我们最近做了一个跨度挺大的定制项目。同一个 AI 实时语音演练系统，分别给学校、医院、保险公司三家客户用。表面看是三个完全不同的行业，客户提的需求其实就一句话：
能不能让员工在真正面对”难搞的人”之前，先拿 AI 练个够？
三种”难搞”，同一套剧本引擎
学校端拿来练的角色是初中生集体孤立排斥同学、考前重度焦虑、家长因孩子厌学深夜来电这些场景。学员登录系统进”演练室”，麦克风一开 AI 就开始用情绪化的声音跟你对话，语气、语速、停顿都按角色设定走，不是死板念稿。
医院端的剧本换成急诊焦虑家属拒绝签字、术前谈话告知、投诉纠纷早期介入。我们专门给医院做了一套冷蓝加青绿的 UI 模板，登录页都不让你觉得这是个教育产品。
保险销售那边最刺激，剧本做成”盲盒模式”，系统随机抽一个高难度客户，可能是投诉维权的，也可能是收益落差要退保的，学员不知道下一秒会被怎么怼。客户反馈说，真实客户来电话前先在系统里被怼过 50 轮，正式接电话时心脏明显没那么慌了。
不只是对话，还有信任值
这系统跟普通聊天机器人最不一样的地方，是 AI 角色有情绪状态机。学员说话得体，对方信任度上涨；说话急躁或踩到雷区，信任度直接掉。掉到红线以下，AI 会主动挂断你，演练结束。
这套机制让学员不是陪 AI 聊天，而是真的在经营一段关系。医院那边最看重这个。医生在面对情绪激动的家属时，一句话说错可能激化矛盾，先在系统里把信任值管理练熟再上临床，是真的有用。
通话结束，打 5 个维度的分
每次演练结束，后台会基于完整逐字稿和情绪波动曲线，生成一份多维评分报告。
五个维度分别是共情接纳能力、协同干预能力、危机程度评估、认知重构引导、协议承诺建立。每个维度独立打分，雷达图一眼看强弱项。最关键的是下方那段长长的大模型评语，AI 把整段对话逐句回放，指出你哪句话用得好，哪句话如果换个说法效果会更好。学校老师特别喜欢这个功能，可以直接把评语发给学员当作业讲评。
双模式：自己练和正式考，分开跑
系统分两种演练模式。一种是自主演练，可以暂停、可以呼叫导师锦囊让 AI 提示下一句该说什么、可以中途放弃。另一种是正式考评，屏蔽所有辅助功能，锁定唯一考权，中途退出自动记 0 分。
这种区分让日常训练和真正的考核业务互不干扰。老师在后台发布考评任务，设定截止时间和接听限时，学员在前面看到的是普通待办，但点了”开始考评”那一刻就进入严格监考状态。
开发中真实踩过的坑
底层用的是火山引擎的 RTC 实时音视频加端到端大模型语音对话，听起来很美好，实际跑起来一堆坑。举几个我们反复排查才解决的。
学员演练 3 分钟，报告里却显示通话 2 小时。原因是学员直接关网页时，前端没把挂断事件告知后端，导致后端 2 小时后才超时兜底结束。改用 navigator.sendBeacon 兜底上报才解决。
AI 聊到第 6 句就失忆，原来是大模型上下文窗口被硬编码限制成 3 轮对话，改一行配置就好。
评分有时候一直”生成中”，因为大模型偶尔返回的 JSON 格式有瑕疵，没法解析就直接标记失败。加了自动重试和前端”重新评分”按钮才稳住。
RTC 开录音后第一次说话总是吞掉前几个字，因为后端”开始录音”是同步阻塞的，前端还没来得及进房 AI 就开始说话了。把录音指令改成异步执行后，连接速度立竿见影地快了 800 毫秒。
每个坑背后都是真实的用户投诉。我们一份份翻用户的反馈文档，反向定位到源码里，逐个写进修复方案。
三套皮肤，一个核心
最后说说多租户这块。系统用了前后台合一单文件部署，Go 后端把所有前端资源 embed 进一个二进制文件，部署就一个可执行文件搞定。三套行业 UI 模板（学校清爽风、医院冷蓝青绿、黑黄硬核风格）共用同一份业务逻辑代码，按租户切换主题色和文案就行。学校端默认进工作台是温暖色调的，医院端会自动换成医疗冷蓝，同一套代码在三个不同行业上线，运营同事不用学三套系统。
整套系统从立项到上线花了小半年，最深的体会是，AI 陪练不是做个聊天界面就完事，真正难的是把情绪状态机做出来。AI 不只是回答问题，它得有情绪、有反应、有挂你电话的权力。这套机制一旦跑通，学员练的就不是话术，而是真实场景下的心理承受力和沟通策略。
作者：九午科技 · 技术人员
