模型在用户说话之前就挂断了电话

上个月在Telnyx通话中遇到了一个关于native-audio语音引擎的奇怪错误！通话总是在大约1.5秒时中断，每次都如此。没有错误，没有崩溃。只是静默，然后线路断开。花了一段时间才找到原因。模型在用户说话之前就调用了end_call。它听到了铃声，也许还有一声呼吸，就决定对话结束了。对话记录中没有任何内容可以反应；它就直接退出了。修复方案是一个防护措施，而不是更智能的提示。我们现在忽略通话中前6秒内的任何end_call调用。如果用户尚未说话，我们也会完全忽略它。简单的规则，但它需要存在于模型之外，在我们控制的代码中。这一点让我印象深刻。一个裸露的end_call工具调用基本上就是一把上膛的枪！模型可能因为幻觉、随机令牌或任何原因触发它。如果你让工具调用直接结束通话，你就是在信任模型对对话何时真正结束的判断。目前它还不够可靠；至少在我们测试的每个引擎上都不够。一旦防护措施到位，1.5秒的中断就完全停止了。用户得到了正常的铃声、正常的开场白，通话又像正常通话一样了。小事，但这种错误看起来像网络问题，直到你逐行阅读实际事件日志！工具调用完全按照指示执行。只是指示不够充分。