本书架维护实时全模态视频通话体验的规约书稿。主书定义用户通过麦克风提供语音、通过摄像头或等价视觉输入提供当前视觉现场，并由 AI 在同一会话中以自然语音作出上下文相关回应时，一个实现必须承担的体验承诺、可观察状态、黑盒断言和符合性声明。

主书稿

按角色进入

读者角色 入口 关注对象

需求提出者

对象身份；目标愿望；符合性模型

要验收的体验、利益相关者目标和符合性判定方式。

产品负责人

用户旅程与动态语义；公共投影与可观察承诺

用户在进入、授权、对话、打断、受限、恢复和结束时应观察到的状态与反馈。

架构师与开发者

会话生命周期；Qwen adapter 状态模型；服务端事件契约；打断契约

实现对外承担的输入、输出、状态、打断、错误和限制语义，以及 Qwen WebSocket adapter 必须承担的机器规约。

测试工程师与供应商评审者

体验符合性断言；Adapter 符合性断言；Adapter 覆盖映射；Adapter 符合性检查表

给定前置状态、用户动作或 Qwen 服务端事件后，系统是否出现体验层和 adapter 层要求的可观察结果。

安全、隐私与运营负责人

质量、治理与符合性声明；隐私投影；工具调用投影；符合性声明

持续采集、外部能力、成本、失败、偏离和证据材料的公共约束。

后续维护者

上游来源与派生治理；运行时加载；Live 验证边界；维护边界

判断本地派生源码来源、运行时加载路径、上游同步条件、未知项和未来替换边界。

判定入口

  • 构成性条件：判断一个实现是否具备实时语音输入、当前视觉现场、同一会话、自然语音回应、可打断动态语义、会话内上下文连续和公共状态投影。

  • 相邻对象：区分语音助手、图片问答、视频会议系统、数字人对话系统和技术演示与本书对象的边界。

  • 视觉指代流：判断用户说“这个”“那里”等视觉指代时，当前视觉现场是否进入会话解释。

  • 打断流：判断用户在 AI 回应期间的新输入是否改变当前回答的会话命运。

  • 错误投影：判断权限、网络、设备、模型和工具错误是否转化为用户可理解的能力限制和恢复路径。

  • 断言表面：把体验承诺写成黑盒断言，检查用户动作和可观察结果。

  • 符合性声明：把实现范围、断言结果、条件限制、扩展能力、偏离项和证据材料放入同一份可审查声明。

  • Qwen WebSocket Adapter 人工制品：判断当前对象是否是 TideSync 内受控源码、运行路径、事件契约、状态机和验收证据共同成立的 adapter。

  • 原生支持定义：判断 Vision Agents 是否真正让 Qwen3.5 Omni Realtime WebSocket 成为一等公民，而不是只连接模型或播放音频。

  • Adapter 打断断言：判断 Qwen speech_started 是否触发用户 turn、本地 flush、远端 cancel、agent interrupted 和 stale delta 屏蔽。

  • PR 符合性声明：判断实现 PR 是否公开断言结果、测试命令、运行路径、上游来源、偏离项和未知项。

结构化书写参考

  • 07 结构化书写约定标本：说明稳定标题、role、rel、附加字段和交叉引用如何形成可读、可维护、可被工具链识别的书稿表面。

08 号主书在 结构化表面约定中记录本书使用的 role 词表、rel 关系谓词和 normative 字段。 09 号 adapter 书在 结构化表面约定中记录 adapter 契约使用的 role 词表、rel 关系谓词和 normative 字段。

工作区地图

书稿工作区结构