5 步跑通你的第一个实时语音 AI 智能体LiveKit Agents 上手实战【免费下载链接】agentsA framework for building realtime voice AI agents ️项目地址: https://gitcode.com/GitHub_Trending/agen/agentsLiveKit Agents 是一个开源的实时语音 AI 智能体框架几十行 Python 代码就能组装出会听、会说、还能打电话的智能体。这个仓库围绕一件事组织让你从git clone到生产级语音智能体走最短路径。下面按拿到仓库 → 本地跑通 → 质量门禁 → 容器化部署的顺序把每步怎么做讲清楚。克隆仓库并 5 分钟内跑通第一个语音智能体克隆仓库并装好依赖git clone https://gitcode.com/GitHub_Trending/agen/agents cd agents make installmake install实际执行的是uv sync --all-extras --dev。uv 是新一代 Python 依赖管理器比 pip 快得多根目录的uv.lock锁死了全部依赖版本所以每个人的环境都能保持一致。接着配密钥把examples/.env.example复制为examples/.env填入LIVEKIT_URL、LIVEKIT_API_KEY、LIVEKIT_API_SECRET三个值即 LiveKit Cloud 或自建 LiveKit 服务的凭据。然后启动第一个智能体uv run examples/voice_agents/basic_agent.py consoleconsole是终端模式智能体直接对着你的麦克风说话和听声不需要 LiveKit 服务器也不需要客户端 App是验证我的环境没装坏的最快方式。basic_agent.py 只有 140 来行读完你会清楚 STT语音转文本、LLM大模型、TTS文本转语音三件套是怎么被组装进一个会话的。用 console、dev、start 三个模式从终端走向生产同一个智能体脚本支持三种运行模式切模式不用改代码console本地调试麦克风直连不碰任何服务器dev启动 AgentServer 并支持热重载智能体加入实时房间网页、手机、电话端任何 LiveKit 客户端都能进来和它对话start生产模式开启生产级优化。日常节奏就是console里快速验证对话逻辑调稳后切dev连真房间联调最后用start上线。想用自己的模型供应商密钥而不走 LiveKit Inference示例文件里已把改法注释好——把stt、llm、tts三行换成openai.LLM(...)、deepgram.STT(...)之类即可。仓库内置 60 多个供应商插件任意组合、一行切换这是 examples/ 目录里各场景示例能互相借鉴的原因。用无云端依赖的单元测试证明智能体行为LLM 输出天然不确定我试了一次没问题不算通过。框架自带测试体系在 tests/ 目录里用result.expect.next_event()断言对话流程还能用.judge()让另一个 LLM 当裁判打分判断回复是否达成意图。本地跑免云端账户的测试集用根 makefile 里的现成目标make unit-tests它执行pytest --unit --audio_eot即所有标记为 unit 和 audio_eot 的用例不花一分钱、几分钟跑完覆盖音频端点检测、打断恢复、指标上报这些核心行为也是 CI 用来拦截 PR 的同一道门禁。一条 make 命令拉起故障注入集成测试环境单元测试覆盖框架自身涉及真实网络和服务商的集成测试项目备好了 tests/docker-compose.yml一个容器跑 pytest另一个跑 Toxiproxy——一个故障注入代理通过extra_hosts把各供应商的 API 域名指向它可以按需模拟超时、抖动、断连。cd tests make test一条命令完成构建、等待代理就绪、跑测试、拆环境。tests/Makefile 里源码以卷挂载方式进容器改了文件立即生效不用重建镜像只想跑某个插件的用例就传PLUGINopenai这样的参数。推代码前先跑一遍本地质量门禁make check它连跑 ruff 格式检查、ruff lint 和 mypy 严格类型检查与 CI 标准一致格式不对时用make fix一键修复。一份可直接抄的生产镜像外加三条立刻能做的建议最后一步是部署。examples/Dockerfile-example 是官方给的最小生产模板三个细节值得照抄基于python:slim保持镜像轻创建非特权用户appuser运行构建期执行一次模型预下载python -m livekit.agents download-files它把 VAD、端点检测这类本地模型提前拉进镜像避免线上首次运行时卡顿。入口就是python myagent.py start。每个示例目录也是独立自足的——拷走它uv sync后直接跑lk agent deploy .即可用目录里的 Dockerfile 部署。读完文章你可以马上做三件事先跑一次make doctor。它把 uv、python、git 是否可用、仓库结构是否完整、livekit 包链接到哪个版本逐项列出哪项不对就报哪项省掉大半装坏了的排查时间。把console模式当作第一调试入口。它不依赖任何服务器大部分环境问题在这一步就能排除别让故障漏到联调阶段。每次提交前在本机跑make check和make unit-tests。CI 会做同样的两件事自己先跑一遍反馈快得多。【免费下载链接】agentsA framework for building realtime voice AI agents ️项目地址: https://gitcode.com/GitHub_Trending/agen/agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考