Onvocall AI Blog
We're a team of engineers, customers and many agents, passionate about AI, voice technology and the product we're building together. Welcome to our blog!
Filter
10/22/2026 ( 9 days ago )
AI 把软件生态打成筛子之后：我们怎么守住客户的名单、录音和密钥
这一周 Railway 环境变量泄露、LiteLLM 投毒、AI Agent 9 秒删光生产库接连发生。作为每天有大量数字员工拿真实权限干活的 AI 外呼平台，我们把这几个月在安全上踩过的坑、做的事——字段级加密、密钥不落服务器、越权排查与审计、给 AI 员工设刹车——以及还没做完的部分摊开讲一讲。
10/14/2026 ( 17 days ago )
AGI 也得上岗培训：RSI 刷屏之后，我们为什么还在认真做「训练中心」
就算 AGI 真的来了，它也得先上岗培训。通用不等于全能，无穷无尽的业务也不可能靠一个全能 AI 的算力撑起来。这篇讲我们为什么把企业“带新人”那一套——定标准、出建议、先评测再上线、线上打分——用在数字员工身上，做成了训练中心，以及为什么我们认为这才是 RSI 今天真正能落地的样子。
10/7/2026 ( 24 days ago )
从 Jev 回看事半AI数字员工：如何将"判断"从"对话"中拆出来
TypeSafe 的 Jev 把"让 AI 做判断"变成了"问一道有固定选项的题、直接拿回概率"。这篇讲我们对 Jev 的理解，回顾我们在通话中的快判断层、通话后意向判定拆分、用 logprobs 复刻 Jev 接口这些同路工作和真实通话上的对照数据，以及接下来从离线标定、旁路试运行到统一决策层的计划。
9/25/2026 ( about 1 months ago )
什么是 AI Agent？一文看懂事半 AI 的数字员工能替你做什么
AI Agent 不只是会回答问题，而是接到目标后自己拆步骤、调用工具把事办完，你在旁边把关。本文用微信管家花花、产品体验官 Small 两位在岗数字员工做例子，讲清楚它们怎么工作、分哪几类、能帮你做什么，以及我们怎么保证你始终说了算。
9/13/2026 ( about 1 months ago )
拆解 GPT-Live：跟 OpenAI 最新的全双工方案比，我们的数字员工差在哪
逐项拆解 OpenAI GPT-Live-1 的全双工架构（前端/后端拆分、三通道结果注入、委托机制、训练进模型的轮次判断），跟我们数字员工系统的 Director/Rhythm/Plugin 编排、FlashFiller 垫场、外挂轮次检测模型等设计逐条对比，梳理出我们接下来值得补的评测和架构方向。
9/2/2026 ( about 1 months ago )
数字员工的"大脑"，哪里像人脑，哪里不像？
数字员工的认知系统，怎么决定"这句话该怎么说"？这篇聊聊我们从神经科学借来的几个分层直觉——反射与深思、大脑的节能哲学、信号该横向消化还是上交决策层，以及这套类比在哪些地方我们没有硬凑。
8/27/2026 ( about 2 months ago )
AI 打电话时，是怎么决定"这句话该怎么说"的？聊聊电话机器人背后的认知系统
AI 外呼机器人一通电话里要同时照顾情绪、目标、语气、记忆，简单地把规则堆进一个大 prompt 很快就会失控——这篇聊聊我们怎么用一套"认知系统"把多路信号收敛成一句自然、连贯的话。
8/25/2026 ( about 2 months ago )
AI 客服上岗之后，真人客服去哪了？聊聊 in the loop 和 on the loop 的区别
AI 客服确实在吃掉标准化、重复度高的那部分工作，但这不等于客服这个岗位会消失——结合我们自己做外呼系统时踩过的坑，聊聊真人客服接下来更现实的三条出路：作为监督者、兜底者和训练者，分别对应 human on the loop 和 human in the loop 两种不同的位置。
8/23/2026 ( about 2 months ago )
从"能打电话"到"会打电话"：AI 外呼接下来要解决的三个问题
接通率和流畅度已经不是问题，AI 外呼接下来要解决的是多轮记忆与个性化、人机协同、效果可衡量这三件事。
8/22/2026 ( about 2 months ago )
从 0 到 1：5 步搭建一个能上线的 AI 外呼机器人
新建项目、写欢迎语与多轮流转、配置呼出频率、挂知识库、开质检兜底——5 步跑通你的第一个 AI 外呼机器人。