【GPASS AI眼镜智能体开发者大赛】WordCue 舌尖单词话到嘴边两秒救回一句话介绍AI 眼镜上的对话卡词实时救援——用外语聊天突然想不起某个词用中文说出来两秒内耳边响起对应的英文眼前浮现绿字词卡对话不中断对方无感知。作品信息Agent NameWordCue 舌尖单词 APP ID202607APfRfi20026206 版本 1.0 基于支付宝百宝箱 × GPASS 搭建一、为什么只做一个功能我的目标用户是有一定外语基础、在海外学习或工作、需要高强度面对面外语社交的人留学生、外派工作者、移民家庭。调研中最高频的痛点不是听不懂而是一个非常具体的瞬间话说到一半某个词卡住了——心理学上叫舌尖现象tip-of-the-tongue。现有解法都不行掏手机查词典会打断对话、显得不礼貌翻译 App 能查词但查这个动作本身就摧毁了社交的自然感。这个场景需要的不是更强的词典而是一种不中断对话的获取方式——这恰好是 AI 眼镜第一视角、免手操作、私密播报的特性最擅长的。所以 WordCue 砍掉了语言学习产品惯有的一切生词本、打卡、课程、听力字幕只做一件事卡词的瞬间用母语说出那个词立刻得到最贴合语境的外语表达。二、产品体验只有一步正常用英语交谈即可。卡词时直接把想不起来的词用中文说出来——这就是全部操作。示例 1...and for the stains I need some, uh...洗衣液→ 耳边播报laundry detergent示例 2I want to wash my clothes. I need to go洗衣房→ 耳边播报laundry room注意这两个例子同属洗衣话题但系统根据对话上下文分别给出了 detergent洗衣液和 room洗衣房——这是语境选词不是词典直译。播报通过定向扬声器输出仅佩戴者可闻有显示眼镜上会同步浮现绿字单词卡数秒后自动消失。三、系统架构系统采用眼镜端能力 云端智能体的分层架构眼镜端GPASS麦克风持续采集语音并完成 ASR 转写接收智能体文本回复后经 TTS 定向播报接收卡片消息后由端侧渲染引擎Cube/ H5 渲染 HUD 词卡。镜腿触控、语音采集等硬件能力由 GPASS 统一封装为标准化能力业务侧无需针对具体眼镜品牌适配。云端百宝箱智能体 工作流接收转写文本与会话上下文完成意图识别与语境化选词输出文本消息与卡片消息。模型服务通义千问 Qwen3.6-plus经百宝箱模型服务调用。数据链路用户语音 → GPASS ASR → 百宝箱工作流 → 文本消息TTS 播报 卡片消息HUD 显示四、工作流设计工作流基于官方「GPASS智能眼镜行业模板」克隆改造最终收敛为极简四节点与只做一个功能的产品定位一致开始 → 意图识别 → 文本大模型 → 结束 ↘ 退出官方指令卡片节点配置与职责开始注入两类输入当前对话信息本轮 ASR 文本与历史对话信息会话上下文。后者是语境消歧的数据基础。意图识别仅保留退出与其他两个分支退出意图走退出节点其余所有输入一律视为卡词求助送入大模型。这个设计实现了零唤醒词——不设菜单、不设指令说出母语词即触发。文本大模型Qwen3.6-plus。提示词将任务收窄为单一职责详见第五节。结束输出两条消息文本消息引用{{文本大模型/回答}}由眼镜端 TTS 播报卡片消息挂载官方 GPASS眼镜-信息流卡片message 字段绑定同一变量。一个重要的减法决策初版方案包含眼镜拍照采集 视觉大模型链路开发中果断删除——卡词救援是纯语音-文本任务去掉视觉链路后平均响应压缩到 1 秒内故障面也更小。五、提示词工程要点提示词的核心不是写得丰富而是写得窄。三个要点1. 单一职责 越界降级。角色限定为卡词救援显式禁止闲聊、反问、输出中文无关请求统一降级为翻译该请求中最核心的名词保证任何输入都有确定性的短输出。2. 语境消歧。要求模型结合历史会话判断话题与语域从候选译法中选最贴合当前语境的口语表达聊家务时洗衣液给 laundry detergent 而非 washing liquid。实测洗衣液/洗衣房案例验证了消歧有效。3. 输出即播报。回答不超过 5 个英文单词、无任何 Markdown 符号与修饰——因为这条文本会被 TTS 直接朗读任何符号念出来都是噪音。这也使 WordCue 天然兼容无显示眼镜见第七节。六、端侧 / 云端插件运用与踩坑记录6.1 官方卡片GPASS眼镜-信息流卡片HUD 词卡最终采用官方信息流卡片核心原因是双端兼容官方卡片同时具备 H5 与 Cube眼镜端渲染引擎版本网页预览与真实眼镜均可渲染。配置scrollTypecontinue、startDelay100、interval100、step1 为固定值message 切换为变量引用模式绑定{{文本大模型/回答}}。6.2 自研云函数插件Wordcue 舌尖卡片同时完成了自研卡片插件的开发云函数形态入参word_textString必填云函数将其包装为信息流卡片数据结构返回已通过调试并发布H5 渠道。当前作为技术储备后续适配 Cube 渠道后可实现音标、备选词等定制化 HUD 版式。exports.main async (event, context) { const input event.param || {}; return { scrollType: continue, startDelay: 100, interval: 100, step: 1, message: ** (input.word_text || ) ** }; };6.3 踩坑记录希望帮到其他参赛者「业务参数」≠ 运行时入参。插件的动态入参要定义在「配置元数据 → 配置输入参数」里「业务参数」是工具被引用时一次性填写的静态配置。定义错了位置调试面板的输入表单会一直是空白。event.param要做空值兜底。无输入调试时 param 为空会报src property must be a valid json object写成event.param || {}即可。自研卡片在「插件卡片」页签搜不到大概率是插件未被当前工作流引用/未完成插件级发布或渠道筛选H5/Cube把它过滤了。赶时间的话直接用官方卡片是更稳的选择。七、无显示眼镜适配大赛同时覆盖无显示赛道如雷鸟 V4纯语音交互。对照官方《无显示眼镜 Agent 设计引导》的六大原则WordCue 的设计天然合规设计原则WordCue 的对应为听而写禁止符号输出为纯文本英文单词/短语无 Markdown、无 emoji、无编号结论先行输出即结论——单词本身就是全部答案单回合短、时延低≤5 个英文单词实测响应 0.5–1 秒降低输入负担零唤醒词、零表单母语词本身即触发信号可打断可纠错每次输入独立处理说错重说即可视觉走拍照链路本产品无视觉依赖卡片仅为有显示设备上的可选增强因此同一个智能体可同时服务两类设备有显示眼镜获得播报 HUD 词卡的完整体验无显示眼镜获得同等完整的纯播报体验——卡片是增强不是依赖。八、测试结果测试项输入输出耗时基础翻译i really need some 洗衣液laundry detergent≈0.5 s语境消歧I want to wash my clothes. I need to go 洗衣房laundry room≈0.93 s端到端语音输入 TTS 播报 卡片渲染文本与卡片同步输出2 s 内测试环境百宝箱工作流运行测试 智能体网页预览GPASS 智能眼镜行业模板模拟环境。九、局限与展望当前 Demo 基于模拟器验证尚未在实体眼镜上实测官方卡片的双端属性保证了真机渲染可行性。当前支持中文→英文架构上仅需扩展提示词即可支持更多语言对。迭代方向卡词记录沉淀为带真实语境的个人生词本每个词都记得是在哪次对话中卡住的自研 Cube 卡片版式音标 备选词播报音量与卡片停留时长的个性化设置。Slogan话到嘴边两秒救回。