Hotdry.
归档
ai-systems

通过API触发AI代理拨出电话：call-center-ai的工程集成与参数优化

基于Microsoft call-center-ai repo，通过REST API触发AI bot主动拨出电话，支持自定义任务描述、claim schema收集与Azure Communication Services集成。详解payload参数、实时流式对话阈值调优、生产部署清单与成本监控要点。

在呼叫中心场景中，AI 代理通过 API 主动触发出站电话呼叫，能显著提升自动化水平，避免人工调度延时。Microsoft 的 call-center-ai 项目提供了一个精炼的 REST API 接口，支持 AI 代理在后端逻辑中一键发起 bot 拨打目标号码，实现任务导向的对话收集，如保险理赔信息或 IT 支持咨询。该机制的核心在于将 OpenAI GPT 模型与 Azure Communication Services 深度融合，确保实时流式交互，支持断线重连与数据持久化。

API 触发机制与 Payload 设计

核心入口是一个 POST /call 接口，接收 JSON payload 定义呼叫参数。以 curl 示例发起呼叫：

curl --header 'Content-Type: application/json' --request POST --url https://your-domain/call --data '{
  "bot_company": "Contoso",
  "bot_name": "Amélie",
  "phone_number": "+11234567890",
  "task": "Help the customer with their digital workplace...",
  "agent_phone_number": "+33612345678",
  "claim": [{"name": "hardware_info", "type": "text"}, ...]
}'
  • bot_company & bot_name：定义 bot 身份，支持多 bot 场景下隔离提示模板，避免上下文混淆。
  • phone_number：目标拨打号码，E.164 格式，确保 Azure Communication Services 兼容。
  • task：英文任务描述，长度控制在 200 词内，作为 LLM system prompt 核心，指导 bot 行为如 “收集理赔信息直到完整”。
  • agent_phone_number：可选，转接人工座席号码，用于复杂场景 fallback。
  • claim：动态 schema 数组，支持 text/datetime/email/phone_number 类型，每项可选 description 传递给 LLM 验证数据格式。

该 payload 设计允许上游 AI 代理（如 Copilot 或自定义 agent）在检测用户需求后动态生成，避免硬编码。证据显示，集成后 bot 能生成结构化 claim、reminders 与 synthesis 总结，并存入 Cosmos DB，支持后续报告查询如 GET /report/{phone_number}。

实时流式对话集成要点

呼叫流程依赖 Azure 服务栈：Communication Services 处理音视频，Cognitive Services 的 STT（Speech-to-Text）与 TTS（Text-to-Speech）实现双向流式。Event Grid 与 Storage Queues 解耦事件流，确保高可用。

关键工程参数（App Configuration feature flags）：

  • vad_threshold: 0.5（语音活动检测阈值，0.1-1 范围）：低于此值视为静默，防噪声误触发。生产中根据环境噪声调至 0.6-0.7。
  • vad_silence_timeout_ms: 500：静默超时，触发 bot 提示 “您还在吗？”。
  • phone_silence_timeout_sec: 20：整体静默阈值，超时时 bot 发送警告，避免挂断。
  • answer_soft_timeout_sec: 4：LLM 响应软超时，期间播放等待音乐。
  • answer_hard_timeout_sec: 15：硬超时，abort 并重试，使用 gpt-4o-mini 作为 fast 模型（10-15x 成本优化）。
  • recognition_retry_max: 3：STT 重试上限，结合 recognition_stt_complete_timeout_ms: 100ms，提升识别鲁棒性。

这些参数支持实时流式：用户语音经 STT 转文本→Redis 缓存历史→GPT 生成响应（RAG 增强领域知识）→TTS 语音输出，无需完整句子缓冲。断线续传依赖会话 ID 重连，Conversation 历史从 DB 加载。

为优化延迟，推荐 PTU（Provisioned Throughput Units）部署 OpenAI，TTI（Time to First Token）可减半；启用 OpenLLMetry 追踪 LLM token 使用与 latency。

生产部署与落地清单

  1. 前提资源：

    • Azure 资源组（低写如 ccai-prod）。
    • Communication Services：启用系统托管身份，购置号码（支持 voice/SMS）。
    • OpenAI：gpt-4o-mini（fast）+gpt-4o（insights），ADA 嵌入 RAG。

  2. 配置与部署（serverless 优先）：

    • 复制 config-remote-example.yaml → config.yaml，填入 endpoint/key/phone。
    • make deploy name=your-rg：Bicep IaC 部署 Container App、Cosmos、AI Search 等。
    • 本地测试：make deploy-bicep deploy-post，devtunnel 暴露端口。

  3. 集成上游 AI 代理：

    • 在 LangChain/Semantic Kernel 中封装 /call API，task 由上游 LLM 生成。
    • 示例 Python： 
      import requests
payload = {"bot_company": "MyCo", "phone_number": "+86...", "task": generated_task}
response = requests.post(f"https://{domain}/call", json=payload)
call_id = response.json()["call_id"]  # 追踪状态

  4. 监控与回滚：

    • Application Insights：追踪 call.answer.latency、aec.dropped（回声抵消失败）。
    • 自定义指标：日志采样率 50%，警报 latency>5s 或 RU/s>80%。
    • 回滚：feature flags 热更新（TTL 60s），fallback 至人工 transfer。
    • 成本控制：1000 呼叫 x10min ≈$720 / 月，优先 serverless vCPU，监控 OpenAI tokens。

  5. 安全与合规：

    • Content Safety 过滤 jailbreak / 有害内容（阈值 0-7 级）。
    • RAG 用 AI Search 索引自定义文档，vectors 维度 1536。
    • 启用 recording（Storage 容器），但默认 false 防隐私风险。

风险缓解与优化

POC 局限：无完整测试覆盖，建议添加单元测试持久层、多区部署。私有端点升级 vNET 集成增成本但提升安全。细调 LLM 用历史通话数据（脱敏后），A/B 测试 via App Config。

落地后，bot 可处理中低复杂度呼叫（24/7），claim 准确率依 RAG 质量。相比通用 Twilio API，本方案 bot-native，task 驱动更智能。

资料来源：Microsoft call-center-ai GitHub 仓库（https://github.com/microsoft/call-center-ai），包含 demo、架构图与 config 示例。“Send a phone call from AI agent, in an API call.”

查看归档