哈希与声明条件检查 |
| 保留人的复核位置 | 有引用和文件仍可能存在业务理解错误 | 只读资料快照、段落编号、产物预览和待确认事项 |
产品工作包括需求定义、交互流程、架构取舍和验收设计,工程实现与验证使用 Codex 辅助。具体能力由本地集成层、引入的执行引擎及第三方组件共同提供;原创代码、第三方代码与角色素材的授权分别见许可说明。
能力概览
| 方向 | 当前范围 |
|---|---|
| 语音交流 | 中 / 日 / 英识别与合成、持续监听、自然插话、停止旧播报;音频切分后识别,不是端到端音频模型 |
| 桌面角色 | 原创 Live2D 角色、眨眼、基础动作、音频强度驱动的嘴部开合与窗口拖动 |
| 后台工作 | 文件与 Office 处理、独立浏览器会话、进度查询、暂停 / 修改 / 取消 / 检查后恢复 |
| Skills | 本地导入、启停、内容版本及任务版本绑定;尚无跨 Agent 自动同步或在线技能市场 |
| 记忆与模型 | 明确保存的长期记忆;DeepSeek 云端 API / 本机 Ollama 切换,语音服务单独配置 |
技术架构
flowchart TB
desktop["桌面交互 · Electron / Vue<br/>角色 / 对话 / 音频 / 工作台"]
gateway["本地后端 · Node.js<br/>任务管理 / 模型路由 / 语音适配<br/>权限校验 / 工具执行"]
worker["独立 Agent 工作进程<br/>模型决策 / 工具调用循环"]
providers["模型与语音服务<br/>DeepSeek / Ollama / ASR / TTS"]
storage["本地数据与产物<br/>来源 / 记忆 / Skills / 回执 / 文件"]
desktop <-->|HTTP / 流式响应 / SSE| gateway
gateway <-->|进程 IPC / 本机 HTTP| worker
gateway <-->|服务 API| providers
gateway <--> storage

No comments yet.