OROSYNC：通过 Vifi 多模态代理拆解 Keyboard Tax

Source: Dev.to

项目

OROSYNC 是一个 “Ab Initio” 多模态生态系统，旨在将商业回归以人为中心、口头为默认的模式。它在 Google AI Studio 中使用 Multimodal Live API 构建，推出了 Vifi（Vy‑Fy）——一个能够看、听、说的代理，帮助商家摆脱 “键盘税”。

反思

在本次挑战中，我超越了标准的 LLM 提示，进入了多模态代理编排的领域。突破点在于使用 Gemini 3.1 Pro，将混乱的人类语音与确定性的财务记录之间的鸿沟弥合。

我构建的内容

• Vifi（界面） – 一个实时代理，利用声学摄取和 VoicePass（用于公共空间隐私的可视唇读认证协议）。
• OROTALLY（金融） – 一个确定性的记账引擎，将口头意图映射到 AP2（Agent Payments Protocol），实现安全的 G‑Pay 结算。
• OROcom（身份） – 一个通信代理，使用通用商务协议（UCP）将业务数据转化为专业的数字身份。

“实时”技术实现

我在 Google AI Studio 中开发了核心逻辑，特别利用了 Multimodal Live API。这使我能够原型化 OSMOS‑6PP Syncology——一种中间件逻辑，在将商家的语音转换为复式记账记录时确保 100 % 的数学精确度。通过使用 gemini-2.0-flash-live 模型，Vifi 实现了实时市场交易所需的低延迟响应。

影响

OROSYNC 不仅仅是一个 “聊天机器人”；它是一次工业层面的重置。对于视障人士和非正规商户，它提供了 数字尊严。它证明了在 2026 年，声音就是你的担保，意图就是你的 “墨”。