大爷想问劳动纠纷却不会打字？具身交互智能法律援助顾问开口就能聊

CODEINGFAN

2361人浏览 · 2026-08-19 09:40:55

CODEINGFAN · 2026-08-19 09:40:55 发布

接了个法律援助的活儿，差点被数字人延迟逼疯

年初接了一个区法律援助中心的项目，需求听起来很简单：在法律援助大厅放一台设备，来访群众可以咨询常见的法律问题——劳动纠纷、房屋租赁、婚姻家事、工伤赔偿。

我当时的想法是：这有什么难的？接个大模型，做个Agent，搞个数字人方案，齐活。

结果从选型到上线，整整踩了一个月的坑。写这篇复盘，主要是给自己记个教训，也给想做类似项目的朋友一些参考。
请添加图片描述
坑一：纯文本Agent在法律场景根本不够用

第一版我做得很快。用LangChain搭了一个Agent，接了DeepSeek做推理，知识库灌了《劳动法》《民法典》和一些地方性法规，RAG检索。功能上没问题，问答准确率能到85%以上。
但交付的时候，法律援助中心的工作人员看了一眼就说：来访的人很多年纪大了，眼神不好，打字费劲。能不能让它直接说话？
这确实是我忽略的。法律援助的服务对象，很大一部分是低收入群体和老年人。让他们在一个文本框里输入"我被公司辞退了，公司没给赔偿怎么办"，这个交互门槛太高了。
AI需要一张嘴，一个形象，一个能面对面交流的存在。
坑二：传统数字人方案的延迟让人崩溃

于是我开始找数字人方案。先是试了一个开源方案，效果嘛——我说完一句话，等了两秒多数字人才开口。两秒多什么概念？正常对话的间隙大概在200-500ms，超过1秒对方就会觉得"这个人在想很久"，超过2秒就会觉得"是不是卡了"。

来访群众对着屏幕说了句话，然后盯着一个呆滞的脸等了两秒，这个体验放在法律援助大厅，只会让人觉得"这个机器不靠谱"。

更致命的是不支持打断。有个测试场景是：数字人在念一段关于劳动仲裁流程的说明，来访者听到一半突然想到一个问题想插嘴，但数字人完全不理会，继续念完了整段。来访者直接放弃了，转头走了。

在法律场景里，打断是刚需。当事人讲到一半情绪上来了，想补充细节，想纠正你说的不对的地方，你必须能随时停下来听他说。

坑三：硬件成本不是开玩笑的

法律援助中心给的预算有限，不可能买几万块的专业终端。我一开始找的渲染方案需要GPU服务器，光一台服务器的价格就超预算了。

后来才知道，有些方案走的是云端渲染路线——每一帧画面都在服务器上算好再推流下来，当然贵。真正能落地的方案，必须走端侧渲染，让设备本身的算力来处理。

最终方案：DeepSeek + 星云SDK + 大屏一体机

折腾了一圈，最终的方案是这样的：

大模型用DeepSeek，法律领域的推理能力不错，而且API价格友好，适合政务类项目的预算。Agent层用LangChain做RAG，知识库是法律援助中心提供的法规汇编和案例库。

交互层换了魔珐星云的SDK。说实话，换过去之后延迟直接降到500ms左右，体感上就是"话音刚落数字人就接上了"。而且它走的是自研参数流+端侧解算的技术路线——简单说就是云端只传控制参数过来，渲染在本地设备上完成，所以不需要GPU服务器，一台普通的大屏一体机就能跑。

// 星云SDK初始化 - 法律援助终端
const sdk = new XmovAvatar({
  containerId: "#legal-assistant",
  appId: APP_ID,
  appSecret: APP_SECRET,
  gatewayServer: "https://nebula-agent.xingyun3d.com/user/v1/ttsa/session",
  onMessage: (msg) => {
    if (msg.type === "voice_state_change") {
      const state = msg.state || msg;
      if (state === "idle" || state === "end") {
        // 播报完毕或被打断后idle，检查队列
        processPendingQueue();
      }
    }
  },
  proxyWidget: {
    "subtitle_on": (data) => {
      // 自定义字幕样式，适配大屏阅读
      const sub = document.getElementById("legal-subtitle");
      sub.innerText = data.text;
      sub.style.display = "block";
      return false;
    },
    "subtitle_off": () => {
      document.getElementById("legal-subtitle").style.display = "none";
      return false;
    }
  }
});

await sdk.init({
  onDownloadProgress: (p) => {
    if (p < 100) showProgress(p);
  }
});

打断逻辑在法律场景特别重要，我做了个排队机制：

let pendingQueue = [];

// 来访者随时可以打断
function onUserInterrupt(question) {
  sdk.interactiveidle(); // 先打断当前播报
  pendingQueue.push(question);
  // 等voice_state_change回调到idle状态后，再播报新内容
}

function processPendingQueue() {
  if (pendingQueue.length > 0) {
    const nextQuestion = pendingQueue.shift();
    const answer = await getLegalAnswer(nextQuestion);
    // 按句拆分，流式播报
    const sentences = splitSentences(answer);
    sentences.forEach((s, i) => {
      sdk.speak(s, i === 0, i === sentences.length - 1);
    });
  }
}