基线：姓名档案修复、疑问句防误写、搜索与传输测试

这是进入 Pipecat Flows 改造前的回滚点。
提交时已核对本地与线上代码 md5 一致（engine.py 7e97bad8、
bot_server.py 1cf543ae），所以这个提交就是当前线上状态。

内容（此前一直在线上运行但未提交的改动）：
- 姓名档案：用户自报"我叫林"同步写 confirmed 姓名，重连后恢复
- 疑问句防误写："谁吗"之类的疑问句不再被覆盖成姓名
- 新增 test_profile_memory.py（姓名档案专项回归）
- 新增 test_profile_live.py（需要真实 LLM 的现场测试）
- 搜索、身份、记忆测试的相应补充

背景：下一步要按 P1-Pipecat Flows Agent化与记忆改造交接.md
渐进引入 Pipecat Flows，交接文档明确要求先保护基线、不得
reset/checkout/覆盖现有改动。此提交即该基线。

.gitignore

@@ -26,3 +26,6 @@ deploy/searxng/settings.yml
 .idea/
 *.swp
 .DS_Store
+
+# 工作前保存的基线备份（diff 与未跟踪文件）
+.baseline/

README.md

@@ -51,11 +51,12 @@ p0/                     P0 阶段的验证与基准脚本（保留用于复现
 # 服务器上（完整）
 cd ~/ai-companion
 .venv/bin/python app/tests/test_llm.py          # 27 项
-.venv/bin/python app/tests/test_memory.py       # 28 项
+.venv/bin/python app/tests/test_memory.py       # 30 项
-.venv/bin/python app/tests/test_identity.py     # 17 项
+.venv/bin/python app/tests/test_identity.py     # 19 项
 .venv/bin/python app/tests/test_engine_e2e.py   # 16 项，端到端
 .venv/bin/python app/tests/test_transport.py    # 4 项，媒体时钟/VAD/静音/RTVI文本
 .venv/bin/python app/tests/test_search.py       # 12 项，搜索 API/工具回灌/TTS 链路过滤
+.venv/bin/python app/tests/test_profile_memory.py # 22 项，自报姓名/断开重连/疑问句防误写
 ```
 
 端到端测试**不需要麦克风、音箱、摄像头、ESP32**——
@@ -85,11 +86,17 @@ DeepSeek 负责判断何时需要实时资料，`app/search.py` 提供 `web_sear
 `track_id`（画面里的一个目标）互不冒充。人脸认出来**不等于**确认对方在说话——
 所以人脸只产生"建议"，不自动切换身份。做错的后果是路人经过就把你的私人记忆念出来。
 
+**内部 ID 与用户称呼分开。** `u_ylhan` 只用于数据库隔离，绝不是姓名。用户明确说
+“我叫林”时，会同步写入 `users.display_name` 和一条 confirmed 姓名记忆；新连接创建
+引擎时从档案恢复称呼。自报姓名只用于个性化，不提升身份信任等级。
+
 **记忆查询强制带 `owner_user_id`。** 没有"按 memory_id 单独取"的口子：
 猜到 id 就能读别人的记忆，是这类系统最容易犯的错。删除同理，必须同时匹配 owner。
 
-**自动抽取的记忆是"候选"，默认不参与检索。** 只有用户显式"记住"或工具调用
+**自动抽取的记忆是"候选"，默认不参与检索。** 当前只有自报姓名走同步 confirmed
-写入的才是"已确认"。对应方案 §8 的"模型推测不当作确认事实"。
+档案路径；“记住/我喜欢/我习惯”等通用规则仍统一写成 candidate，而且尚无候选确认/
+晋升入口。因此除姓名外，内容可能已经落库却不会参与后续回答。这是下一阶段必须补齐
+的功能，不应把“数据库里有记录”误报为“助手已经会使用这条记忆”。
 
 **异步任务绑定创建时的身份。** 回复后写记忆的任务在创建时捕获 `user_id`，
 不读"当前用户"——否则用户在这几百毫秒内切了身份，这条记忆会写到别人名下。
@@ -122,6 +129,25 @@ Pipecat 管传输、帧与 RTVI，自有 `ConversationEngine` 管会话语义。
 
 完整记录见代码仓库外的 `P0-Pipecat传输层实验报告.md`（在 Obsidian 笔记库里）。
 
+### 当前打断边界（2026-09-16）
+
+当前 `SimpleVAD` 是实验性的 RMS 能量判定：阈值 350、最短语音 300ms、尾静音
+700ms。它能切分话段和触发下一轮，但不是完整的 barge-in。助手推送音频时检测到
+用户声音目前只记日志；只有等话段结束，或收到外部 `InterruptionFrame`，才会取消
+当前异步轮次。浏览器播放器虽有清空能力，服务端尚未把“用户开始说话”可靠地转换为
+取消生成、清空服务端输出和清空客户端缓冲三个动作。现有测试只证明任务可取消，
+未证明声学打断端到端闭环。
+
+### 下一阶段 Agent 方向：Pipecat Flows
+
+已决定不整体迁移 OpenClaw、Agno、LangGraph 或 LiveKit Agents，而是在现有 Pipecat
+实时链路上渐进引入 `pipecat-ai-flows`。目标是把 `web_search`、`remember`、
+`search_memory`、`forget` 等能力变成受策略约束的工具，同时保留现有
+`MemoryStore`、身份隔离和低延迟语音链路。Flows 与当前自有 `ConversationEngine`
+的接口并不直接兼容，必须先做独立兼容性实验，再通过 feature flag 灰度迁移；不得
+直接重写已部署链路。实施交接见笔记库
+`P1-Pipecat Flows Agent化与记忆改造交接.md`。
+
 ### 实验挖出的 10 个坑
 
 每个都表现为"什么都没发生"，极难排查：

app/config.py

@@ -214,6 +214,9 @@ class MemoryConfig:
 
 @dataclass
 class AppConfig:
+    # 单用户原型的稳定内部档案 ID。它只用于数据隔离，绝不是用户可见姓名。
+    default_user_id: str = field(
+        default_factory=lambda: _env("AI_DEFAULT_USER_ID", "u_ylhan"))
     #: 主 LLM 由 AI_LLM_PRIMARY 选择：
     #:   "local"    = 本机 vLLM（首 token 192ms，但占 21.5GB 显存）
     #:   "deepseek" = 云端（首 token 786ms，网络往返约 700ms）

app/engine.py

@@ -58,6 +58,29 @@ _SOURCE_SECTION_RE = re.compile(
     re.IGNORECASE,
 )
 
+_DISPLAY_NAME_PATTERNS = (
+    re.compile(
+        r"(?:我叫|我的(?:名字|姓名)(?:是|叫)|(?:你可以)?叫我)\s*"
+        r"[“\"']?([^，,。！？!?；;：:\n\"”']{1,24})[”\"']?"
+        r"(?=$|[，,。！？!?；;：:\n])",
+        re.IGNORECASE,
+    ),
+    # 兼容语音识别常见的“我是林”。只接受 1–4 个中文姓名字符，
+    # 避免把“我是程序员/中国人”一类身份描述当作姓名。
+    re.compile(
+        r"我是\s*([\u4e00-\u9fff·]{1,4})"
+        r"(?=$|[，,。！？!?；;：:\n])"
+    ),
+)
+
+_NOT_NAMES = {
+    "程序员", "工程师", "中国人", "学生", "老师", "医生", "男生", "女生",
+    "用户", "访客", "谁", "什么", "哪位", "你", "他", "她", "它", "你的", "他的", "她的",
+}
+
+_NAME_QUESTION_WORDS = ("谁", "什么", "哪位")
+_NAME_QUESTION_PARTICLES = ("吗", "么", "呢")
+
 
 class EventKind(str, Enum):
     IDENTITY = "identity"           # 本轮的身份裁决结果
@@ -143,6 +166,18 @@ class ConversationEngine:
             self.identity.switch(user_id, reason="会话指定")
         d = self.identity.current()
         await self.memory.start_session(sid, d.user_id)
+        if d.confirmed:
+            try:
+                display_name = await self.memory.get_user_display_name(d.user_id)
+                if display_name:
+                    self.identity.switch(
+                        d.user_id,
+                        display_name=display_name,
+                        reason="从用户档案恢复称呼",
+                    )
+                    d = self.identity.current()
+            except Exception as exc:  # noqa: BLE001 — 档案读取失败不阻塞会话
+                log.warning("读取用户称呼失败（本轮继续）：%s", exc)
         self._session_id = sid
         self._history_identity_version = self._identity_version()
         log.info("会话开始 %s，身份 %s", sid, d.user_id)
@@ -180,6 +215,10 @@ class ConversationEngine:
 
         self._sync_identity_scope()
         identity = self.identity.current()
+        display_name = extract_display_name(user_text)
+        if display_name and identity.confirmed:
+            await self._remember_display_name(identity, display_name, sid)
+            identity = self.identity.current()
         metrics.identity_ms = (time.perf_counter() - t_start) * 1000
         yield Event(kind=EventKind.IDENTITY, identity=identity)
 
@@ -306,6 +345,43 @@ class ConversationEngine:
             log.warning("记忆检索失败（%s），本轮不带记忆继续", e)
             return []
 
+    async def _remember_display_name(
+        self,
+        identity: IdentityDecision,
+        display_name: str,
+        session_id: str,
+    ) -> None:
+        """同步保存用户明确自报的称呼，保证断开连接前已经落盘。"""
+        turn_id = f"t_{uuid.uuid4().hex[:10]}"
+
+        async def write_profile() -> None:
+            await self.memory.set_user_display_name(identity.user_id, display_name)
+            await self.memory.remember(Memory(
+                owner_user_id=identity.user_id,
+                kind=MemoryKind.FACT,
+                key="姓名",
+                value=display_name,
+                confirm_status=ConfirmStatus.CONFIRMED,
+                source_session_id=session_id,
+                source_turn_id=turn_id,
+            ))
+
+        try:
+            await asyncio.wait_for(
+                write_profile(),
+                timeout=max(1.0, self.cfg.context.memory_timeout_s),
+            )
+            log.info("已确认并保存用户称呼：%s", display_name)
+        except Exception as exc:  # noqa: BLE001 — 记忆失败仍允许本轮继续
+            log.warning("保存用户称呼失败（仅本轮生效）：%s", exc)
+
+        # 自报称呼只用于个性化，保持原 user_id 和 trust_level，不构成认证。
+        self.identity.switch(
+            identity.user_id,
+            display_name=display_name,
+            reason="用户明确自报称呼",
+        )
+
     async def _stream_and_speak(self, messages: list[dict],
                                 metrics: TurnMetrics) -> AsyncIterator[Event]:
         """执行 LLM/搜索工具闭环；最终文本仍然流式交给调用方做 TTS。"""
@@ -476,6 +552,9 @@ def extract_memories(user_text: str, reply: str) -> list[Memory]:
     """
     out: list[Memory] = []
     text = (user_text or "").strip()
+    # 姓名由同步、已确认的档案路径处理；不要再产生一条 candidate 副本。
+    if extract_display_name(text):
+        return out
     for trigger, kind_hint in _REMEMBER_PATTERNS:
         if trigger in text:
             # 取触发词之后的正文
@@ -491,6 +570,31 @@ def extract_memories(user_text: str, reply: str) -> list[Memory]:
     return out
 
 
+def extract_display_name(user_text: str) -> str | None:
+    """从用户明确的自我介绍中提取称呼；不使用模型猜测。"""
+    text = " ".join((user_text or "").strip().split())
+    if not text:
+        return None
+    for pattern in _DISPLAY_NAME_PATTERNS:
+        match = pattern.search(text)
+        if not match:
+            continue
+        name = " ".join(match.group(1).strip(" ‘'\"”").split())
+        if not name or len(name) > 24 or name in _NOT_NAMES:
+            continue
+        # “知道我是谁吗”“我是林吗”不是自我介绍。语音识别可能不带问号，
+        # 所以不能只依赖标点，需同时过滤疑问词和句末疑问助词。
+        if any(word in name for word in _NAME_QUESTION_WORDS):
+            continue
+        if name.endswith(_NAME_QUESTION_PARTICLES):
+            continue
+        if name.startswith(("你", "他", "她", "它")) and len(name) > 1:
+            continue
+        return name
+    return None
+
+
 __all__ = [
-    "ConversationEngine", "Event", "EventKind", "TurnMetrics", "extract_memories",
+    "ConversationEngine", "Event", "EventKind", "TurnMetrics",
+    "extract_memories", "extract_display_name",
 ]

app/identity/base.py

@@ -66,6 +66,8 @@ class IdentityDecision:
     trust_level: str
     confirmed: bool          # True = 经确认；False = 默认访客
     reason: str
+    # 用户可见称呼，与内部稳定 user_id 分开；自报姓名不能提升信任等级。
+    display_name: str = ""
     #: 未被采纳的候选，保留下来供上层提示"是否要切换成 X"
     suggestions: list[IdentityClaim] = field(default_factory=list)
 

app/identity/manual.py

@@ -61,11 +61,17 @@ class ManualIdentityProvider(IdentityProvider):
         if not user_id:
             raise ValueError("user_id 不能为空")
         prev = self._decision.user_id
+        visible_name = (
+            display_name.strip()
+            if display_name.strip()
+            else self._decision.display_name if prev == user_id else ""
+        )
         self._decision = IdentityDecision(
             user_id=user_id,
             trust_level=TRUST_NORMAL,
             confirmed=True,
             reason=reason,
+            display_name=visible_name,
         )
         if prev != user_id:
             self._version += 1

app/memory/base.py

@@ -105,6 +105,14 @@ class MemoryStore(ABC):
                           trust_level: str = "normal") -> None:
         """建档。已存在则不动。身份认证与信任等级分开（方案 §6）。"""
 
+    @abstractmethod
+    async def set_user_display_name(self, user_id: str, display_name: str) -> None:
+        """更新用户自报的称呼。它用于个性化，不提高身份信任等级。"""
+
+    @abstractmethod
+    async def get_user_display_name(self, user_id: str) -> str:
+        """读取用户称呼；未设置或用户不存在时返回空字符串。"""
+
     @abstractmethod
     async def start_session(self, session_id: str, user_id: str) -> None: ...
 

app/memory/sqlite_store.py

@@ -176,6 +176,25 @@ class SQLiteMemoryStore(MemoryStore):
             c.commit()
         await self._run(op)
 
+    async def set_user_display_name(self, user_id: str, display_name: str) -> None:
+        display_name = " ".join((display_name or "").split()).strip()
+        if not user_id or not display_name:
+            raise ValueError("user_id 和 display_name 不能为空")
+
+        def op(c: sqlite3.Connection):
+            _ensure_user_row(c, user_id)
+            c.execute("UPDATE users SET display_name=? WHERE user_id=?",
+                      (display_name, user_id))
+            c.commit()
+        await self._run(op)
+
+    async def get_user_display_name(self, user_id: str) -> str:
+        def op(c: sqlite3.Connection):
+            row = c.execute("SELECT display_name FROM users WHERE user_id=?",
+                            (user_id,)).fetchone()
+            return str(row["display_name"] or "") if row else ""
+        return await self._run(op)
+
     async def start_session(self, session_id: str, user_id: str) -> None:
         def op(c: sqlite3.Connection):
             c.execute("INSERT INTO users(user_id, created_at) VALUES(?,?) "

app/prompts.py

@@ -47,7 +47,17 @@ def build_system_prompt(
     parts = [PERSONA_RULES]
 
     if identity.confirmed:
-        parts.append(f"\n当前用户：{identity.user_id}（已确认身份）。")
+        if identity.display_name:
+            parts.append(
+                f"\n当前用户希望被称为“{identity.display_name}”。"
+                "这是用户可见称呼，可以在合适时自然使用。"
+            )
+        else:
+            parts.append("\n当前连接已绑定到一个用户档案，但尚未记录用户称呼。")
+        parts.append(
+            "内部 user_id 只用于数据隔离，绝不能把它当作用户名、姓名或称呼告诉用户。"
+            "如果用户问‘我是谁’而没有已知称呼，应坦白还不知道，而不是回答内部 ID。"
+        )
     else:
         # 方案 §6：未知身份只用访客上下文，不做个性化
         parts.append("\n当前用户身份未确认，按访客对待。"

app/tests/test_identity.py

@@ -36,6 +36,9 @@ def main() -> int:
     d = p.switch("u_ylhan", reason="对话确认")
     check("切换生效", d.user_id == "u_ylhan" and d.confirmed)
     check("信任等级为 normal", d.trust_level == "normal")
+    named = p.switch("u_ylhan", display_name="林", reason="用户自报")
+    check("显示名与内部 ID 分离", named.display_name == "林")
+    check("同一身份空显示名不覆盖", p.switch("u_ylhan").display_name == "林")
     check("版本号 +1", p.version == 1, str(p.version))
     v = p.version
     p.switch("u_ylhan")  # 切到同一个人

app/tests/test_memory.py

@@ -138,6 +138,10 @@ async def run(store: SQLiteMemoryStore) -> None:
         "SELECT display_name FROM users WHERE user_id=?", ("u_x",)).fetchone()["display_name"])
     check("已存在则不改", name == "第一次", name)
 
+    await store.set_user_display_name("u_x", "林")
+    check("可显式更新用户称呼", await store.get_user_display_name("u_x") == "林")
+    check("不存在的用户称呼为空", await store.get_user_display_name("u_missing") == "")
+
     print("\n=== 10. 兜底检索要限量（否则就成了每轮全量注入）===")
     await store.ensure_user("u_big")
     await store.remember(Memory(owner_user_id="u_big", kind=MemoryKind.FACT,

app/tests/test_profile_live.py

@@ -0,0 +1,62 @@
+#!/usr/bin/env python3
+"""用生产记忆库和真实 LLM 验证当前用户称呼，不加载 STT/TTS。"""
+
+from __future__ import annotations
+
+import asyncio
+import sys
+from pathlib import Path
+
+import numpy as np
+
+ROOT = Path(__file__).resolve().parent.parent.parent
+sys.path.insert(0, str(ROOT))
+
+from app.config import AppConfig  # noqa: E402
+from app.engine import ConversationEngine, EventKind  # noqa: E402
+from app.identity import ManualIdentityProvider  # noqa: E402
+from app.llm import FallbackProvider, create_provider  # noqa: E402
+from app.memory import SQLiteMemoryStore  # noqa: E402
+
+
+class SilentTTS:
+    sample_rate = 16000
+
+    def synthesize(self, _text):
+        return np.zeros(0, dtype=np.float32)
+
+
+async def main() -> int:
+    cfg = AppConfig.load()
+    cfg.search.enabled = False
+    cfg.memory.auto_extract_enabled = False
+    memory = SQLiteMemoryStore(cfg.memory.db_path)
+    await memory.open()
+    llm = FallbackProvider(
+        create_provider(cfg.llm), create_provider(cfg.llm_fallback))
+    engine = ConversationEngine(
+        cfg, llm, memory, ManualIdentityProvider(), SilentTTS())
+    try:
+        await engine.start_session(user_id=cfg.default_user_id)
+        loaded_name = engine.identity.current().display_name
+        reply_parts = []
+        async for event in engine.respond_to_text("我是谁？请只说我的称呼。"):
+            if event.kind == EventKind.RESPONSE_DELTA:
+                reply_parts.append(event.text)
+        reply = "".join(reply_parts).strip()
+        if loaded_name != "林":
+            raise AssertionError(f"档案称呼未恢复：{loaded_name!r}")
+        if "林" not in reply or cfg.default_user_id in reply:
+            raise AssertionError(f"回答未正确使用称呼：{reply!r}")
+        print(f"恢复称呼: {loaded_name}")
+        print(f"真实回答: {reply}")
+        print("生产记忆 + 真实 LLM 验收：PASS")
+        return 0
+    finally:
+        await engine.end_session()
+        await memory.close()
+        await llm.aclose()
+
+
+if __name__ == "__main__":
+    raise SystemExit(asyncio.run(main()))

app/tests/test_profile_memory.py

@@ -0,0 +1,114 @@
+#!/usr/bin/env python3
+"""用户称呼跨会话持久化与内部 ID 隔离回归测试。"""
+
+from __future__ import annotations
+
+import asyncio
+import shutil
+import sys
+import tempfile
+from pathlib import Path
+
+import numpy as np
+
+ROOT = Path(__file__).resolve().parent.parent.parent
+sys.path.insert(0, str(ROOT))
+
+from app.config import AppConfig  # noqa: E402
+from app.engine import (  # noqa: E402
+    ConversationEngine, extract_display_name, extract_memories,
+)
+from app.identity import ManualIdentityProvider  # noqa: E402
+from app.llm.base import Chunk, ChunkKind  # noqa: E402
+from app.memory import ConfirmStatus, SQLiteMemoryStore  # noqa: E402
+
+
+class FakeLLM:
+    name = "fake"
+    last_backend = "fake"
+
+    def __init__(self):
+        self.system_prompts = []
+
+    async def stream(self, messages, *, tools=None, max_tokens=None):
+        self.system_prompts.append(messages[0]["content"])
+        yield Chunk(kind=ChunkKind.CONTENT, text="好的。")
+        yield Chunk(kind=ChunkKind.DONE, finish_reason="stop")
+
+
+class FakeTTS:
+    sample_rate = 16000
+
+    def synthesize(self, _text):
+        return np.ones(160, dtype=np.float32) * 0.1
+
+
+async def consume(engine: ConversationEngine, text: str) -> None:
+    async for _event in engine.respond_to_text(text):
+        pass
+
+
+async def test_cross_session_profile() -> None:
+    tmp = Path(tempfile.mkdtemp(prefix="profile_memory_"))
+    store = SQLiteMemoryStore(tmp / "memory.db")
+    await store.open()
+    try:
+        cfg = AppConfig()
+        cfg.search.enabled = False
+        cfg.memory.auto_extract_enabled = False
+
+        first_llm = FakeLLM()
+        first = ConversationEngine(
+            cfg, first_llm, store, ManualIdentityProvider(), FakeTTS())
+        await first.start_session("profile_s1", user_id="u_internal")
+        await consume(first, "你好，我叫林。")
+        await first.end_session()
+
+        assert await store.get_user_display_name("u_internal") == "林"
+        memories = await store.list_memories("u_internal")
+        names = [m for m in memories if m.key == "姓名"]
+        assert len(names) == 1
+        assert names[0].value == "林"
+        assert names[0].confirm_status == ConfirmStatus.CONFIRMED
+
+        # 模拟 disconnect 后重新创建整个 ConversationEngine/IdentityProvider。
+        second_llm = FakeLLM()
+        second = ConversationEngine(
+            cfg, second_llm, store, ManualIdentityProvider(), FakeTTS())
+        await second.start_session("profile_s2", user_id="u_internal")
+        assert second.identity.current().display_name == "林"
+        await consume(second, "我是谁？")
+        prompt = second_llm.system_prompts[-1]
+        assert "林" in prompt
+        assert "u_internal" not in prompt
+        assert "内部 user_id" in prompt
+        await consume(second, "知道我是谁吗？")
+        assert await store.get_user_display_name("u_internal") == "林"
+        await consume(second, "我叫什么？")
+        assert await store.get_user_display_name("u_internal") == "林"
+        await second.end_session()
+    finally:
+        await store.close()
+        shutil.rmtree(tmp, ignore_errors=True)
+
+
+async def main() -> int:
+    assert extract_display_name("我叫林") == "林"
+    assert extract_display_name("你好我叫lin。") == "lin"
+    assert extract_display_name("我的名字是小林。") == "小林"
+    assert extract_display_name("你可以叫我老韩。") == "老韩"
+    assert extract_display_name("我是林。") == "林"
+    assert extract_display_name("我是程序员。") is None
+    assert extract_display_name("我叫什么？") is None
+    assert extract_display_name("我是谁？") is None
+    assert extract_display_name("知道我是谁吗？") is None
+    assert extract_display_name("我是林吗？") is None
+    assert extract_display_name("我叫什么名字？") is None
+    assert extract_memories("记住，我叫林。", "") == []
+    await test_cross_session_profile()
+    print("用户称呼跨会话回归测试：22/22 PASS")
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(asyncio.run(main()))

app/tests/test_search.py

@@ -62,6 +62,7 @@ class FakeSearch(SearXNGSearchClient):
 class FakeMemory:
     async def start_session(self, *_args): pass
     async def end_session(self, *_args): pass
+    async def get_user_display_name(self, *_args): return ""
     async def retrieve(self, *_args, **_kwargs): return []
     async def add_turn(self, *_args): pass
 

services/bot_server.py

@@ -234,7 +234,8 @@ class EngineProcessor(FrameProcessor):
                 self._engine = ConversationEngine(
                     self.cfg, self._llm, self._memory, ManualIdentityProvider(),
                     create_tts(self.cfg.voice), stt=None)
-                self._session = await self._engine.start_session(user_id="u_ylhan")
+                self._session = await self._engine.start_session(
+                    user_id=self.cfg.default_user_id)
             if require_stt and self._engine.stt is None:
                 self._engine.stt = StreamingSTT(self.cfg.voice)
             return self._engine
@@ -383,7 +384,7 @@ class EngineProcessor(FrameProcessor):
                 if ev.kind == EventKind.TRANSCRIPT and ev.text:
                     await self.push_frame(TranscriptionFrame(
                         text=ev.text,
-                        user_id="u_ylhan",
+                        user_id=self.cfg.default_user_id,
                         timestamp=datetime.now(UTC).isoformat(),
                         finalized=True,
                     ))
@@ -391,7 +392,7 @@ class EngineProcessor(FrameProcessor):
                         RTVI.UserTranscriptionMessage(
                             data=RTVI.UserTranscriptionMessageData(
                                 text=ev.text,
-                                user_id="u_ylhan",
+                                user_id=self.cfg.default_user_id,
                                 timestamp=datetime.now(UTC).isoformat(),
                                 final=True,
                             )

部署说明.md

@@ -88,6 +88,7 @@ DoA 读取和网络桥接，不跑任何推理。
 | `AI_TTS_INSTRUCTIONS` | `用轻快活泼的语气说` | 风格指令 |
 | `AI_STT_THREADS` | `4` | **N5095 上必须改成 2**（见下） |
 | `AI_MODEL_DIR` | `/home/yonglin/ai-companion/models` | 两边模型位置不同 |
+| `AI_DEFAULT_USER_ID` | `u_ylhan`（默认） | 单用户原型的内部档案 ID；不能作为姓名展示 |
 | `SEARCH_ENABLED` | `true` | 向 LLM 注册只读 `web_search` 工具 |
 | `SEARXNG_BASE_URL` | `http://127.0.0.1:18080` | 私有 SearXNG，仅服务器回环可达 |
 | `SEARCH_TIMEOUT_S` | `6`（默认） | 搜索总超时，失败后让模型明确降级 |
@@ -161,13 +162,17 @@ rsync -az --delete --exclude '__pycache__' --exclude '*.pyc' \
    生效。不加限制就变成"每轮全量注入"，不再是按需检索。
 9. **"被引用的 user 必须存在"由存储层自己保证**（`_ensure_user_row`），
    不能让每个调用点各自记得——漏一处就报 `FOREIGN KEY constraint failed`。
+10. **内部 `user_id` 不是用户姓名。** 网页客户端当前把每个连接绑定到稳定档案
+    `AI_DEFAULT_USER_ID`，但提示词不得暴露该值。用户明确说“我叫林”时，称呼同步
+    写入用户表和 confirmed 姓名记忆；同步写是为了避免刚说完就断线导致后台任务丢失。
+    新连接从用户表恢复 `display_name`。自报姓名不构成身份认证，不改变 trust level。
 
 ### 依赖层
 
-10. **qwen-tts 与 vllm-omni 依赖互斥**（transformers 4.57 vs 5.14、
+11. **qwen-tts 与 vllm-omni 依赖互斥**（transformers 4.57 vs 5.14、
     hf_hub 0.36 vs 1.31）。装同一个 venv 会互相破坏，实测把 vllm-omni 搞崩过。
     所以 TTS 跑独立进程 + HTTP。
-11. **flash-attn 装不上**：预编译 wheel 最高只支持 torch 2.9，本机是 2.14
+12. **flash-attn 装不上**：预编译 wheel 最高只支持 torch 2.9，本机是 2.14
     （vLLM 0.28 拉上来的）；源码编译要从 GitHub 拉依赖，而这台机器下
     GitHub release 会断连。
 
@@ -197,6 +202,12 @@ P2 的本地唤醒和 20 秒连续对话窗口。
 完整的 `bot-transcription` / `bot-output` 事件，不能只发送 token 级
 `bot-llm-text`。
 
+**姓名记忆已修复并迁移。** 用户明确自报姓名时，同步更新 `users.display_name`
+和 confirmed 姓名记忆；新连接从用户表恢复称呼，内部 `user_id` 不进入用户可见
+称呼。姓名疑问句（例如“知道我是谁吗”）不会再被误写为姓名。需要注意：通用的
+“记住/我喜欢/我习惯”目前仍全部写成 candidate，默认检索不会读取，而且还没有确认
+和晋升流程；所以通用长期记忆尚未闭环。
+
 **联网搜索已实现并部署。** DeepSeek 通过 Function Calling 请求 `web_search`，引擎
 聚合完整的流式工具参数，调用回环地址上的 SearXNG，并把标题、摘要、URL 作为
 `tool` 消息回灌后生成最终回答。最多连续搜索两轮，搜索失败不会拖垮对话；网页保留
@@ -207,6 +218,22 @@ P2 的本地唤醒和 20 秒连续对话窗口。
 启用 Bing、360 搜索、搜狗；其中 360 与搜狗实测有结果，Bing 当前返回空结果。
 容器只监听 `127.0.0.1:18080`，不向局域网或公网暴露。
 
+## Agent 与打断的下一阶段
+
+架构已选择 **Pipecat Flows 渐进改造**，不整体迁移 OpenClaw、Agno、LangGraph 或
+LiveKit Agents。现有 `ConversationEngine` 已手写最多两轮的搜索工具循环，而
+Pipecat Flows 依赖 Pipecat `LLMService`、context aggregator 和 PipelineTask；
+两者不能直接替换。实施必须先完成无传输的兼容性 spike，验证 DeepSeek 流式内容、
+工具参数聚合、取消传播和 RTVI 文本事件，再用 `AI_AGENT_RUNTIME=legacy|flows`
+保留回退路径。详细任务与验收见笔记库
+`P1-Pipecat Flows Agent化与记忆改造交接.md`。
+
+当前打断不是完整闭环：`SimpleVAD` 在助手推送音频时检测到高能量只记录日志；
+语音话段要等 700ms 尾静音后才会取消旧轮次。收到 `InterruptionFrame` 时任务确实
+可以取消，但服务端尚未在用户开口时主动生成该信号，也没有同时清空浏览器已缓冲音频。
+下一阶段先用合成帧验证“开始说话 → 取消生成 → 清空输出”的控制链；真实 AEC、回声
+条件下的误触发率仍必须等 N5095 音频硬件到位后验收。
+
 ## 未做的事
 
 - **没有常驻服务**：TTS 服务和助手都没有 systemd 开机自启（方案 §10 要求 P2 后做）
@@ -214,6 +241,10 @@ P2 的本地唤醒和 20 秒连续对话窗口。
   需要 HTTPS；Tailscale Serve 仍需在 tailnet 管理页启用
 - **唤醒尚未实现**：当前网页连接后会持续上传麦克风并响应每段有效语音；正式方案
   是在 N5095 本地做关键词检测，待机时音频不出网
+- **实时打断尚未闭环**：有能量 VAD、异步任务取消和客户端停播能力，但三者还没有
+  由可靠的 user-started-speaking 事件串起来
+- **通用长期记忆尚未闭环**：除姓名外的自动抽取均为 candidate，缺少确认、晋升、
+  修改、忘记的用户可见流程
 - **设备侧代码不存在**：N5095 的外设桥（USB、WebRTC 客户端、串口）尚未开始
 - **STT 没换**：仍是 2023 年的 Zipformer int8，中文识别率从未测过
 - **记忆库在服务器上**，而人脸特征按方案必须留在设备端——将来做