用一条「耳朵-眼睛-大脑-嘴巴-脸-身体」的拟人化主线，拆解实时交互数字人的完整技术链路（VAD/ASR、视觉感知、LLM、TTS、口型驱动、渲染、WebRTC），附 Mermaid 架构图、延迟预算表、避坑清单、典型问题解决方案，以及元宇宙视角下的数字人定位。适合零基础新人建立全局认知。