蓝领招聘语音 Agent
一条打进打出的电话链路：实时语音对话 + 通话持久化 + LLM 质检闭环，跑在真实招聘业务里。
蓝领招聘有个和白领完全不同的事实：候选人不写简历、不刷 JD，最有效的触达是一通电话。但人工电话贵、质量不稳、没法复盘。这个项目把「打电话聊岗位」做成了一个实时语音 Agent 系统——从运营商线路呼入呼出，到微信里的语音对话，再到每通电话的自动质检评分，整条链路跑在生产环境里。这是本区唯一一个「生产中」而非纯开源的项目：电话链路的最小可跑版本已抽成公开 demo，业务系统本身闭源。
它解决什么
| 痛点 | 现状 |
|---|---|
| 触达方式错位 | 蓝领候选人不投简历，图文 JD 触达率低，电话才是主通道 |
| 人工电话不可规模化 | 招聘专员一天打几十通，话术质量参差，旺季根本打不过来 |
| 通话黑盒 | 打完就完了——没有记录、没有质检、没法从坏通话里学习 |
核心机制：一条链路，四个端
系统的骨架是「一条语音链路 + 多个接入端」：
| 端 | 形态 |
|---|---|
| 电话 | 运营商 SIP 线路呼入呼出，Agent 直接接打真实电话 |
| Web | 浏览器里的实时语音对话（WebSocket 中继） |
| 微信小程序 | 求职者侧的语音入口，真机跑通 |
| 质检 | 每通对话自动落库，LLM-as-judge 按五个维度评分 |
链路本身：SIP/客户端接入 → 实时语音对话（LiveKit 编排，ASR/TTS/端到端语音大模型走国内云厂商）→ 通话记录持久化（音频 + 转写 + 结构化结果）→ 质检评分回流。质检这一环让系统有了反馈闭环——坏通话不再消失，而是变成话术和 prompt 迭代的输入。
三个实打实的工程坑
实时语音 Agent 和文本 Agent 是两种生物，这个项目踩出来的教训：
- pipeline 的 prompt 不能直接给端到端语音模型用——JSON 输出、tool_call 约定在实时语音链路里会被读出声来，得单独写覆盖层。
- sentence ≠ turn——ASR 吐一句不等于用户说完了，不做 debounce 就会疯狂抢话。
- 音频没播完不能切状态——状态机跟着文本走而不是跟着播放走，用户听到的就是半句话。
怎么用
业务系统闭源，但电话链路的最小可跑骨架已开源成 demo：LiveKit + 国内 SIP 接入 + 云厂商语音栈的中文电话 Agent，clone 后按 README 填好线路与模型凭证即可拨通第一通电话。
一句话
不是「能语音聊天的机器人」，是一条从电话线到质检报表都长在一起的生产链路。