开发者开源基于OpenAI的IT工单语音分诊AI代理

你们要的是真实的 AI 应用案例，带开源代码和一步步的实验教程。我发布了一个。用葡萄牙语写的。带测试、文档和一个能跑的应用。结果几乎没人试用。😅

在今年里约热内卢的 DevDay Exchange Community 上，我演示了一个用于 IT 工单分诊的对话式智能体，用的是 @OpenAI 的 GPT-Live + Decisions API。

这个应用能做什么？想象你和一个 AI 智能体对话，说：
🎙️ “分公司的 VPN 每十分钟断一次，财务那边停摆了。帮我登记一下。”

智能体通过语音接收你的描述，当你要求登记时，应用会调用 Decisions API 来：
✅ 判断是否掌握了足够的问题信息。
✅ 建议负责处理的团队。
✅ 评估影响程度和分类的置信度。
✅ 在可视化分诊看板上创建一张卡片。
✅ 将不确定的案例转交给人工复核，由人来做决定。

也就是说，我们说的不只是一个回答问题的聊天机器人。我们说的是把对话式 AI 集成到一个结构化的决策流程中，并且带有 Human-in-the-Loop。

最棒的是什么？我把这个项目以开源形式发布了，用 Next.js 和 TypeScript 开发，附带一份详细的实验教程，让任何人都可以学习、在本地运行并理解其架构。

甚至还有离线练习，不需要 API 密钥。要想用真实模型体验语音对话，材料里也讲解了配置方式和相关费用。

说个有意思的事：这个演示反响非常好，有人评论说它比旧金山 DevDay Exchange 上展示的还要好。但尽管有这些好评，这份材料在活动之后几乎没什么传播。

这让我思考一件事：我们是不是更热衷于看令人印象深刻的 AI 演示，而不是去打开代码、理解实现、自己动手实验？

无论如何，我想把这个内容再次分享给社区。
🧪 完整实验教程：
💻 开源代码：

如果你试用了，告诉我你的感受！可以提 issue、提出改进建议，或者分享你的收获。我做这类项目的目的，就是为了帮助更多人从理论走向实践，真正构建 AI 应用。

那你们呢？你们还对带代码和文档的完整实验教程感兴趣吗，还是更喜欢其他形式的技术内容？

没错，@Dixonzimberman！这也正是最让我在意的一点。我们有海量的 AI 内容，但我们还需要更多地鼓励一种文化：复现实验、阅读代码、质疑架构决策、验证结果。开源不应该只是在 GitHub 上供人欣赏的东西，更应该被运行、测试、拆解和改进。我想推动的正是这种文化！🚀