能够接听真实电话的人工智能接待员
我们正在构建一个人工智能接待员，能够接听真实电话、捕获潜在客户、预约安排并发送5分钟的后续跟进。我们的首个细分市场是婚礼场地。我是其中一位创始人。
<p>对HN可能感兴趣的内容：</p>
对话循环：电话 → 流式自动语音识别（ASR） → 大语言模型工具（LLM） → 日历/电子邮件 → 语音合成（TTS），具备轮流发言和插话控制功能。
日历预约：缓冲时间逻辑 + 防止重复预约；我们提供一个最小功能API用于“提供时段/预约时段/确认”。
多渠道捕获：将电话、电子邮件和表单潜在客户统一为一个记录，包含转录和字段（姓名、日期、客人数量、预算）。
垃圾邮件过滤：在接触到员工之前阻止模式（例如，1-800电话/机器人电话）；为VIP设置安全通行规则。
评估工具：脚本化的通话场景（可用性、定价、政策）→ 检查基础（答案必须在您的文档中）→ 对正确性、安全性和升级时机进行评分。
<p>未成功的方面：</p>
在知识摄取之前过于急于回答；我们现在对经过验证的来源严格限制回答，其他情况下会记录信息或升级处理。
Elevenlabs；延迟过高，无法构建类似人类的体验。
对边缘案例的困惑（“如果……你的取消政策是什么？”）。我们增加了文档优先检索 + 回退到“收集信息 + 路由”。
<p>目前的数字（早期阶段，仅有6位客户，正在改善）：</p>
目标回答时间：接听时间小于一秒；电子邮件的首次回复时间为5分钟。
减少漏接电话和更快的参观安排是主要成果；一旦数据成熟，我们乐意分享更多信息。
<p>隐私/伦理：</p>
客户内容不会用于训练我们的模型。
明确的同意和录音政策；个人身份信息（PII）在存储和传输中均加密。
<p>我希望得到的反馈：</p>
针对语音代理的更好离线评估（超出愉快路径脚本）。
您发现有效的轮流发言和插话策略。
在信任AI处理电话之前，您希望的故障模式处理。
<p>链接：https://mikla.ai</p>
查看原文
We’re building an AI receptionist that answers real phone calls, captures leads, books appointments, and sends 5‑minute follow‑ups. Our first niche is wedding venues. I’m one of the founders.<p>What might be interesting to HN:<p>Conversation loop: telephony → streaming ASR → LLM tools → calendar/email → TTS, with turn‑taking and barge‑in control.
Calendar booking: buffer‑time logic + double‑booking prevention; we expose a minimal function API for “OfferSlots/BookSlot/Confirm.”
Multi‑channel capture: unify phone, email, and form leads into one record with transcript + fields (name, date, guest count, budget).
Spam filtering: block patterns (e.g., 1‑800s / robocalls) before they hit staff; safe pass‑through rules for VIPs.
Evaluation harness: scripted call scenarios (availability, pricing, policy) → check for grounding (answers must be in your docs) → score for correctness, safety, and escalation timing.<p>What didn’t work:<p>Over‑eager answers before knowledge ingestion; we now hard‑gate answers on verified sources and otherwise take a message or escalate.
Elevenlabs; Latency is way too much to build a human like experience.
Confusion on edge cases (“What’s your cancellation policy if…”). We added doc‑first retrieval + fallback to “collect info + route.”<p>Numbers so far (early, only 6 customers and improving):<p>Target answer time: sub‑second pickup; 5‑minute first reply on email.
Reduction in missed calls and faster tour scheduling are the main wins; happy to share more once data matures.<p>Privacy/ethics:<p>Customer content is not used to train our models.
Clear consent and recording policies; PII is encrypted at rest and in transit.
What I’d love feedback on:<p>Better offline evaluation for voice agents (beyond happy‑path scripts).
Turn‑taking and barge‑in strategies you’ve found to work well.
Failure‑mode handling you’d want before trusting an AI with calls.<p>Link: https://mikla.ai