Agent Presence：开源实时语音框架 Qwen-Audio-Agent 来了
内容提要
Qwen-Audio-Agent是一个开源实时语音交互系统，支持全双工对话、随时打断和补充需求，可将复杂任务委派给OpenCode、Claw等主流Agent执行。系统提供TUI、WebUI及桌面版，安装配置简单，旨在实现更自然的人机协作体验。
延伸解读
全双工语音交互的实用价值
文章强调全双工实时语音是核心能力，支持连续说话、自然打断和补充需求。这种交互方式比文字输入更轻、更快，更接近真实协作状态。对于需要频繁调整指令或边思考边表达的场景，语音能减少操作成本，提升效率。但实际效果取决于语音识别的准确性和响应速度，用户需注意在嘈杂环境或口音差异下的表现。
与现有Agent生态的兼容性
Qwen-Audio-Agent并非替代现有Agent，而是作为统一的语音入口层，支持OpenCode、OpenClaw、Qoder等主流Agent，并通过ACP协议扩展。这降低了迁移成本，用户可保留原有工作流。但不同Agent的能力和权限控制各异，推荐指数仅供参考，实际体验可能因Agent配置和任务类型而异。
安装与使用门槛
安装通过npm全局安装，配置需DashScope API Key并选择后台Agent。提供TUI、WebUI和桌面版，桌面版有语音悬浮球。整体配置简单，但依赖DashScope API，用户需确保有有效的API Key。桌面版需从源码运行，可能对非技术用户有一定门槛。
Q&A
Qwen-Audio-Agent是什么？
Qwen-Audio-Agent是一个开源的实时语音交互系统，它作为语音入口层，连接用户和后台Agent，支持全双工对话、随时打断和补充需求，并能将复杂任务委派给OpenCode、OpenClaw等主流Agent执行。
Qwen-Audio-Agent解决了什么问题？
它解决了传统Agent交互中用户被任务阻塞的问题，允许用户在Agent执行任务时随时打断、补充或改变方向，实现边聊边干活的自然协作方式。
Qwen-Audio-Agent的架构是怎样的？
Qwen-Audio-Agent位于用户和后台Agent之间，用户面对实时语音前台，简单问题即时回答，复杂任务委派给后台Agent（如OpenCode、OpenClaw等）执行，执行结果再带回对话。
Qwen-Audio-Agent支持哪些后台Agent？
当前支持OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy和Codex，也支持通过通用ACP入口接入其他支持ACP stdio协议的Agent。
如何安装和启动Qwen-Audio-Agent？
安装：npm install -g qwen-audio-agent；创建配置：qwenaudio config，填写DashScope API Key并选择后台Agent；启动TUI或WebUI：qwenaudio tui 或 qwenaudio webui；桌面版需从源码运行npm install和npm run desktop。
Qwen-Audio-Agent与GPT-Live的设计有何相似之处？
两者都强调全双工语音交互，并在需要深度推理或复杂任务时委派给后台模型处理，再将结果带回对话。GPT-Live已集成进Codex，而Qwen-Audio-Agent也采用类似思路。
