Vapi 推出 Agent Loop:让语音智能体在每次通话中自我改进
Agent Loop is here: Better voice agents, every call - Vapi AI Blog
Vapi 发布 Agent Loop 早期访问版,这是一个构建在 Vapi 平台之上的自我改进 harness,能按业务目标给每通电话打分、定位问题、起草修复、模拟测试,再以实验形式放量上线并自动回滚,计划明年初 GA。它由 Vapi 仪表盘内置的 AI 智能体 Composer 完成搭建与改进,底层可调模型、架构、语音、配置和工具,所有改动需人工在收件箱(可接入 Slack)批准后才会上线。
正文 · AI 翻译
Vapicon 2026 即将到来Agent Loop 现已上线:更出色的语音智能体,每一通电话都更优秀Vapi 编辑团队 • 2026年11月11日5 分钟阅读分享
为 AI 智能体做入职,应该像为新员工做入职一样简单。给它目标、一些指令,以及朝着目标攀登所需的知识和工具。当它需要批准或帮助时,让它主动来找你。然后让它从已经在接听的通话中自行提升工作表现。
要实现这一点,需要一个能暴露智能体生命周期每个阶段并使其可配置的平台,而这正是 Vapi 所构建的平台。
今天我们推出 Agent Loop 的早期访问版,并计划于明年初正式发布(GA)。它是一个自我改进的 harness,位于整个平台之上。它构建智能体,按你的目标为每一通电话打分,找出未达标的通话,起草修复方案,进行测试,将其发布到一部分实时流量上,并衡量指标是否有所改善。然后,借助递归式自我改进,它不断重复,每轮迭代都让智能体变得更好。它下面的每一层都是它可以调节以缩小差距的旋钮:模型、架构、语音、配置和工具。它运行所依赖的基础组件也会随之发布到仪表盘中,因此无论你是否使用 Agent Loop,它们都归你所有,而且同一个智能体也始终可以在仪表盘中访问。
Vapi 从开发者优先起步,我们通过暴露每一个参数来构建它。平台是基础:生产级基础设施、数千个模型和集成,以及适用于任何语音智能体用例的预构建配置。在其之上是用于优化智能体的基础组件:通话分析与监控、模拟、流量路由和实验。设置好,观察通话,做出更改,测试它,部署它,再次观察。
循环的每一部分都已具备。将它们组装成你在生产环境中可以信赖的东西才是困难的部分。今年在探索阶段与我们交谈过的几乎每一位客户都构建了自己的版本:一个监控仪表盘、一个模拟 harness、一个读取转录文本并标记出问题的脚本。如今,我们的前置部署工程师为客户手动运行这个循环。唯一的替代方案是一份专业服务合同,它会以高昂的费用夺走你的控制权。
CarShield 的 AI 专家 Jonathan Rooney 和 Abdalnafie Sibaie 亲身描述了这种拼凑式的做法:“我自己就在做这件事:启动单个测试场景,进行外呼。这就是我需要的,但我就是没有基础设施来构建自己的仪表盘。”
我们汲取了前置部署团队所知道的一切、我们从超过十亿次通话中学到的一切,以及一个为暴露每一个基础组件而构建的平台,并精确拆解了究竟是什么让语音智能体取得成功。然后我们构建了一个新的智能体 harness,将这一切交到你手中,并让采取行动变得容易。
Agent Loop 如何运行
你所看到的很简单。你创建一个智能体,告诉它目标,它就会自行变得更好。你观察它工作,批准你想要的内容,并随时介入。用一段简单的提示词描述工作(“创建一个不推诿的客户支持智能体”),你就能得到一个可用的智能体,并从它的第一通电话起就按业务目标进行评分。
它自行运行并随时间改进,但它的一切都不是黑箱。它被构建为 Vapi 之上的一个 harness。每一步都可解释,每一步都是你可以配置和微调的真实 Vapi 功能。以下是其底层发生的过程。
设置。你从目标开始,比如解决率:有多少通电话由智能体解决,而没有升级给你的团队。你给 Composer——Vapi 仪表盘内置的 AI 智能体——提供它所需的上下文:涉及的步骤、集成、你的知识库,甚至真实通话录音。Composer 承载着我们前置部署团队在数千次部署中学到的一切,它设置工具和提示词,选择模型和架构,并组装出第一个版本。
观察。随着电话呼入,Agent Loop 按目标为每一通电话打分,审查未达标的通话,并将它们聚类为问题。比如“客户在询问退货,但智能体没有退货处理技能。”
构建。Composer 针对最突出的问题起草一项改进,附上作为证据的通话和确切的差异,并将其送回测试。
测试。新版本会运行数百个模拟对话,以确认它做了该做的事,并且没有破坏其他任何东西。
部署。该更改作为实验发布到你真实流量的一部分上,并按你的目标进行衡量。如果效果好,就全面推出。如果指标下降,它会自动回滚并记录所学到的内容。它利用递归式自我改进:新版本被观察、改进、测试并再次部署,循环不断重复,直到你达成目标。
整个过程你始终掌控一切,没有人的同意,任何东西都不会上线。决策会进入一个收件箱,该收件箱可连接到 Slack。随着时间推移,当你信任智能体的判断时,你可以让它自行批准更多内容。
“你刚刚做的正是我想做的事。如果我们能推送一场实时活动,然后它知道哪些通话成功了、哪些没有,接着就能训练并改进我们的智能体,使其朝着我们最重要的成果迈进,那就太棒了。”——Vijeth Vijaykumar,Descartes 生成式 AI 解决方案负责人
每个 Agent Loop 智能体底层都是一个真实的 Vapi 助手。负责解决率的客户体验负责人从 Agent Loop 运行该智能体,从不打开配置。工程师则在同一个助手上保留完整的仪表盘和 API。经验记录会记录业务已经做出的决策,因此提议的修复不会重新引入你特意做出的那个具体决策。
每个阶段背后的原语
从外部看,Agent Loop 是一个简单的 harness,为你构建、改进和优化智能体。在底层,它是一组协同工作的原语,每个都对应循环中的一个阶段。它们也都将登陆仪表盘,因为无论智能体是在自我改进,还是你想把它们融入现有工作流以获得更深控制,它们都很有用。
模拟。具有鲜明个性的 AI 呼叫者会在真实呼叫者听到变更之前,针对该变更运行数百次对话。现已在仪表盘中可用。
流量拆分。将一部分实时通话发送到新版本,确认其表现稳定,然后全面推出。现已在仪表盘中可用。
目标。用你的业务术语为助手设定一条可衡量的通过/失败规则,在每通电话上评判:解决率、成功转接、客户满意度。即将登陆仪表盘。
通话健康。分析通话样本,检测出了什么问题,并将发现分组为按频率排序的具名问题,以转录片段作为证据。针对任何问题,它会生成一项提议的修复,附带证据通话以及确切的提示词或配置差异,你可以一键将其作为新版本应用。即将登陆仪表盘。
实验。针对某个目标、问题率、成本或延迟运行两个或更多版本,让 Vapi 宣布胜出者,并可选地转移流量。即将登陆仪表盘。
作为智能体循环的一部分,它们共同自主运行整个生命周期。目标定义成功。通话健康发现问题并提出修复。模拟和实验对其进行测试。当你开始看到成功时,实验会将其发送给一部分呼叫者。你会看到智能体随时间不断改进。这些就是承担工作的部分。
Agent Loop 现已开放早期访问,已有客户在使用并看到成效,正式版计划于明年初发布。如果你今天正在 Vapi 上构建,这些功能将在未来几个月内陆续在仪表盘中提供。
加入 Agent Loop 早期访问等候名单,并于 11 月 11 日在 VapiCon 上现场体验。分享
目录