Huawei 2012 laboratoriyalari, Huawei Cloud va kompaniyaning qurilmalar va hisoblash jamoalari hamda universitetlar va boshqa ishlab chiquvchilar bilan birgalikda ishlab chiqilgan AI agentlari uchun ochiq kodli platforma boʻlgan OpenJiuwen WorkSwarmga — ofis va kodlash vazifalari uchun ochiq ish stoli — toʻliq ikki tomonlama aloqa bilan multimodal oʻzaro aloqa imkoniyatini joriy etdi.
1-oktabrda eʼlon qilingan yangilanish foydalanuvchilarga agent bilan oddiy telefon qoʻngʻirogʻi kabi muloqot qilish imkonini beradi, shu bilan birga boshqa agent fon rejimida uzoqroq vazifalarni bajarishda davom etadi.
Toʻliq ikki tomonlama aloqa tamoyili
Toʻliq ikki tomonlama aloqa yordamchi tinglash va gapirish imkoniyatiga ega ekanligini anglatadi. Radio prinsipi asosida ishlaydigan anʼanaviy ovozli yordamchilardan farqli oʻlaroq, bunda foydalanuvchi AI javobining tugashini kutishi kerak, endi esa foydalanuvchi javobni oʻrtasida toʻxtatib, masalan, fonni oʻtkazib, xulosalarga oʻtishni soʻrashi mumkin.
WorkSwarm yangi haqiqiy ovoz buyrugʻini aniqlaganda, u joriy javobni toʻxtatadi va yangi koʻrsatmani qayta ishlaydi; shu bilan birga, avval yaratilgan matn vazifa yozuvida saqlanib qoladi. Fon shovqinlaridan kelib chiqadigan notoʻgʻri toʻxtashlarni minimallashtirish uchun ovoz faolligini aniqlash va shovqinni kamaytirish funksiyalari ishlatiladi.
Vazifalarni ajratish arxitekturasi
Konstruksiya ishlashni ikkita oqimga ajratadi. Real vaqt modeli videostrimlarni kuzatib boradi, tezkor reaksiyaga kirishadi va javob beradi, shu bilan birga Asosiy Agent vazifalarni dekompozitsiya qilish, vositalarni chaqirish va jarayonni oldinga siljitish bilan shugʻullanadi. Foydalanuvchi kamerani mahsulotga yoʻnaltirib, uning brendini soʻrashi va keyin WorkSwarmdan tadqiqot oʻtkazish va hujjat tuzishni topshirishi mumkin. Soʻrov fon rejimida amalga oshiriladi, shu vaqtda suhbat davom etadi, va interfeys vazifa holati, vositalar chaqiruvlari yozuvlari, olingan natijalar va yaratilgan fayllarni koʻrsatadi.
Fon vazifasi yakunlangandan soʻng, WorkSwarm avvalo yozma xulosa chiqaradi va faqat asosiy jihatlarni ovoz chiqarishdan oldin joriy ogʻzaki dialog tugashini kutadi. Keyingi soʻrovlar navbatga qoʻyiladi va foydalanuvchilar vazifalarning tartibini oʻzgartira oladilar, birini birinchi oʻringa koʻchira oladilar yoki kutayotgan yoki bajarilayotgan vazifalarni toʻxtatishi mumkin. Suhbatni toʻxtatish vositalar vazifalarini bekor qilmaydi, ularni alohida toʻxtatish kerak, va audio-video sessiyasini yopish Asosiy Agentga topshirilgan ishlashni toʻxtatmaydi. Natijalar asl dialogga qaytariladi.
Hozirda WorkSwarm ikkita model protokolini qoʻllab-quvvatlaydi: WebSocket orqali real vaqt rejimida Qwen Omni, bu rasmiy nuqtani yoki mahalliy joylashtirishni ishlatishi mumkin, va JoyAI, bu rasmiy APIlar yoki boshqa platformalar orqali alohida nutqni tanish, til va nutq sintezi modellarini bogʻlaydi. Toʻliq ikki tomonlama aloqaga ega multimodal modellar ham Huawei Cloud ning ModelArts platformasi orqali vLLM-Omni inferensiya freymvorkidan foydalangan holda Ascend NPUlarida joylashtirilishi mumkin. WorkSwarm Windows, Mac va HarmonyOS uchun oʻrnatuvchilar, shuningdek, pip paketlarini taklif etadi, va uning GitHub ombori Apache-2.0 litsenziyasi ostida mavjud. Loyihaning oxirgi belgilangan relizlari, 30-sentabrdagi v0.2.7, Proaktiv Kontekst Xizmati va agentlararo sessiyalarni qoʻshdi.