RTC 负责实时媒体链路，大模型负责内容生成，两者不要混成一个黑盒。把等待拆成 ASR、LLM、TTS 和播放四段分别测量。用可取消请求与代际编号共同处理旧结果。长推理采用短首答、分段展开，而不是一次性朗读全文。用户开口时优先停止声音，再处理后台取消。被打断后默认暂停，恢复必须经过用户确认。模型失败时保留文字降级、重试和退出，不进行无限自动重试。高风险决定、隐私授权和是否继续对话始终由人控制。大模

面向已完成语音 Demo、准备进入稳定性建设阶段的团队：不再把 API、本地模型和厂商 SDK 当成三套独立工程，而是通过统一 LLM 契约、能力探测、灰度路由和熔断回退，让实时 AI 语伴可以更换模型，同时保持打断、流式输出、观测与人工控制能力。

当 AI 编程任务反复失败时，不要急着继续重试或升级套餐。本文实现一个面向开发者项目的站内人工接管入口：记录任务边界、验收条件、失败尝试和环境摘要，自动生成可审查的交接包，并给出判断容量问题、环境问题与任务定义问题的实用框架。

面向 MCP、插件和 API 集成类产品，设计一个紧贴配置错误出现的站内支持入口：前端只采集白名单诊断字段，服务端按错误码路由到已有工单系统，并用幂等、脱敏和人工确认避免把客服入口做成无人负责的新渠道。

面向工业机器人编程与仿真工具，实现一套“场景快照式”站内反馈入口：自动采集机器人型号、任务阶段、场景版本和诊断信息，在用户确认后提交，并通过幂等写入、责任人路由和证据分级，把模糊留言转化为可验证的需求证据。