電話另一端，開始是 AI：xAI Voice Agent 的能力、場景與上手方法

发布于 2026-07-16 21:21:47（微信公众号导出记录）。

本文来自公众号后台的“导出文章内容”功能。博客正文由导出长图进行本地 OCR 转写，并保留原始排版图用于逐段核对。

原文链接：查看原文

OCR 转写有效文字约 7483 字；代码、流程图和版式以文末原始排版图为准。

正文（本地 OCR 转写）

手方法 originalwθx7ce EI V1ajero2826年7月16日 21:22 德国

很多人第一次看到xAIConsole的Voice Agents,富把它理解成迪姓麦克凰接到 Grok:。这個理解只碰到表面。 更准强的说法是:xAI正在把Grok接進電話系,镶一個電话號码背後可以是一位能融、能 锐、能查瓷料、能呼叫企案系统,也知道何時該轉真人的AI。 来電者不需要安装ApP、不荒要学新介面,照常服號即可。AI在通話中處理周题,必要时查詢 知避量、建立工單、查订量、预约时圈,或把通适精给人工。造就是Voice Agent的牵品宽 我。 这篇不想把它成“又多了一個AI功能」。我們就把四件事说清楚:它到底解决什度、通話 时怎磨跑、什座情沉值得用,以及第一次敲怎磨建。 先用一句話清楚 xAI Voice Agent=即時語音Grok+量話接入+知與工具+通話管通後台。 它不是單换把語音幕成文字,也不是先即天、再把答案念出来,XAI想做的是把即時语音、電 話、文件查詢、工具绸用、规别限制和通话紀疑放进同一套票西理。[1 Voice Agent API ledrh Mirage A in GriMid Quick Start

Ht 4get

营方 xAI Vo1ce Agent API 文件雷南 1{xAI 宫方 Vo1ce Agent API 文件。圖像来源:xAI Docs,截於2626-07-16。 為什魔現在要做電話AI? 因為“電话:一直是企業程最難自勤化、也最接近成交與同题解决的一條通道。 文字客服可以慢慢開错:冠活不行。来冠者舍插話、改口、口音很重、晋景很吵,還可能在一句 括理同時同價格、查訂单、改地址。傅统語音系统通常要把流程拆成三段:語音辨(STT)→ 文字模型(LLM)+语音合成(TTS)。每多一段,就多一個延近贴、單、串接和出错位置。 XAI的主强不是“把这三件事攀不重要:,而是把即时語音封括做成更密的一条路得。 Voice Agent BuiLder 將其描述為 speech-to-speech品:用同一個操作面完成語 音、電話、知蕨、工具與道括酿测。[1] 放到實際通括理,大概會有三個差别: L.等待時翻更短:電话理,回覆恒一秒和慢三秒,盛完全不同。

2.话更自然:使用者可以插话、铺充、否定前一句,而不是一输一输按键式同答。

3.AI不只回答,遗能事:查资料只是开始:真正有震值的是预的、查詢、建立工單、稀人

工興留下可追跟结果。 它在一次来電中究竟做了什?

文件/ FQ / S0P 企案工具 CRM / 红星 / 日度/工量 xAl voice Agent 電站狭胰 / SIP / PEX 束電者 验懂、推理、蛇话 韩底人 必要药换手 通话纪录 逐字脑/牺费/硬测

Voice Agent 东電案阳架据图 上图是在產品唇看运件事。若你要用自己的電話號碼,底下通常鲁运横跑:電话商或PBX先把 服拿到call_id後接上即时WebSocket,設定遗通電的驾音、指令和工具;接著,来 電者的登音进到他话,AI的整音再回到電适理。[2] 大多数圈除不用一开始就碰道些底唇细。Console 的Builder 已經把電話、Agent、知 、工具、通括記錄:做成可配置流程。真的需要保留既有號碼、PBX或巢系统時,再往 SIP、WebSocket、MCP 或自訂 API 走就好。

来者、AI合纠莱務系统之履的關低示意 来電者、AI音與業移孤能之胃的你示意 置2產品示意图:通菇不是終黏:AI把到括速到预的、客户資料與工單,此圆為本文原制播 蛋 量。 xAIVoiceAgent有哪些能力? 能力 可以用在哪狸 翡電、生成精音、虚理打暨與输次 客服、機、外呼、甜音助理 即时蟹向普音 官方资料稀支摆20+/25+言雪境 多韬言對话 跨境品牌、旅宿、海外銷售 文件與知递检 Agent已上傅的文件集合找答案 FAQ、至品手册、SOP、修款 索 CRK、灯單、存、日思、工 可使用Web/X搜导、MCP、函式或你 工具用 的 API 单 既有企業盛、PBX、频页/Ap 可造遇 SIP、WebSocket、LiveKit 電話接入 P部音 等方式接入 金额、疆私、投诉、無法確源 與科人工 限制可做的事,或在特定情况升级處理 的周翘 回看通活、逐字稿、工具钢用贝结果 質检、提示铜选代、警通分析 可戳测性 在 API ,xAI 已公醋 file_search、Web Search、X Search、速端 MCP 奥自訂 Function工具:因此它不必只回答文件有的内容:,也可以在通話中用你自己的服 。[3] 它適合哪些場景?哪些場景不該急著上? 值得優先警試的五種情境

1.客服橡機奥一综FAQ

最通合虑理高重报、低风随的间题:叠時间、配送状慧、退换货规则、基本故摩排查。AI的 任稿不是“假装無所不知」,而是先把可概化的部分接仕,問题再带著接要轉人工。

2.预的、改期與提醒

所、門店、维修、踊同、房屋看屋都很通合。Agent需要能端寒日唇,但建立预约:前愿 回端日期、时段、姓名與群方式,旗使用者班一次。

3.銷售综索初

AI可以問需求、预算、所在地、時程與聊方式,将合格線索推进CRM,比起溪AI一通電 話就强行成交,這分工通常更。

4.售後回防與准度通知

例如继修造应、服務滿意度、福件提醒、流程清楚、话術固定,且能把结果瘤回系统。

5.既有AI系统加上一個電话入口

如果你已經有RAG、CRM、工作流或内部Agent,xAI可以负责低延逻通話:你的系统仍掌管 资料、權限與业移動作。這是很常見也很健康的分。 不該急著完全自動化的情况

• 涉及付款、退款、签约、醫癌建、法律判、帐户權限更。

• 你無法用工具或資料验證答案,希望它给出確定承诺。

• 没有真人接手流程,也没有通话客核與修正機制、

• 問题的主鞍场其實是Enail或文字工單,而不是電话。

外部测解的觀點很一致:VoiceAgent Builder 的分鐘建好確實降低了原型門楼,但 真正困耀的是把確、權限、例外處理與人工交接做好。尤其是「德錯一句話就敦行動作的 凰险,不能用更侵的提示词撤盖,必须靠明硫確流程與工具權限来虚理、[4] XAI想把它做成什? Tylee Tryitile

Comect your todts Catom guardnlt

xAI Voice Agent Builder 官方量品真雷面 3{xAI Voice Agent Builder 宫方產品真。像来源:xAI,截於2026-97-16。 xAI在2826年7月推出Voice Agent Builder(Beta)时,意思其宽很直接:不用 再零把電話、文件查詢、工具和通話記錄拼起来,警谨人員或開發者都可以先用自然語言把一 因電括 Agent 做出来,再慢澄接自己的系统。[1] 遍不代表它只適合不离程式的人。XAI同時留了三像路:

• 快速配置:在Console建Agent,接文件、工具、相與電话。

• 保留既有系統:以SIP带人原本赋碼,或速你的API/MCP。

• 深度自建:用ReaLtime WebSocket 接到自己的網真、App 或後端。

檬看就很清楚了:它不是束取代CRM、訂单系统或内部AI的。它比较像暂你福上一個能即 时别括的電話前台。 封於登者而言XAI遗提供三個免费的美国手機盛碼用於测试。 Voice Agents (r) 31 Q, r 9 μ

( O (1a

怎做出第一個電話Agent? 下面用xAI Console 的Voice Agents Beta 来走一遍。介面可能會改,但大致颠序不宝 差太多。 第0步:先想好它該做什、不該做什 不要“它是一位有助的客服:關始。先用一真低回答: L.这個電话键碼是给谁打的?

2.它最常處理哪三到五频事情?

3.哪些事它翘到不能自己决定?

1.什度時候必须转人工?

5.它需要端取或寫入哪一個系统?

这五他答案,比先挑哪信餐普重要得多, 第1步:在Console建立Agent 进入 Voice Agents,贴醒 Start from scratch,或先逻 Custoner Support、 Sales Associate,Appointnent Scheduler 等模板。

一開始只需要完成四件事:

• Agent 名程:例如OrbitaCero中文服台1。

• 電话角色:客服、预的、销售初锦或继機。

• 主要语言與整音:中文庭在指令中明確离“使用體中文1。

• 一段髓短但有遗界的指令。

第2步:别只寫人設,把它要做的事講清楚 以下提示词可直接作為中文客服的起點,再按你的業務名福舆规则修改: 你是0rbitaCero;的繁错中文電服務员。 目标:临助来電者了解產品、直物服務流程、收集必要資料; 需要时使用已授權的工具查詢资計,或聘接真人同事。 龈括方式:自然、簡湿、耐心。一次只問一個問题; 先部采電看真正想解法的事,再回答或教行下一步。 工作规则:

1.只能做知凝或工具回傅的调訊回答:不确定時直接就明不确定。

2.涉及價格、退款、付款、帐户、四资、法律或医康臂题時,不作末握验退的承诺。

3。建立预的、修改资料、建立訂單或任何含改盈外部状感的勤作前, 必浪重述照键资訊請采電著明確确款,

4.若間题解法處理、来電者要求真人、或到话速额两次没有进展,按人工。

5。结末前,用一句話摘要已完成的事则下一步。 遍段刻意没有寡得很長。xAI對grok-vo1ce-think-fast-1.0的建也差不多:模型萄强 時,指令反而愿敲短一點、乾净一點,不要把以前為了漏润寡的一堆workaround全塞進 去,[3] 第3步:接上知库舆工具 先一個小图开始: L.上需最常用的FAQ、品介绍、退换货规则或服務SOP。

2.測试Agent能不能引用正规则:答不出来時會不會坦白不知道。

3.再接一個低鼠膀工具,例如“查韵警時间:或“請取可预的時段」。

1.最後才接會改差資料的工具,例如建立预的、更新CRM或送韶訊息。

覃:先旗AI看得到,再辖它讀得到,最後才镶它得造去。 第4步:配置電話舆測 在Builder中還择可用號码,或依官方SIP指引带入既有號码。企業自带赋弱時,電話 商/PBX 需要把路由指向sip.voicc.x.ai;官方文件有Tw1l1o、Telnyx、PLivo 奥自建 SIP 的步。[2] 實测至少要打道十通:

• 正常問题能否答對?

• 说話很快、有口音、背景有噪音時如何?

• 使用者中途插話時,首不會停下来赠?

• 日期、地址、童菇與姓名會不雪错?

• 工具失胶时會不會编答案?

• 不知道時能否自然人工?

• 使用者要求「取消:時,會不宝停止動作?

• 要執行预的或修改時,有没有二次確涩?

• 逐字稿、摘要與工具纪锋是否可追溯?

• 真人接手後,有没有拿到足萄上下文?

第5步:别只Demo,要回頭看纪錄 Deno無乎都很好账:真正要看的是一批真實到話。每遇可以抽看:

• 同题解决率舆转人工率:

• 韩人工的前三大原因;

• Agent最常答错的知藏贴;

• 被打断或沉默時的锥验;

• 工具额用是否成功、是否有不必要的操作;

• 每通成本與真正前省的人工时圈。

如果要接進自己的AI系统」,怎分工? 最實用的架横不是把所有束西都交给同一他模型,而是分唇: PSTN / SIP 充罪 xAl Woice Agent m的 Orchestrator / API 通然逐字稳具图控 Gatewat) 你的硬型成联公众考工客理用格r0 双座 / RAG CRM / 量 / 日摄 Voice Agent 则金案系统的责任通界 可以這楼分工:

• xAIVoiceAgent:即時收音、理解通话语境、龙话、打断虚理、引减對话。

• 你的後端:验源来電者、執行權限、存取CRM/订單、寫入資料、凰控、密計。

• 你的既有AI/RAG:回答你已有的專属知端或福工作流

• 人工:虚理例外、敏展决策、高凰险助作具品贺校正。

如是是细真或手機ApP,前不愿放xAI APIKey。官方理端由你的伺服器先取得短 效 Ephemeral Token,再把短效 Token 给测貨器或 App 速線;真正的API Key 留在後 端[5] 開發者怎看这件事? 这频產品最容易被“雨分鐘做出一個電話AI;吸引。但如果把圈外的實作教学、辞测和官方案 例放在一起看,大家真正心的其實不是它能不能開口说活,而是:它能不能在真實電話程穗穩 地把事游完 XAI主打的方向很明班:用一句自然語言描述,接上文件、工具和摇,就能很快做出可测试 的電話Agent。[1]遗個r楼链賣比前低很多。官方拿 StarLink作為案例,一個 Agent已能調用28因工具,滤理客服和銷售流程;公布的数字是客股自主解決率78% 销售詢间转换率20%,这是一因值得额察的方向,但它量意是供癌商公布的成熟案例,不是每 個图隙一接上就得到的成续。[6] 模型能力方面,xAI 在自己的 Builder 真面列出T-voice Bench 的Overall 成: Grok Voice Think Fast 1.0 為 67.3%, 同真列出 Gemini 3.1 Flash Live 為

43.8%,GPT Realtime 1.5 為 35.34, 第三方 Artificial Analysis 也将它列在

Speech-to-Speech指標的前列。遗些结果至少说明它值得进入遇型名单:但電話品質仍要回 到自己的使用者、口音、毅讯、資料和流程来测,不能只着排行榜。[1][8] 看圆外限發者的教學,最有意思的地方反而是:他们很少把篇幅花在「把驾音调得更像真人」。 真正花時倒的,通常是電話號磁怎接、Webhook怎磨收、SIP怎磨路由、工具怎度調,以及 翼常時如何轴人。Vapi、Retell、Twil1o的實作文意都是這個路数:XAI的 SIP文件也 是同—但避辑。 [2][7] 也有第三方评测给出了一個很實在的提醒:原型做得快,不代表可以放心自勤執行。Eesel在 解测中肯定它把speech-to-speech、低延逻和無程式Builder 放在一起的座品方向,但 同時點出Beta存取、真實穩定性,以及「如果譜一句話,會不會直接做端事,才是上線前 要骄證的尚题。[4] 所以,比较正常的结输是:XAI很適合把一個電括Agent的想法快速成能测的柬西:但要 把它嬰成真正可靠的電括員工,仍然得把權限、確氢、資料和人工交接一件一件做好。 上線前,成本、資料和風要先講清楚

xAI目前公的 Voice Agent API 計價為音訊每分罐 US$θ.θ5(US 3/小時);另有每则純文字翰入事件USo.684的計费。電話號码、SIP、工具搜辱实 存等周遗成本,請以當日產品與供愿商真面為。[9] 這代表你不鹰只同“每分鐘多少钱;,也應問:

• 每通平均频分键?

• 多少通真的被AI解決,而不是鳞一面再轉人工?

• 工具搜导舆资料存取的确外成本是多少?

• 减少的是哪一段人工時間?

资料怎魔虑理 電話裡常會出现姓名、地址、訂單、帐務、医或投新等敏感内容。上線前先把遗件事問清 楚:

• 是否要告知来電者正在與AI互勤,是否音:

• 逐字穆、音與摘要保留多久、雄可以看;

因資與付款資讯能否进入模型或外部工具;

• 是否有地區、率垩或公司内部的资料合规要求:

• 真人转接时如何最小化不必要的資料暴露。

要真的動手做事,就多問一次 只要Agent 要造成外部改燮—下單、退款、改地址、预的、發讯息、取消服務—都鹿遵守道 個规则: 先回請關键資料,再等待明確確,最後才調用离入型工具。 这不是保守,是電話介面該有的基本安全設計。人會口误,ASR錯,模型也可能理释錯; 多一因確提步醒,就是把结误擅在真正動作之前。 寫在最後 xAIVo1ce Agent值得朋注,不只是因為 AI暨音更像人,而是它把原本分散的事情放到同

一因流程理:電話入口、即時語音、推理、工具和通括記錄,可以一起處理。

如果你有明確、重複、可验银的電活工作,例如客服FAQ、预的、線索初部或售後通知,现在 很值得做一個小范图试站。 但真正成熟的VoiceAgent,不是「永遗不转人工:的Agent;而是能快速處理該滤理的事 情、知道何時停下、把完整上下文交给真人,亚且镶每一次失都能被看見與修正的Agent。 資料来源與延伸朗讀

1. xAI, https://x.ai/news/grok-voice-agent-builder

2. xAI Docs, [SIP Phone Calls]

https://docs.x.ai/developers/model -capabilities/audio/voice- agent/sip

3. xAI Docs, [Voice Agent API]

https://docs.x.ai/developers/model -capabilities/audio/voice- agent

4. eesel AI, [Grok Voice Agent Builder review: is xAI's voice

AI worth it?] https://www.eesel.ai/blog/grok-voice-agent-builder-review

5. xAI Docs, [Ephemeral Tokens]

https://docs x.ai/developers/model- capabilities/audio/ephemeral-tokens

6. xAI, [Grok Voice Think Fast 1.0]

https://x.ai/news/grok-voice-think-fast -1

7. Twilio, [Build an AI Buddy with Go, OpenAI, Retell AI, and

Twilio Programmable Voice] https://www. twilio.com/en-us/blog/build -ai-buddy-go-openai- retellai-twilio-programmable-voice

8. Artificial Analysis, [Announcing the Speech to Speech

Index] https://artificialanalysis,ai/articles/announcing-the- artificial -analysis-speech-to-speech-index

9. xAI Docs, [Voice Agent API pricing and

limits https: //docs.x.ai/developers/models/voice-agent-api

原始排版图