定义¶

Bojie Li 提出的统一事件驱动 Agent 循环架构，解耦感知（Sense）、思考（Think）、执行（Act）三层，解决传统 ReAct 模式的串行瓶颈。核心洞察：LLM 处理速度（500+ tokens/s）比语音 I/O（5 tokens/s）快 20-100 倍，应充分利用"间隙时间"。

SEAL 是 OTA 循环（Observe-Think-Act）在语音交互场景的特化版本——OTA 是更基础的 agent 循环抽象，SEAL 在 OTA 之上加了三件特化：流式感知（语音边界 / 打断意图 / 副语言）+ Think While Listening（边听边想）+ Speak While Thinking（边想边说）。

关键要点¶

• 感知层：流式语音感知模型（Whisper 音频编码器 + Qwen LLM），将连续音频信号转为离散事件流。除文本外还输出声学事件（语音边界、打断意图、情绪标记、副语言信息）
• 思考层（Interactive ReAct）：打破传统 ReAct 的"观察→思考→行动"固定循环
• 边听边想（Think While Listening）：被打断时保留思考过程，附加新输入继续
• 边想边说（Speak While Thinking）：用填充语为深度思考争取时间
• 三阶段：快速响应（0.5s, 50 tokens）→ 深度分析（5s, 500 tokens）→ 持续思考
• 执行层：离散行动命令 → 连续信号输出 + 反馈事件
• 核心交互范式：人→Agent 用实时语音（150 词/分钟，低认知负荷），Agent→人 用 generative-ui（视觉高带宽 ~10 Mbps）
• 扩展：观察空间可扩展到屏幕视觉感知、应用状态；行动空间可扩展到鼠标/键盘操作、UI 生成

相关概念¶

• generative-ui
• voice-presence
• agora-rtc-voice
• ai-intelligent-agent
• observe-think-act-cycle — SEAL 的基础抽象，去掉语音特化后的通用 agent 循环
• amphiflow-pattern — OTA 在 workflow + agent 模式切换维度上的另一条扩展路径