TEN-Agent 中的中断机制

概述

TEN-Agent 中的中断机制由两个主要部分组成：中断检测和中断响应。本文档详细介绍了这两个部分，并解释了中断命令如何在 AI 智能体的图中传播。

第 1 部分：中断检测

1. 当前中断检测的实现

当前的(interrupt_detector_python)扩展实现了一种基于文本的中断检测机制：

def on_data(self, ten: TenEnv, data: Data) -> None:
    text = data.get_property_string(TEXT_DATA_TEXT_FIELD)
    final = data.get_property_bool(TEXT_DATA_FINAL_FIELD)

    # 当文本为 final 或达到阈值长度时触发中断
    if final or len(text) >= 2:
        self.send_flush_cmd(ten)

中断检测器在以下情况下触发：

1. 当接收到最终文本时 (is_final = true)

2. 当文本长度达到阈值时（≥ 2 个字符）

2. 自定义中断检测

要实现您自己的中断检测逻辑，您可以参考interrupt_detector_python的实现作为示例，并根据您的特定需求自定义中断条件。

第 2 部分：中断响应

AI 智能体图中的链式处理

在典型的 AI 智能体图中，中断命令 (flush) 遵循链式处理模式：

   中断检测器
       ↓
    LLM/ChatGPT
       ↓
      TTS
       ↓
   agora_rtc

链中的每个扩展在接收到 flush 命令时都遵循两个关键步骤：

1. 清理其自身的资源和内部状态

2. 将 flush 命令转发到下游扩展

这确保：

• 扩展按正确的顺序清理

• 没有残留数据流经系统

• 每个扩展在下一个操作之前都返回到干净状态

结论

TEN-Agent 的中断机制使用链式处理模式来确保 AI 智能体图中所有扩展的有序清理。当发生中断时，每个扩展首先清理自身的状态，然后将 flush 命令转发到下游扩展，从而确保后续操作的系统状态干净。