سخنگوی مجازی (MVP)

کاری که انجام می دهد

این یک backend است که متن را از گفتار تماس تلفنی دریافت می کند، به اقدامات تبدیل می شود و آن اقدامات را اجرا می کند. جریان این است:
- کاربر با شماره تماس گرفته و اقدامی انجام دهد ("با داروخانه محلی تماس بگیرید و بررسی کنید که آیا داروی سردرد دارند")
- سیستم با استفاده از Gemini API، تمام اطلاعات مورد نیاز را برای این عمل می‌پرسد (مانند نام، شماره تلفن، آدرس...)
- هنگامی که سیستم تمام اطلاعات را در اختیار داشت، تماس پایان می یابد
- سپس سیستم تماس را بررسی می کند (با استفاده از Gemini API) و به اقدامات تبدیل می شود (و از اطلاعات مهم یادداشت برداری می کند)
- پس از آن، سیستم اقدام را اجرا می کند (یک تماس خروجی برقرار می کند) و با شخص مورد نظر صحبت می کند
- هنگامی که سیستم اطلاعات مورد نیاز برای در نظر گرفتن عمل را تکمیل شده به دست آورد، تماس خروجی پایان می یابد
- در نهایت سیستم کاربر را با خلاصه ای از عمل فراخوانی می کند

gemini API برای پردازش تمام متن/چت استفاده می شود:
- متن تماس تلفنی
- استدلال برای بررسی و تبدیل چت به اقدامات
- دلیل بررسی و تبدیل چت به یادداشت
- دلیل بررسی و تبدیل چت به خلاصه برای تماس برگشت