百度今天发新闻稿说 3.5 版本超越 GPT-3.5 了。我盯着屏幕，第一反应是去翻 API 文档，看价格和速率限制。这他妈就是 2023 年的条件反射，像狗听见铃铛。
老妈昨天又被保健品推销电话缠了半小时，挂掉电话跟我抱怨，说那小伙子嘴甜得让她不好意思直接挂。我听着火大，不是对推销员，是对自己。我啃了几个月大模型，连个能帮我妈挡电话的玩意儿都搞不出来？这感觉比 2017 年写不出爬虫还操蛋。那时候是技术不行，现在是技术爆炸了，但你被卡在算力、政策和乱七八糟的生态中间，动弹不得。
我决定动手。需求很明确：一个能接电话、识别意图、如果是推销就礼貌挡回去，如果是亲戚或正事就转接或录下来的东西。技术栈第一时间想到 Twilio + OpenAI API，这是标准答案。但 OpenAI 的 API 调用延迟和潜在的墙外不稳定，给我妈用？等于埋雷。国内大厂，百度、讯飞、阿里，都提供了语音识别和 NLP 的 API。百度的这个“超越 3.5”的模型，正好撞上枪口。
我注册了百度智能云，申请了语音交互和文心一言的 API 权限。流程比想象中繁琐，企业认证、个人认证、审核。等权限下来的三个小时里，我翻了翻文档。百度这个 ERNIE Bot API，调用方式跟 OpenAI 的 ChatCompletion 很像，但参数命名是另一套逻辑。比如 `temperature` 叫 `temperature`，但 `max_tokens` 变成了 `max_output_tokens`。这些细微差别，在写代码时就是一个个坑。速率限制写的是“按 QPS 计费”，具体多少得实测。费用页面藏得很深，最后找到的计费说明是“预付费套餐+后付费”，复杂得像电信套餐。
权限终于开了。我写了个最简单的测试脚本，用 `requests` 库发 POST。第一个请求就返回 401，鉴权失败。排查了二十分钟，发现 Access Token 的获取 URL 和参数格式文档里写错了，一个 `&` 被写成了 `&`。这种低级错误在 2023 年的官方文档里出现，让我瞬间梦回 2016 年爬那些 jQuery 满天飞的政府网站，DOM 树乱得让人想吐。
调通了。我设计了一个简单的对话流程：语音识别（ASR）转文本 -> 文本送进 NLP 模型判断意图（问候、推销、家人、其他）-> 根据意图生成回复文本 -> 文本转语音（TTS）播出去。测试对话。我说：“你好，请问是王阿姨吗？” 模拟的 AI 助理回复：“您好，我是王阿姨的语音助手，请问您是哪位？” 基本流畅。但我妈叫“李阿姨”，我测试时忘了改。这种细节错误，在 demo 里是笑话，在产品里就是灾难。
重点测试推销场景。我让朋友模拟推销员打电话，台词是经典套路：“阿姨您好，我们是老年健康中心的，现在有个国家补贴的免费体检活动……” ASR 识别基本准确，转成文本。关键在意图识别。我给的 prompt 是：“判断以下对话是否为保健品、理财、保险等类型的电话推销。如果是，回复‘推销’；如果是家人问候，回复‘家人’；否则回复‘其他’。” 百度的模型返回了“推销”。但接着问题来了：生成拒绝话术。我 prompt 写的是“请生成一句礼貌但坚决的拒绝话术，表示主人不方便接听并请勿再次打扰。” 生成的回复是：“谢谢您的来电，不过我现在不方便接听，请您以后不要再打来了。” 语气有点生硬，但能用。我调整了 prompt，加入了“以一位温和的老年人口吻”，出来的话术好了很多：“哎呀，谢谢你啊小伙子，不过我这边现在不太方便，以后这类活动就不用通知我啦。”
延迟是个大问题。从接电话、ASR、NLP、生成、TTS 到播放，整个链路在国内环境下，理想情况也接近 4-5 秒。这意味着电话接通后，对方会听到 5 秒左右的沉默。这在电话礼仪里是致命的，对方很可能以为信号不好挂断，或者直接开始说下一句，导致识别混乱。我不得不加入一个开场白缓冲音：“您好，正在为您转接，请稍候…” 用 TTS 预生成，一接通就播放，争取时间。
搞到凌晨三点，一个勉强能跑的 demo 出来了。我给我妈手机装好，用我的旧手机测试打了十几个电话。推销模拟基本能挡住，识别率大概 80%。剩下 20% 的失败案例，一种是推销的话术特别模糊，绕开了我的意图分类关键词；另一种是对方语速太快或有口音，ASR 识别错了几个关键词，导致 NLP 判断失误。
我把这玩意儿给我妈看，她挺高兴，但问了我两个问题：“这要一直开着吗？费电吗？” 和 “要是你爸打电话，它也给挡了怎么办？” 第一个问题是工程问题，后台服务、保活、耗电优化，这是另一个无底洞。第二个问题是数据问题，我得手动把家人号码加入白名单，而模型需要能听出“我爸”的声音或说话方式，这涉及到声纹识别，复杂度直接指数级上升。
我瘫在椅子上。百度那个“超越 GPT-3.5”的新闻还在浏览器标签页里闪着。我用了它的 API，做了一个具体、微小、能解决我妈一点实际烦恼的东西。它没有“超越”的感觉，它就是一个工具，有文档错误，有延迟，有计费陷阱，但也有能用的地方。全球算力封锁下，这就是我们这些独立开发者的现实：没有最优解，只有权衡。你用 OpenAI，要面对延迟、合规风险和随时可能断掉的风险。你用国内大厂，要面对不完善的文档、复杂的审核和未知的数据处理政策。你像个裱糊匠，在夹缝里找那一点点可用的胶水，把东西勉强粘起来，能跑就行。
我妈睡了。我关掉电脑。这个“AI 情感助理”也许明天就会因为某个 API 的调整而崩溃。但至少今晚，它让我觉得，那些疯狂啃下去的模型原理和 API 调用，除了焦虑，还能换回一点非常具体的东西。哪怕只是让我妈少接一个骚扰电话。这感觉，比看到任何“超越”的新闻稿，都要真实一点。
