用语音审问 AI 嫌疑人破案这种体验确实比打字有冲击力多了

直接用 WebRTC 跑 OpenAI 的 gpt-realtime-2.1，这种语音到语音的实时响应速度确实能让沉浸感拉满。这个项目的核心逻辑很有意思，它把大模型的 Tool Call 用在了“指控”环节。当你尝试指控某个嫌疑人时，AI 会调用一个工具，把你的指控对象以及你提供的具体证据清单记录下来。

最硬核的地方在于它引入了一个“法官”角色（用的是 gpt-4o-mini），专门负责审核你的证据。如果你只是在那儿瞎猜或者用模糊的词汇套话，法官是不认账的。你必须准确地陈述出案件中的关键事实，哪怕是改写后的表述也可以，但必须得有实质性的证据支撑才能结案。

从技术栈来看，这套实操方案挺典型的：

• 前端/框架： Next.js
• 数据库： MongoDB
• 身份验证： Clerk（因为 Realtime API 实在太贵，必须通过用户 ID 限制额度）
• 通信协议： WebRTC（保证低延迟语音传输）

因为 gpt-realtime-2.1 的 Token 消耗非常惊人，作者在部署时特意加了一个 30 分钟的定时器，防止有人挂机把余额跑光。这种把 LLM 角色扮演和逻辑判定结合的工作流，其实给很多 AI 游戏开发提供了思路：不要只依赖一个模型的对话，而是用一个模型负责扮演，另一个模型负责判定事实，这样才能避免 AI 过于“宽容”而导致游戏失去挑战性。