电话 Agent 从 0 到上线

先把电话 Agent 当成业务流程

电话 Agent 不是“把聊天机器人接到电话上”。电话里没有撤回按钮，用户可能在嘈杂环境里说话，通话会被录音、转写、转接、计费，并且常常涉及预约、销售、客服、催收或资格筛选。第一步不是选模型，而是写清楚：Agent 能解决什么，不能承诺什么，什么时候必须转人工，什么时候必须先征得录音或数据处理同意。

适合明确、可边界化的任务

预约确认、来电分流、FAQ、简单售前资格筛选、回访和内部 IT helpdesk 都适合作为第一版。医疗诊断、金融建议、复杂投诉、未成年人沟通或高情绪冲突不适合直接自动化。越是高风险场景，越要从“辅助人工”开始，而不是全自动接管。

先写通话流，再写提示词

一个可上线的电话 Agent 至少需要开场、身份说明、录音告知、目标确认、信息收集、工具调用、失败恢复、转人工和结束语。提示词只是其中一层。真正让电话稳定的是 call flow：用户沉默怎么办、拒绝提供信息怎么办、系统查不到订单怎么办、用户要求人工怎么办。

搭建第一条生产路径

最快路线是 Retell AI 或 Vapi 这类托管平台：买号码或接 Twilio/SIP，配置模型、声音、转写、工具和 webhook，然后用真实电话测试。更可控路线是 LiveKit/Pipecat + Deepgram/Cartesia/ElevenLabs/OpenAI，但你要自己负责媒体、worker、重试和观测。

号码和同意不是小事

不同地区对录音、外呼、营销电话和自动化披露要求不同。即使项目还在 MVP，也要在开场里说明身份和录音/转写用途，并给用户退出或转人工路径。把同意状态写进日志，不要只靠录音里一句话。客户项目还要记录脚本版本和上线日期。

工具调用要从只读开始

第一版工具建议只读：查订单、查预约、查 FAQ、创建草稿。写入动作如改预约、取消订单、发送短信、改 CRM 状态，应加二次确认和失败回滚。用户打断时，Agent 可以停止说话，但不能悄悄取消已经提交的业务动作。

用 30 通真实电话做门槛

上线前至少打 30 通：安静环境、手机免提、车内、口音、长停顿、用户插话、用户拒答、工具超时、转人工、直接挂断。每通都要看 transcript、录音、事件时间线、成本、是否完成目标。页面里的 Tech With Tim Vapi 教程可以作为电话和网页集成参考，但你的上线门槛应由这些真实失败决定。

按阶段选择工具

Retell AI 当前官方价格页列出 AI Voice Agent $0.07-$0.31/分钟，约 RMB 0.5-2.2/分钟，并提供免费额度、并发和分析能力；Vapi 适合开发者快速比较 provider、接工具和接前端；Deepgram 的 Voice Agent API 从 $0.075/分钟起，STT Nova/Flux 从 $0.0077/分钟起；OpenAI Realtime 适合测试原生 speech-to-speech；LiveKit/Pipecat 适合后期需要拥有实时媒体和路由的团队。

不要只看平台费

电话 Agent 的真实成本包括平台、电话、STT、TTS、LLM、静默等待、失败重试、录音存储、人工复核和转人工。一个 4 分钟成功电话和一个 9 分钟失败电话的成本完全不同。先按 1000 分钟/月估算，再按 10,000 分钟/月看并发、质量和客服接管压力。

托管先跑，开源后迁移

对多数团队，先用 Retell 或 Vapi 跑通业务更快；当成本、隐私、区域、供应商控制或特殊媒体需求变成主要问题，再迁到 LiveKit/Pipecat。为了未来迁移，保留提示词版本、工具 schema、通话样本、失败分类和同意记录。

小流量上线后盯四类指标

第一周不要追求自动化率最大化。重点看任务完成率、转人工率、用户重复问题比例、missed interruption、平均和 P95 成本、工具失败率、投诉和挂断点。每天抽样回放失败通话，把失败改成回归测试。电话 Agent 的成熟不是“它能说话”，而是它能在坏信号、坏心情和坏数据里稳住流程。

设定人工兜底

任何电话 Agent 都需要一句清晰的逃生门：“我可以帮你转人工。”如果业务不允许实时人工，至少要创建工单、回拨或短信确认。没有兜底的自动化只是在把失败留给用户。