今天我尝试将分散的功能整合为一次体验

Source: Dev.to

概览

我创建这篇文章是为了参加 Gemini Live Agent Challenge。
今天感觉所有独立的部分终于开始相互交流了。

实现细节

基础

• 后端： Go 脚手架
• 前端： Next.js PWA 渲染器

实时语音流

• WebSocket 代理
• 实时 API 工具循环

入职流程

• OAuth 认证
• 视频分析
• 语音匹配
• 过渡逻辑

重聚层增强

• 情感对话规则
• 记忆召回
• 背景音乐（BGM）控制
• 图像一致性

体验后

• 相册生成
• 分享页面

信心与部署

• 单元测试和端到端测试覆盖率
• Cloud Run 配置
• 更新的 README

结果

• 第一次完整运行实现了入职 → 重聚 → 相册的无缝衔接。
• 将工作拆分为小的、可对应 issue 的 PR，保持了理智。
• 屏幕从仪表盘的感觉转变为场景的感觉。

反思

• 实时行为仍是让我感到谦卑的领域。
• CI 和 lint 在我想走得太快时提醒了我保持诚实。
• 维持情感连续性——语音、视觉和氛围——应当同步进行。
• 我会继续像写人类日记一样记录这些日志，而不是机械的变更日志。