Skip to main content

AI व्हॉइस एजंट

एजंट हा एकमेव AI व्हॉइस व्यक्तिमत्त्व आहे जो तुमच्या संस्थेसाठी फोन कॉल करतो आणि उत्तरे देतो. त्याचे स्वतःचे भाषा-मॉडेल, व्हॉइस, अभिवादन, वर्तन आणि tools असतात — कॉल कसा वाटतो आणि एजंट काय करू शकतो हे ठरवणारी प्रत्येक गोष्ट. तुम्ही /agent/setup येथील एजंट बिल्डरमध्ये एजंट तयार करता आणि सुधारता, नंतर त्यांची चाचणी घेऊन प्रकाशित करता. हे पान एजंट संकल्पना समजावून सांगते आणि प्रत्येक बिल्डर टॅबला त्याच्या दस्तऐवजीकरणाशी जोडते.

एजंट म्हणजे काय​

प्रत्येक एजंट खालील गोष्टी एकत्र बांधतो:

  • संभाषण चालवणारे व्हॉइस पाइपलाइन आणि भाषा-मॉडेल;
  • बोलणारा व्हॉइस आणि ऐकणारा transcriber;
  • त्याचे व्यक्तिमत्त्व आणि कॉल कसा सुरू व बंद करतो हे आकार देणारे सिस्टम प्रॉम्प्ट, अभिवादन आणि महत्त्वाचे संदेश;
  • गती नियंत्रित करणारे इंजिन वर्तन — व्यत्यय, शांतता आणि बोलण्याची पाळी;
  • इनबाउंड व आउटबाउंड वापरासाठी कॉलिंग सेटिंग्ज;
  • ऐच्छिक knowledge आणि tools जेणेकरून तो तुमच्या कागदपत्रांवरून उत्तर देऊ शकेल आणि खऱ्या क्रिया करू शकेल; आणि
  • अनुपालनासाठी व मेसेजिंग अॅप्सवर लोकांपर्यंत पोहोचण्यासाठी guardrails आणि channels.

एजंट प्रकल्पांच्या आत राहतात, विहंगावलोकन मधील Organization → Projects → Agents रचनेचे अनुसरण करत. एकदा एजंट प्रकाशित झाला की तुम्ही campaigns आणि इनबाउंड क्रमांक त्याकडे निर्देशित करू शकता.

बिल्डर टॅब मॉडेल​

एजंट बिल्डर आणि त्याचे टॅब एजंट बिल्डर. वरच्या बाजूचे टॅब (Agent, Model, Voice, Behavior, Calling, Tools, Workflow, Guardrails, Channels) प्रत्येक एजंटचा एक भाग कॉन्फिगर करतात.

/agent/setup येथील बिल्डर कॉन्फिगरेशनला अकरा टॅबमध्ये संघटित करतो. तुम्ही डावीकडून उजवीकडे त्यातून पुढे जाता, जाताना जतन करता. मुख्य टॅबपैकी प्रत्येकाचे स्वतःचे दस्तऐवजीकरण पान असते:

  • Agent — नाव, वर्णन, वापर-प्रसंग आणि सुरुवातीचे टेम्पलेट, तसेच सिस्टम प्रॉम्प्ट, अभिवादन आणि end / fallback / busy / voicemail संदेश, आणि Published व Active टॉगल. इथेच प्रत्येक नवीन एजंट सुरू होतो; पहा तुमचा पहिला एजंट तयार करा.
  • LLM — व्हॉइस पाइपलाइन मोड, LLM प्रदाता आणि मॉडेल, temperature, token मर्यादा, प्रगत पॅरामीटर्स, fallback मॉडेल, आणि RAG / knowledge-base जोडणी (पहा Knowledge & RAG).
  • Audio (व्हॉइस व ऑडिओ) — बहु-प्रदाता speech-to-text आणि text-to-speech (प्रदाता, मॉडेल, व्हॉइस, आणि प्रदाता-विशिष्ट सुधारणा).
  • Engine (संभाषण वर्तन) — barge-in आणि व्यत्यय हाताळणी, voice-activity-detection पॅडिंग, प्रतिसाद विलंब, शांतता हाताळणी आणि filler शब्द.
  • Calling — इनबाउंड/आउटबाउंड, कमाल कालावधी, ऑटो-हँगअप, नेमलेले क्रमांक आणि webhooks.
  • Tools — एजंटची functions बांधा, MCP servers जोडा, आणि Workflow Builder उघडा.
  • Calendar — OAuth द्वारे Google किंवा Outlook जोडा जेणेकरून एजंट उपलब्धतेसह काम करू शकेल.
  • Workflow — एक दृश्य कॉल-फ्लो बिल्डर (खाली समाविष्ट), Tools टॅबमधून सुरू केला जातो.
  • Function Logs — प्रति-function मेट्रिक्स: कॉल संख्या, latency आणि या एजंटद्वारे वापरल्या जाणाऱ्या functions साठीच्या त्रुटी.
  • Guardrails — अनुपालन आणि डेटा-संकलन नियंत्रणे (खाली समाविष्ट).
  • Channels — मेसेजिंग अॅप्सवर लोकांपर्यंत पोहोचा: WhatsApp, Telegram, Facebook Messenger आणि एम्बेड करण्यायोग्य वेब विजेट.

Workflow Builder​

Workflow टॅब एक दृश्य कॉल-फ्लो बिल्डर उघडतो (Tools टॅबवरील Open Workflow Builder बटणाने सुरू होतो). तो तुम्हाला निर्धारणात्मक, node-आधारित कॉल फ्लो डिझाइन करू देतो — प्रश्न, अटी, tool कॉल, webhooks आणि transfers — अशा एजंटांसाठी ज्यांना खुल्या संभाषणाऐवजी स्क्रिप्टेड मार्ग हवा असतो.

Function Logs​

Function Logs टॅब एजंटची बांधलेली functions खऱ्या कॉलदरम्यान कशी कामगिरी करत आहेत हे दाखवतो: प्रत्येक function किती वेळा कॉल केले जाते, त्याची latency, आणि कोणत्याही त्रुटी. कॉल गुणवत्तेला हानी पोहोचवण्यापूर्वी संथ किंवा अयशस्वी tool ओळखण्यासाठी तो वापरा.

Guardrails​

Guardrails टॅब एजंटला सुरक्षित आणि अनुपालनशील ठेवतो. तो खालील गोष्टी नियंत्रित करतो:

  • Content guardrails — एजंट टाळतो आणि ज्यापासून दूर वळवतो अशा प्रतिबंधित विषयांची यादी.
  • PII handling — transcripts मध्ये वैयक्तिकरीत्या ओळखता येण्याजोगी माहिती कशी हाताळली जाते (mask, redact किंवा allow), तसेच प्रति-प्रकार transcript PII redaction निवडक (SSN, credit card, email, phone, address, date of birth, bank account).
  • Compliance mode — Standard, Strict, HIPAA किंवा PCI-DSS; कठोर मोड अतिरिक्त सुरक्षा उपाय आणि लॉगिंग सक्षम करतात.
  • Data collection — एजंट टिपण्याचा प्रयत्न करतो ती collected fields आणि त्याला मिळवायलाच हवीत ती required fields (गहाळ असल्यास कॉलरला विचारतो).
  • Post-call analysis — opt-in auto-summarize, sentiment analysis आणि intent detection.
Channels म्हणजे मेसेजिंग अॅप्स, ईमेल नव्हे

Channels टॅब मेसेजिंग अॅप्ससाठी आहे — WhatsApp, Telegram, Facebook Messenger आणि एक वेब विजेट. ईमेल पाठपुरावा हा channel नाही: तो Tools टॅबवरील send_email function आहे.

tip

सुरुवात करण्यासाठी तुम्हाला प्रत्येक टॅब भरण्याची गरज नाही. पहिल्या चाचणीसाठी नाव, मॉडेल, व्हॉइस आणि अभिवादन पुरेसे आहे. मूलभूत गोष्टी योग्य वाटू लागल्यावर knowledge आणि tools जोडा.

प्रकाशित करण्यापूर्वी चाचणी घ्या​

बिल्डर दोन चाचणी पृष्ठभागांसोबत जोडलेला आहे जेणेकरून एजंट खऱ्या कॉलला स्पर्श करण्यापूर्वी तुम्ही त्याची चाचणी घेऊ शकता:

  • /agent/interface येथे Voice test — एजंटशी बोला आणि त्याचा प्रतिसाद ऐका.
  • /agent/chat येथे Chat test — तर्क व प्रॉम्प्ट पटकन तपासण्यासाठी मजकूर वळसे देवाणघेवाण करा.

रिकाम्या एजंटपासून प्रकाशित एजंटपर्यंतचा संपूर्ण मार्ग तुमचा पहिला एजंट तयार करा मध्ये आहे.

पुढील पावले​