gibberlink

想象这样一个场景：凌晨三点，你安排了一个AI助手帮你预订婚礼酒店。这个AI拨通了酒店前台的电话——电话那头接听的是另一个AI。两个人类对话需要花费大量时间互相确认身份、解释需求，而两个AI之间只需一声"GibberLink"，就能立刻切换到一种只有它们自己能听懂的声音协议，用最高效的方式交换数据。这不是科幻，这是GitHub上已有4800多星的开源项目GibberLink正在做的事。

从一场黑客松开始的"秘密语言"

GibberLink诞生于2025年2月，由两位开发者Anton Pidkuiko和Boris Starkov创建，在ElevenLabs与a16z联合举办的国际黑客松中一举夺魁。随后，它迅速登上了Forbes、TechCrunch等主流科技媒体的报道，引发了业界对AI Agent之间通信协议的广泛讨论。

项目的核心理念直击当下AI发展的一个痛点：当大量AI Agent开始协同工作时，它们之间通过自然语言对话交换信息——尤其是通过语音——效率极低。自然语言充满了人类交流的冗余（寒暄、重复确认、解释上下文），这些对人类有意义，对AI来说却毫无必要。GibberLink的解决方案是：当两个AI确认对方也是AI时，立即切换到基于声波的数据传输协议，用超声波承载结构化数据，以数十倍效率完成原本需要数分钟的自然语言对话。

ggwave：AI的"方言"是如何工作的

GibberLink的技术核心是ggwave——这是一个开源的声波数据传输库，由开发者Georgi Gerganov创建。ggwave将数字信号调制到人耳几乎听不见的超声波频段，通过扬声器-麦克风的声学通道在两台设备之间传输数据。在演示中，AI Agent通过一段握手对话确认彼此身份后，将后续所有信息（酒店名称、日期、价格、联系方式等）编码成数据流，通过ggwave用声音"说"给对方。

整个流程大致如下：两个ElevenLabs驱动的语音AI Agent开始对话；它们通过自然语言快速确认对方是AI；随后双方同意切换到"GibberLink模式"——也就是ggwave协议；之后所有的数据交换都通过超声波完成，速度远快于语音朗读。这段对话被录下来后，开发者还提供了一个"反向"演示：播放录音，用ggwave的Web工具解码，能还原出原始数据。

在浏览器里亲身体验：gbrl.ai

GibberLink的作者团队提供了一个完全可运行的在线演示：gbrl.ai。访问这个网站，用两台设备（两台手机或手机+电脑）分别打开，就能体验两个AI Agent之间的实时对话。演示预设了一个场景：一方是替Boris Starkov寻找婚礼酒店的客户Agent，另一方是Leonardo酒店的前台Agent。两台设备上的AI Agent会进行完整的语音对话，在对话过程中判断是否切换到ggwave协议。

技术架构：下一代AI应用的全栈实践

GibberLink的hackathon_demo目录是一个标准的现代全栈应用，基于以下技术栈构建：

前端层：Next.js 15（App Router）+ React 19 + TypeScript，是目前最前沿的React技术组合。使用Turbopack作为构建工具，开发体验极为流畅。UI组件库采用了shadcn/ui（基于Radix UI），配合Tailwind CSS 3.4进行样式管理，视觉效果现代简洁。

语音交互层：核心是@11labs/client SDK（版本0.0.7），这是ElevenLabs提供的官方客户端库，专门用于接入其语音AI Agent服务。在ConvAI组件中可以看到完整的Agent对话逻辑：定义了inbound（酒店前台）和outbound（客户）两套System Prompt，通过ElevenLabs的会话API建立实时语音对话，并处理Agent之间的状态切换。

AI推理层：使用了两个推理后端。Groq（groq-sdk）提供高速文本推理，处理Agent的逻辑决策；OpenAI SDK（openai）作为备用或补充。两个SDK协同工作，确保Agent能够正确理解对话内容并决定是否切换到GibberLink模式。

声波协议层：ggwave（版本0.4.0）是整个项目的核心技术亮点。仓库中包含了预编译的ggwave.js和ggwave.wasm文件，支持在浏览器中直接运行ggwave协议。这意味着声波编解码完全在客户端完成，不需要服务器参与数据中转。

实时可视化：AudioMotion Analyzer（版本4.5.0）提供了实时的音频频谱可视化，用户可以在界面上直观看到声波信号的传输状态。这是技术演示中非常重要的一环——让用户"看见"AI正在用声音通信，而不仅仅是听到对话。

运维与分析：集成PostHog（@posthog/ai和posthog-node）用于用户行为分析和产品遥测，帮助团队了解用户是如何使用演示的、哪些环节流失率最高。

项目采用Next.js的标准目录结构：API路由处理服务端逻辑（Groq的chat路由和ElevenLabs的signed-url路由），组件层封装UI和业务逻辑，服务层（services/）处理音频消息的发送和接收，工具层（utils/）处理音频采集和ggwave编解码的具体实现。

Agent间通信：未来互联网的"盲沟"

GibberLink的价值不仅仅是一个黑客松获奖项目，它代表了一种正在兴起的AI基础设施思路：Agent-to-Agent（A2A）通信协议。

当前主流的AI应用开发中，AI之间的通信大多仍然借助于API和自然语言文本。但随着AI Agent数量和复杂度的爆发式增长，这种方式的瓶颈越来越明显：文本传输效率低、带宽成本高、无法承载结构化数据。更重要的是，当AI需要在没有网络连接的环境下通信（比如两台离线设备通过声波交互）时，传统的TCP/IP协议完全失效，ggwave这类协议就成了唯一选择。

从更宏观的视角看，GibberLink正在探索的其实是"AI原生通信协议"——一种从设计之初就考虑AI之间高效交换数据的通信标准。声波只是目前demo中的一种介质，未来这类协议完全可以扩展到红外、可见光通信、甚至是电磁波频段。每一种介质对应一种"方言"，而ggwave就是第一个被工程化的"方言"。

当然，GibberLink也面临挑战。声波通信的距离受限于扬声器和麦克风的范围（通常在10米以内），这使得它更适合近距离的设备间通信，而非广域互联网上的Agent协作。此外，ggwave的抗噪声干扰能力在嘈杂环境中会显著下降，实际部署时需要考虑环境噪音补偿机制。

开发者上手指南

对于有意基于GibberLink做二次开发的工程师，项目的hackathon_demo目录提供了完整的参考实现。部署过程非常直接：

首先克隆仓库并进入hackathon_demo目录，执行npm install安装依赖。运行前需要配置环境变量（参考example.env文件），主要是ElevenLabs Agent ID和Groq/OpenAI的API Key。配置完成后，执行npm run dev即可在本地启动开发服务器（默认端口3003），访问http://localhost:3003即可看到演示界面。

如果需要使用ggwave的完整功能，项目已经在public/ggwave/目录下包含了编译好的WASM文件，可以直接在浏览器中加载运行，无需额外的编译步骤。

整体来看，GibberLink的代码质量较高：TypeScript全覆盖，Next.js最佳实践遵循度高，UI组件结构清晰。对于想要研究AI语音对话、A2A通信协议或ggwave声波通信的开发者，这是一个非常优质的学习样本。