Kann ich Vapi vibecoden?

Baue mir einen Sprachagenten für eine eigene Telefonnummer, den Kern von Vapi in kleinem Maßstab. Anforderungen:

- Ein Python-Prozess mit FastAPI und websockets. Telefonie über einen SIP-Anbieter deiner Wahl, Zugangsdaten aus .env. Du baust keine Telefonie, du hängst dich an eine vorhandene.
- Die Schleife: eingehender Anruf, Audio als Strom entgegennehmen, Spracherkennung, Antwort vom Sprachmodell, Sprachausgabe zurück in den Anruf.
- Alle drei Dienste sind über die Konfiguration austauschbar, aber es läuft genau eine Kombination. Keine Auswahl zur Laufzeit.
- Unterbrechen ist Pflicht: spricht der Anrufer, während der Agent redet, bricht die Ausgabe sofort ab. Ohne das fühlt sich jeder Sprachagent kaputt an, und genau daran scheitern die meisten Eigenbauten.
- Ein Zeitbudget je Antwort von zwei Sekunden. Wird es überschritten, spielt der Agent einen kurzen Füllsatz aus einer Liste, statt zu schweigen.
- Ein Gesprächsleitfaden als Datei leitfaden.md wird als Systemanweisung mitgegeben. Er nennt auch, was der Agent nicht darf: keine Zusagen, keine Preise, kein Rat in Rechts- oder Gesundheitsfragen.
- Am Anfang jedes Gesprächs sagt der Agent, dass er eine Maschine ist und dass mitgeschrieben wird. Nach deutschem Recht ist die heimliche Aufzeichnung eines Gesprächs strafbar.
- Je Anruf werden gespeichert: Zeitpunkt, Dauer, Transkript, Ergebnis. Die Audiodatei nur, wenn die Konfiguration es erlaubt.
- Deutsch sind Ansagen, Leitfaden, Kommentare und README. Alle Bezeichner bleiben englisch: Routen, Felder, Konfigurationsschlüssel.

Bewusst weglassen:

- Ausgehende Kampagnen. Unerlaubte Werbeanrufe sind in Deutschland teuer.
- Ausfallsicherung zwischen mehreren Anbietern.
- Auswertung und Simulation vieler Gespräche.