阿里Qoder上线实时语音交互智能体：动动嘴，让Agent干活

从“工具”到“伙伴”：Qoder Quest 1.0开启全新编程范式

Qoder负责人丁宇在近日的发布中明确表示，AI编程经历了从代码补全到结对编程的演进，但本质上仍是“工具思维”——AI每完成一步，都需要人类确认。而Quest 1.0的推出，标志着范式的一次根本性跃迁。它不再仅仅是一个辅助工具，而是一个会学习、会反思、会进化的AI工程师。用户如今只需动动嘴，就能让Agent理解需求、分析代码结构、自动生成技术方案并执行，人类则从繁琐的代码审查中解放出来，将精力聚焦于更高层次的设计与决策。

动嘴指挥：语音交互如何让Agent“听懂”复杂工程需求

全新的实时语音交互能力，让开发者与AI智能体的沟通变得像与同事对话一样自然。基于阿里云AI实时互动技术，Qoder智能体支持以下关键特性，确保对话流畅且高效：

• 智能打断与断句：AI能识别用户说话中途的打断意图，自动调整节奏，避免生硬等待；同时自动分割长句，提升理解准确性。
• 情绪识别与拟人回应：智能体可感知用户情绪（如焦急、满意），并做出带有情感色彩的回应，让交互更贴近真实人际对话。
• 实时字幕与视觉理解：对话内容可实时显示为字幕，用户还可通过视频通话方式，让智能体结合拍摄画面与语音指令提供反馈，适用于代码演示、架构讲解等场景。
• 对讲机模式与智能降噪：在嘈杂环境中，用户可一键切换对讲机模式，AI则自动过滤背景噪音，确保指令清晰传达。

自进化智能体：不直接写代码，先“思考”再“择优执行”

面对复杂工程时，Qoder Quest 1.0并不会立即动手编码。它首先会分析项目代码结构、架构演进以及团队规范，通过内置的“自进化智能体”（Self-Evolving Agent）生成一份技术规约（Spec），明确需求边界、技术选型与验收标准。随后，多个子智能体会并行探索不同实现路径，自动评估优劣并择优执行。一旦遇到代码报错，智能体还能自动诊断根因、生成修复方案、验证修复效果，整个过程无需人类持续介入。这种“先规划后执行”的机制，显著提升了代码生成的质量与可靠性。

技能包扩展：从编写规约到制作原型，AI能力边界持续拓宽

Qoder Quest新增的Skills功能，允许智能体学习并调用多种标准化技能包，如编写规约（Spec）、制作网站、设计原型、处理文档等。这些技能包可被灵活组合，使一个Agent能胜任从需求分析到原型设计的全流程工作。例如，开发者只需语音说出“为这个模块设计一个数据流原型”，智能体便会自动调用相关技能，生成可交互的原型并输出文档。这一能力极大地拓展了AI编程的边界，让Qoder从单纯的代码生成器，进化为覆盖软件开发全生命周期的“数字工程师”。

全球低延迟网络与易接入架构：10分钟构建专属语音智能体

依托阿里云全球3200+节点的实时音视频网络，Qoder的语音交互智能体支持全球低延迟、高可用的通话体验。企业用户可通过阿里云AI实时互动平台，在10分钟内完成智能体的创建与调试。平台提供全白屏化的工作流配置界面，用户只需将语音转文字、大模型、语音合成等组件以插件形式整合，即可快速上线定制化智能体。此外，平台还支持电话呼入/呼出、数字人通话、视觉理解通话等多种模式，满足从个人开发到企业级客服的多样化需求。