使用LangChain構建緊急求助熱線語音代理
瞭解如何使用LangChain、AssemblyAI和OpenAI構建一個即時AI語音緊急求助熱線代理。該代理能夠傾聽呼叫者的語音求助，即時評估情況，派遣合適的緊急服務，並安撫呼叫者——無需任何打字或選單操作。文章詳細介紹了三階段流水線（語音轉文字、智慧體推理、文字轉語音）以及關鍵程式碼實現。
在緊急情況下，每一秒都至關重要。當人們驚慌失措時，傳統的按鍵選單式求助熱線往往加劇混亂。本教程將介紹如何利用LangChain、AssemblyAI和OpenAI構建一個全語音的AI緊急求助熱線代理，它能夠傾聽呼叫者的語音求助，即時評估情況，並自動派遣警察、救護車或消防服務，同時安撫呼叫者情緒。
為什麼選擇緊急求助熱線？ 與常見的點餐或音樂播放語音助手不同，緊急求助熱線對延遲、語氣和可靠性有極高要求。語音助手的每一個設計決策都可能影響實際救援，因此它是檢驗AI語音系統能力的理想場景。
流水線架構：三明治模型 系統由三個獨立元件構成，並行工作：語音轉文字（STT）、智慧體推理和文字轉語音（TTS）。當呼叫者還在講話時，STT已經開始轉寫；智慧體在前一回復的基礎上進行推理；TTS則邊推理邊合成語音。正確實現時，整個流程可在10秒內完成，且音訊連續無中斷。
第一階段：語音轉文字（AssemblyAI） 使用AssemblyAI的WebSocket API，遵循生產者-消費者模型。音訊塊即時流入，轉錄文本即時流出。關鍵事件型別包括STT Chunk（部分轉錄，用於即時監控）和STT Output（完整轉錄，用於觸發智慧體動作）。建議啟用內容安全檢測標誌，以便在文本處理前識別求救訊號。
第二階段：緊急分類智慧體（ARIA） 智慧體ARIA基於LangChain和LangGraph構建，具備四個工具：位置查詢（get_caller_location）、緊急派遣（dispatch_emergency，支援救護車、警察、消防）、升級至人工（escalate_to_human）和安撫協議（calming_protocol）。系統提示要求ARIA始終保持冷靜，每次只問一個問題，避免使用表情符號或Markdown。透過InMemorySaver檢查點，ARIA能記住整個通話歷史，包括呼叫者之前提供的資訊。
第三階段：文字轉語音（OpenAI TTS） 選擇OpenAI TTS（tts-1模型）與智慧體共用API金鑰，簡化整合。tts-1針對即時流式合成最佳化，音色“shimmer”冷靜清晰。使用response_format='pcm'可直接將原始PCM音訊流送入WebSocket，延遲極低。注意，tts-1-hd雖然質量更高，但會增加約200ms延遲，因此緊急熱線推薦tts-1。
測試與結論 透過將上述模組串聯，並利用asyncio實現併發，一個全功能的語音緊急求助代理便構建完成。該代理能在通話中即時轉錄、推理並回應，顯著縮短求助響應時間。文章鼓勵讀者進一步最佳化，如新增更精細的語義分析或多語言支援。