我安装了assistant-sdk-python并试了一下。我可以得到音频回复。在某些情况下，如果我要求时间，天气或小谈话，我也可以得到文本回复。但是如果我要求位置，我只能获得supplemental_display_text“null”。当我将ScreenMode更改为“正在播放”时，我只能获得HTML响应但只能获得任何文本响应。如果有人知道解决方案，请告诉我！
并非每个使用Assistant SDK的请求都保证返回一串文本。 supplemental_display_text是补充。如果更改ScreenMode，您将获得HTML代替文本，因为您通常会获得的文本将嵌入到HTML中。