OpenMontage 语音 Agent 配置完全手册：从 conversation_config 到 platform_settings 的实时语音智能体实践指南

本文以 OpenMontage 仓库中的 Agent Configuration 参考文档为主体，系统讲解如何基于 ElevenLabs Conversational AI 平台配置一个可上线的实时语音 Agent：你会掌握 conversation_config（agent / tts / asr / turn / conversation / prompt）与 platform_settings（auth / call_limits / guardrails / privacy / widget）两大配置块的完整字段、默认值与取值范围，并学会用 CLI、Python/JavaScript SDK 与 cURL 完成 Agent 的创建、更新、删除与 CI/CD 推送，以及知识增强（RAG）、Custom LLM 接入等进阶能力。

该文档位于 OpenMontage 的 Agent 技能包 agents 技能 的 references 目录下，是整个"ElevenLabs Agents Platform"技能中配置参考的核心文件——技能入口文档在讲工具、Widget 嵌入、外呼等主题时都会指回这篇配置参考。技能声明的运行前提是网络访问与一个 ELEVENLABS_API_KEY 环境变量（见 SKILL.md 的 front-matter 中 requires.env 声明）。

前置准备：CLI、SDK 与 API Key

配置操作前需要完成安装与认证。OpenMontage 仓库的 .env.example 中已列出 ELEVENLABS_API_KEY= 变量位，说明该密钥是项目环境配置的一部分。安装方式（来自配套的 Installation 参考）：

• CLI（推荐）：npm install -g @elevenlabs/cli（或 pnpm/yarn 全局安装），要求 Node.js 16.0.0+；API Key 安全存放在 ~/.agents/api_keys.json。
• Python SDK：pip install elevenlabs，ElevenLabs() 会自动读取环境变量 ELEVENLABS_API_KEY。
• JavaScript/TypeScript SDK：npm install @elevenlabs/elevenlabs-js（旧版 elevenlabs npm 包 v1.x 已弃用，浏览器端另装 @elevenlabs/client、@elevenlabs/react）。
• cURL / REST：所有请求通过 xi-api-key 请求头携带 API Key。

补充说明：OpenMontage 自身的 TTS 工具链（如 fal_elevenlabs_tts.py、elevenlabs_tts.py）面向的是"生成配音音频"这一批处理场景，与本文的 Conversational AI Agent（实时语音对话）属于同一厂商生态下两条不同产品线，本文聚焦后者。

配置结构总览

创建一个 Agent 时，整个配置由顶层 name、conversation_config 与 platform_settings 三块组成，完整结构如下：

agent = client.conversational_ai.agents.create(
    name="My Agent",
    conversation_config={
        "agent": {
            "first_message": "Hello!",
            "language": "en",
            "prompt": {           # LLM、system prompt、工具与知识库
                "prompt": "You are helpful.",
                "llm": "gemini-2.0-flash",
                "tools": [...],
                "built_in_tools": {...}
            }
        },
        "tts": {...},             # 语音与 TTS 模型设置
        "asr": {...},             # 语音识别设置
        "turn": {...},            # 轮次交互行为
        "conversation": {...},    # 时长、事件、监控
        "vad": {...},             # 语音活动检测配置
        "language_presets": {...}  # 语言级覆盖
    },
    platform_settings={...}       # 认证、通话限额
)

其中 conversation_config 控制实时对话行为，platform_settings 控制平台层的安全、限额与 Widget 行为。下面按小节逐一展开每个字段。

conversation_config 详解

agent：开场白与语言

conversation_config={
    "agent": {
        "first_message": "Hello! How can I help you today?",
        "language": "en",
        "disable_first_message_interruptions": False,
        "prompt": {
            "prompt": "You are a helpful assistant.",
            "llm": "gemini-2.0-flash",
            "temperature": 0.7
        }
    }
}

字段	类型	默认值	说明
first_message	string	""	会话开始时 Agent 说的第一句话
language	string	"en"	ISO 639-1 语言码（en、es、fr 等）
disable_first_message_interruptions	bool	false	禁止用户打断开场白
hinglish_mode	bool	false	开启且语言为印地语时，Agent 以 Hinglish（印地语+英语混合）应答
dynamic_variables	object	-	含 dynamic_variable_placeholders 键值对的配置
prompt	object	-	LLM 配置（见下文 prompt 小节）

tts：语音合成

conversation_config={
    "tts": {
        "voice_id": "JBFqnCBsd6RMkjVDRZzb",
        "model_id": "eleven_flash_v2_5",
        "stability": 0.5,
        "similarity_boost": 0.8,
        "speed": 1.0,
        "optimize_streaming_latency": 3,
        "expressive_mode": True
    }
}

字段	类型	默认值	说明
voice_id	string	"cjVigY5qzO86Huf0OWal"	使用的音色 ID
model_id	string	-	TTS 模型（见下表）
stability	float	0.5	0-1，越低表现力越强
similarity_boost	float	0.8	0-1，越高越贴近原声
speed	float	1.0	0.7-1.2，语速倍率
optimize_streaming_latency	int	-	0-4，越高延迟越低但质量略降
expressive_mode	bool	true	启用富表现力语音生成
agent_output_audio_format	string	-	输出音频编码格式
pronunciation_dictionary_locators	array	-	发音覆盖词典

可用的 Agent TTS 模型：

模型 ID	语言数	延迟
eleven_flash_v2_5	32	~75ms（推荐）
eleven_flash_v2	英语	~75ms
eleven_turbo_v2_5	32	~250-300ms
eleven_turbo_v2	英语	~250-300ms
eleven_multilingual_v2	29	标准
eleven_v3_conversational	70+	标准

从延迟数据看，实时对话场景应优先选择 eleven_flash_v2_5（~75ms），并在对响应速度极其敏感时配合 optimize_streaming_latency: 4 使用（见文末"低延迟助手"示例）。

asr：自动语音识别

conversation_config={
    "asr": {
        "quality": "high",
        "keywords": ["ElevenLabs", "TechCorp"],
        "user_input_audio_format": "pcm_16000"
    }
}

字段	类型	默认值	说明
quality	string	"high"	转写质量等级
provider	string	"elevenlabs"	ASR 提供方（elevenlabs 或 scribe_realtime）
keywords	array	-	需要提升识别准确率的词表（如品牌名、产品名）
user_input_audio_format	string	-	输入音频格式（如 pcm_16000、ulaw_8000）

keywords 对业务场景很有价值：客服 Agent 常把公司名、产品线名放进词表以提升专有名词转写准确率。

turn：轮次交互（Turn-Taking）

conversation_config={
    "turn": {
        "turn_timeout": 7,
        "turn_eagerness": "normal",
        "silence_end_call_timeout": -1
    }
}

字段	类型	默认值	说明
turn_timeout	number	7	用户长时间未接话时，Agent 再次主动发起交互的等待秒数
turn_eagerness	string	"normal"	Agent 抢话积极度：patient（等用户说完）/ normal / eager（快速响应）
silence_end_call_timeout	number	-1	静默多久后结束通话（-1 表示禁用）
initial_wait_time	number	-	等待用户开始说话的秒数
spelling_patience	string	"auto"	实体拼读耐心：auto 或 off
speculative_turn	bool	false	启用投机性轮次检测
soft_timeout_config	object	-	用户静默时触发的软超时消息（见下表）

soft_timeout_config 子字段：

字段	类型	默认值	说明
timeout_seconds	number	-1	触发软超时的秒数（-1 禁用）
message	string	"Hhmmmm...yeah."	超时时 Agent 说的话
use_llm_generated_message	bool	false	让 LLM 动态生成超时提示语

conversation：会话级控制

conversation_config.conversation 控制会话时长与监控：

字段	类型	默认值	说明
max_duration_seconds	int	600	会话最长时长（秒）
text_only	bool	false	纯文本模式（规避音频计费）
monitoring_enabled	bool	false	启用 WebSocket 实时监控

另外，conversation_config 顶层还支持 vad（语音活动检测）与 language_presets（语言级覆盖）两块配置，按具体接入方式取值。

prompt：LLM 行为配置

prompt 对象嵌套在 conversation_config.agent.prompt，是决定 Agent"大脑"的核心：

conversation_config={
    "agent": {
        "prompt": {
            "prompt": "You are a helpful customer service agent...",
            "llm": "gemini-2.0-flash",
            "temperature": 0.7,
            "max_tokens": 500,
            "tools": [...],
            "built_in_tools": {...},
            "knowledge_base": [...]
        }
    }
}

字段	类型	默认值	说明
prompt	string	""	定义 Agent 行为的系统提示词
llm	string	-	模型 ID（见 LLM 提供方表）
temperature	float	0	0-1，越高越有创造性
max_tokens	int	-1	LLM 回复最大 token 数（-1 不限制）
reasoning_effort	string	-	推理深度：none/minimal/low/medium/high（依赖模型）
thinking_budget	int	-	推理模型的最大思考 token 数
tools	array	-	Webhook 与 client 工具定义
built_in_tools	object	-	系统工具（end_call、transfer 等）
tool_ids	array	-	引用预配置的工具
knowledge_base	array	-	RAG 文档
custom_llm	object	-	自定义 LLM 端点配置
timezone	string	-	IANA 时区（如 America/New_York）
backup_llm_config	object	-	备用 LLM 配置
cascade_timeout_seconds	number	8	级联切换到备用 LLM 前的等待秒数（2-15）
mcp_server_ids	array	-	要连接的 MCP 服务 ID
native_mcp_server_ids	array	-	原生 MCP 服务 ID
ignore_default_personality	bool	-	跳过默认人格指令

LLM 提供方与模型目录

提供方	模型 ID
OpenAI	gpt-5、gpt-5-mini、gpt-5-nano、gpt-4.1、gpt-4.1-mini、gpt-4.1-nano、gpt-4o、gpt-4o-mini、gpt-4-turbo
Anthropic	claude-sonnet-4-6、claude-sonnet-4-5、claude-sonnet-4、claude-haiku-4-5、claude-3-7-sonnet、claude-3-5-sonnet、claude-3-haiku
Google	gemini-3.1-flash-lite-preview、gemini-3-pro-preview、gemini-3-flash-preview、gemini-2.5-flash、gemini-2.5-flash-lite、gemini-2.0-flash、gemini-2.0-flash-lite
ElevenLabs 托管	glm-45-air-fp8、qwen3-30b-a3b、gpt-oss-120b（超低延迟）
自定义	custom-llm（需配合 custom_llm 配置）

模型目录会随平台更新，可通过 GET /v1/convai/llm/list 接口查询当前目录，包含弃用状态、token/上下文上限与能力标志（如是否支持图像输入）。

Workspace 环境变量：一份配置跨多环境部署

工作区（Workspace）级环境变量可以让同一份 Agent 配置跨多个部署环境复用：

• 在 server tool 与 MCP server 的 URL 中使用 {{system_env__label}} 占位符；
• 在需要密钥的工具请求头中使用 { "env_var_label": "orders_api_key" }，运行时解析为对应环境的密钥；
• 在 auth_connection 中使用 { "env_var_label": "orders_oauth" }，运行时解析对应环境的授权连接。

这意味着 staging 与 production 可以共用同一份 agent 配置文件，仅在各自 Workspace 中维护不同的环境变量值。

Custom LLM：接入自己的推理端点

custom_llm 字段嵌套在 conversation_config.agent.prompt 内：

conversation_config={
    "agent": {
        "prompt": {
            "prompt": "You are helpful.",
            "llm": "custom-llm",
            "custom_llm": {
                "url": "https://your-llm-endpoint.com/v1/chat/completions",
                "model_id": "your-model-id",
                "api_key": {"secret_id": "your-secret-id"},
                "api_type": "chat_completions"  # 或 "responses"
            }
        }
    }
}

配合 backup_llm_config + cascade_timeout_seconds（默认 8 秒，取值 2-15），可以为自建端点或第三方 LLM 建立超时级联容灾。

platform_settings：平台层安全、限额与 Widget

platform_settings={
    "summary_language": "en",
    "widget": {
        "show_agent_status": True,
        "show_conversation_id": True
    },
    "auth": {
        "enable_auth": True,
        "allowlist": [{"hostname": "example.com"}]
    },
    "call_limits": {
        "agent_concurrency_limit": 10,
        "daily_limit": 100
    }
}

顶层字段

字段	类型	说明
summary_language	string	摘要、标题、评估理由等分析输出的语言；省略时由 ElevenLabs 从会话内容推断
widget	object	托管 Widget 与可分享页配置
auth	object	认证与来源限制
call_limits	object	并发与每日用量限制
guardrails	object	内置安全与策略控制
privacy	object	录音、留存与对话历史脱敏设置

auth

字段	类型	说明
enable_auth	bool	要求使用签名 URL/token 建立连接
allowlist	array	CORS 允许的来源
shareable_token	string	公开会话 token

call_limits

字段	类型	说明
agent_concurrency_limit	int	最大并发会话数（默认 -1 不限制）
daily_limit	int	每日最大会话数（默认 100000）
bursting_enabled	bool	允许以 2 倍成本突破限额（默认 true）

guardrails：内置安全护栏

platform_settings.guardrails 用于配置用户输入与 Agent 行为的内置安全控制。当前 schema 的关键字段：

字段	类型	说明
version	string	护栏配置版本，当前 schema 使用 "1"
focus	object	让 Agent 保持话题、贴合配置的任务
prompt_injection	object	检测提示注入与指令覆盖尝试
custom	object	用户自定义的响应校验护栏
content	object	按类别的内容审核护栏

focus / prompt_injection 均通过 is_enabled（bool）开关启用。content 护栏的字段：

字段	类型	说明
execution_mode	string	streaming 或 blocking
config	object	分类别阈值设置

content.config 支持七个类别，每个类别均为对象：sexual、violence、harassment、self_harm、profanity、religion_or_politics、medical_and_legal_information。每个类别对象的字段：

字段	类型	说明
is_enabled	bool	是否启用该类别审核
threshold	number 或 string	类别阈值，可为数值分数，也可为 low / medium / high

阻塞式（blocking）内容护栏与自定义护栏支持 trigger_action：要么立即结束会话，要么重试响应。重试机制会移除被拦截的回复、把你的反馈注入为 system message 并重新生成，最多重试 3 次，之后平台回退为结束会话。反馈模板可使用 {{trigger_reason}} 与 {{agent_message}} 占位符。

privacy：脱敏

platform_settings.privacy 控制录音、留存与脱敏行为，其中脱敏相关字段为 conversation_history_redaction：

字段	类型	默认值	说明
enabled	bool	false	是否启用对话历史脱敏
entities	array	-	要脱敏的实体类型。可用父类型如 name，或更具体的 name.name_given、email_address、contact_number、dob、age 等

脱敏作用于存储的转录文本、音频与分析结果，对处理 PII 的场景（客服、医疗）是必备配置。

widget：托管嵌入组件

字段	类型	默认值	说明
dismissible	bool	false	用户是否可关闭 Widget
show_agent_status	bool	false	工具运行期间是否展示 working/done/error 状态
show_conversation_id	bool	true	断开后是否显示会话 ID
strip_audio_tags	bool	true	是否从消息中剥离音频标记
syntax_highlight_theme	string	auto	代码块高亮主题（light 或 dark），省略则自动检测

Widget 的前端嵌入属性（avatar-image-url、action-text 等）见同目录的 Widget Embedding 参考。

附加顶层字段

字段	类型	说明
tags	array	用于筛选的分类标签（如 ["production"]、["test"]）
workflow	object	会话流程定义与工具交互序列

tags 在多 Agent 管理时非常实用：用 tags: ["test"] 标记实验性 Agent，tags: ["production"] 标记线上 Agent，配合 CLI 的 list 输出即可快速过滤。

Knowledge Base / RAG：知识增强

知识库同样配置在 conversation_config.agent.prompt 内：

agent = client.conversational_ai.agents.create(
    name="Support Agent",
    conversation_config={
        "agent": {
            "prompt": {
                "prompt": "You are a support agent. Use the knowledge base to answer questions.",
                "llm": "gemini-2.0-flash",
                "knowledge_base": [
                    {"type": "file", "id": "doc-id", "name": "Product Guide", "usage_mode": "auto"}
                ],
                "rag": {
                    "enabled": True,
                    "embedding_model": "qwen3_embedding_4b",
                    "max_documents_length": 50000,
                    "max_retrieved_rag_chunks_count": 20
                }
            }
        },
        "tts": {"voice_id": "JBFqnCBsd6RMkjVDRZzb"}
    }
)

rag.embedding_model 支持三种嵌入模型：e5_mistral_7b_instruct、multilingual_e5_large_instruct 与 qwen3_embedding_4b。max_documents_length（单文档最大长度）与 max_retrieved_rag_chunks_count（每次检索最大 chunk 数）决定了检索召回的上限——客服知识库文档较长时应调大前者，问答需要更宽上下文时应调大后者。

CRUD 操作：CLI、SDK 与 REST

CLI 工作流（推荐）

# 初始化项目
elevenlabs agents init

# 从模板创建 Agent
elevenlabs agents add "My Agent" --template complete
elevenlabs agents add "Support Bot" --template customer-service

# 列出 Agent
elevenlabs agents list

# 查看状态
elevenlabs agents status

# 推送本地修改到平台
elevenlabs agents push
elevenlabs agents push --dry-run    # 先预览变更

# 从平台导入 Agent
elevenlabs agents pull                      # 导入全部
elevenlabs agents pull --agent <agent-id>   # 导入指定 Agent
elevenlabs agents pull --update             # 覆盖本地配置

# 查看可用模板
elevenlabs agents templates list
elevenlabs agents templates show <template-name>

# 添加工具
elevenlabs tools add-webhook "API Tool"
elevenlabs tools add-client "UI Tool"

# 生成 Widget 嵌入代码
elevenlabs agents widget <agent-id>

技能入口文档列出的可用模板为：complete、minimal、voice-only、text-only、customer-service、assistant。CLI 在项目下会生成 agents.json、tools.json、tests.json 与 agent_configs/、tool_configs/、test_configs/ 目录结构，Agent 配置因此可以像普通代码一样进入版本控制。

SDK：列出与获取 Agent

# Python
agents = client.conversational_ai.agents.list()
for agent in agents.agents:
    print(f"{agent.name}: {agent.agent_id}")

agent = client.conversational_ai.agents.get(agent_id="your-agent-id")

// JavaScript
const agents = await client.conversationalAi.agents.list();
const agent = await client.conversationalAi.agents.get("your-agent-id");

# REST
curl -X GET "https://api.elevenlabs.io/v1/convai/agents" \
  -H "xi-api-key: $ELEVENLABS_API_KEY"

curl -X GET "https://api.elevenlabs.io/v1/convai/agents/your-agent-id" \
  -H "xi-api-key: $ELEVENLABS_API_KEY"

SDK：更新 Agent（部分更新语义）

更新接口只包含你要改的字段，其余设置保持不变：

# 更新名称
client.conversational_ai.agents.update(agent_id="id", name="New Name")

# 更新 TTS 音色
client.conversational_ai.agents.update(agent_id="id", conversation_config={
    "tts": {"voice_id": "EXAVITQu4vr4xnSDxMaL", "model_id": "eleven_flash_v2_5"}
})

# 更新 prompt/LLM（嵌套在 agent 下）
client.conversational_ai.agents.update(agent_id="id", conversation_config={
    "agent": {"prompt": {"prompt": "New instructions.", "llm": "claude-sonnet-4", "temperature": 0.8}}
})

# 更新开场白
client.conversational_ai.agents.update(agent_id="id", conversation_config={
    "agent": {"first_message": "Welcome back!"}
})

# 更新平台设置
client.conversational_ai.agents.update(agent_id="id", platform_settings={
    "auth": {"enable_auth": True, "allowlist": [{"hostname": "myapp.com"}]}
})

// JavaScript
await client.conversationalAi.agents.update("id", { name: "New Name" });
await client.conversationalAi.agents.update("id", {
  conversationConfig: { tts: { voiceId: "EXAVITQu4vr4xnSDxMaL" } }
});
await client.conversationalAi.agents.update("id", {
  conversationConfig: { agent: { prompt: { prompt: "New instructions.", llm: "claude-sonnet-4" } } }
});

# cURL（PATCH 语义）
curl -X PATCH "https://api.elevenlabs.io/v1/convai/agents/your-agent-id" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" \
  -d '{"name": "New Name"}'

可更新字段速查表：

配置区	字段
根	name、tags
conversation_config.agent	first_message、language、disable_first_message_interruptions、dynamic_variables
conversation_config.agent.prompt	prompt、llm、temperature、max_tokens、reasoning_effort、tools、built_in_tools、knowledge_base、custom_llm、timezone
conversation_config.tts	voice_id、model_id、stability、similarity_boost、speed、optimize_streaming_latency、expressive_mode
conversation_config.asr	quality、provider、keywords、user_input_audio_format
conversation_config.turn	turn_timeout、turn_eagerness、silence_end_call_timeout、soft_timeout_config
conversation_config.conversation	max_duration_seconds、text_only、monitoring_enabled
platform_settings	summary_language、guardrails、privacy
platform_settings.widget	dismissible、show_agent_status、show_conversation_id、strip_audio_tags、syntax_highlight_theme
platform_settings.auth	enable_auth、allowlist
platform_settings.call_limits	agent_concurrency_limit、daily_limit、bursting_enabled

注意 turn_eagerness 的三档语义（来自 agents 技能入口文档）：patient 更长时间等待用户说完、normal 均衡、eager 快速抢话响应。

SDK：删除 Agent

client.conversational_ai.agents.delete(agent_id="your-agent-id")

await client.conversationalAi.agents.delete("your-agent-id");

curl -X DELETE "https://api.elevenlabs.io/v1/convai/agents/your-agent-id" \
  -H "xi-api-key: $ELEVENLABS_API_KEY"

错误处理方面，技能入口文档列出常见状态码：401（密钥无效）、404（资源不存在）、422（配置非法）、429（限流），建议在 create/update 调用外层统一捕获。

CI/CD 集成

把 CLI 放入部署流水线，让 Agent 配置随代码一起发布：

# 将 API Key 设置为环境变量
export ELEVENLABS_API_KEY="your-api-key"

# 非交互模式推送变更
elevenlabs agents push

配合 agents push --dry-run 可先在 CI 中做变更预演。由于 CLI 生成的项目结构（agents.json + 各 *_configs/ 目录）是纯文本文件，Agent 配置与工具定义可以随 Git 提交走完整的评审与回滚流程。

完整示例配置

客服 Agent

agent = client.conversational_ai.agents.create(
    name="Support Agent",
    conversation_config={
        "agent": {
            "first_message": "Hi! Thanks for calling TechCorp support.",
            "language": "en",
            "prompt": {
                "prompt": "You are a customer support agent. Be helpful, professional, concise.",
                "llm": "gemini-2.0-flash",
                "temperature": 0.5,
                "built_in_tools": {
                    "end_call": {},
                    "transfer_to_number": {
                        "transfers": [{"transfer_destination": {"type": "phone", "phone_number": "[phone]"}, "condition": "User asks for human support"}]
                    }
                }
            }
        },
        "tts": {"voice_id": "XB0fDUnXU5powFXDhCwa", "model_id": "eleven_flash_v2_5"},
        "turn": {"turn_eagerness": "normal", "turn_timeout": 7},
        "conversation": {"max_duration_seconds": 900}
    }
)

要点：temperature: 0.5 保持客服回复稳定收敛；transfer_to_number 内置工具实现"用户要求人工时转接电话"；max_duration_seconds: 900 把单次通话上限从默认 600 秒放宽到 15 分钟。

低延迟助手

agent = client.conversational_ai.agents.create(
    name="Quick Assistant",
    conversation_config={
        "agent": {
            "first_message": "Hey! What do you need?",
            "prompt": {
                "prompt": "Fast, efficient assistant. Brief answers.",
                "llm": "gemini-2.0-flash",
                "temperature": 0.3,
                "max_tokens": 100
            }
        },
        "tts": {"voice_id": "JBFqnCBsd6RMkjVDRZzb", "model_id": "eleven_flash_v2_5", "optimize_streaming_latency": 4},
        "turn": {"turn_eagerness": "eager", "turn_timeout": 3}
    }
)

这个示例把延迟压到了最低：max_tokens: 100 限制 LLM 输出长度、optimize_streaming_latency: 4 牺牲少量音质换取最快出音、turn_eagerness: "eager" + turn_timeout: 3 让轮次节奏更快。适合语音快捷指令类场景。

相关文档与延伸阅读

文档	路径	内容
技能入口	.agents/skills/agents/SKILL.md	会话启动、Widget 嵌入、外呼、错误处理速览
安装指南	.agents/skills/agents/references/installation.md	CLI/SDK 安装、认证与迁移
工具参考	.agents/skills/agents/references/client-tools.md	Webhook / Client / System 三类工具的定义与请求响应格式
Widget 嵌入	.agents/skills/agents/references/widget-embedding.md	网页嵌入与可分享页属性
外呼电话	.agents/skills/agents/references/outbound-calls.md	Twilio 外呼集成与动态变量
环境模板	.env.example	包含 ELEVENLABS_API_KEY 等环境变量位

从文档结构看，agent-configuration.md 是 agents 技能包中唯一的"全量配置参考"，其余四个 reference 文档（安装、工具、Widget、外呼）分别横向展开一个主题。实际开发中建议的查阅路径是：先用 agents 技能入口 的 Quick Start 跑通一个模板 Agent，再回到本文按需修改 conversation_config 与 platform_settings 各区块，最后用 elevenlabs agents push --dry-run 预览、push 上线，形成"本地配置 → 预览 → 推送"的闭环。