Sierra 推出多模态 AI 智能体

Sierra 在 Product Hunt 发布了 Multimodal Agents，这是一类可在语音、文字与视觉之间切换的 AI 智能体，发布信息仅说明其支持多模态交互，未披露具体客户场景、接入方式或底层模型。

以往客服或助手类智能体多限于单一通道，用户在语音与文字之间切换时往往需要重述上下文。若该产品能在同一会话中保持跨模态连续性，客户支持等场景的交互体验会出现可感知变化，因此值得试用验证。

核心能力是在语音、文字与视觉三类输入输出之间切换，可能意味着同一智能体会话可承载不同模态的输入并给出相应模态的回应。但现有证据未说明模态切换的触发方式、上下文是否跨模态保持，也无技术细节。

适合客服、售前咨询、用户引导等需要多通道沟通的产品与运营团队试用；产品经理可据此评估是否将语音与图文入口合并到同一助手。研发侧影响、成本变化与用户体验收益均无证据支撑，暂不判断。

• 选一个已有文字客服流程，接入该智能体测试用户从文字转入语音后是否保留上下文。
• 在带图片或截图的售后场景中试用，验证视觉输入能否被正确理解并给出可执行答复。

• 发布方未说明价格与计费方式，是否按会话、按模态或按调用量收费未知。
• 未说明开放范围，是否公开注册、是否仅限受邀客户尚不清楚。
• 未说明支持的平台与接入方式，是否提供 API、SDK 或现成渠道集成未知。
• 未说明数据隐私与留存政策，语音和图像数据的处理方式未经证实。