助手本体：会话引擎、LLM 路由、记忆、身份、语音适配

从 Obsidian 笔记库剥离为独立仓库。规划文档与 P0 报告留在笔记库，
代码（助手本体、TTS 服务、P0 基准脚本、ESP32 固件）在此。

架构：服务器是助手，本地是客户端
- 助手本体跑在 cadadmin-server，N5095 只做 USB 外设桥与网络桥接
- 起因：实测 N5095 无 AVX2，跑不动可用的语音模型

当前技术栈
- LLM：DeepSeek deepseek-flash（云端，必须关思考）
- TTS：Qwen3-TTS 1.7B（服务器 3090，独立 HTTP 服务）
- STT：Zipformer 中英双语 int8（CPU，中文识别率未测）

实测：端到端 16/16 通过，首音延迟 1545ms
（对比：本地 LLM + vits-zh-ll 是 179ms，但音色不满意——音质与延迟
在此硬件上此消彼长）

设计要点
- MemoryStore 接口按"可能远程"设计（全 async、可超时、可失败）
- user_id / session_id / track_id 三者分开，人脸只作候选不自动切身份
- 记忆查询强制带 owner_user_id，无按 id 单独取的口子
- 自动抽取的记忆是"候选"，默认不参与检索
- 异步写记忆绑定创建时的身份，不读"当前用户"
- 引擎与传输解耦，只用文件音频即可端到端测试

模型与音频产物不进版本管理（1.1GB），由 download_models.sh 恢复

requirements.txt

@@ -0,0 +1,13 @@
+# 助手本体依赖。按方案 §10 要求固定版本。
+# 实测可用组合：Python 3.12（服务器）/ 3.13（N5095），两台机器都验证过。
+
+pipecat-ai==1.10.0        # 会话管线框架（服务器侧用其传输/打断能力）
+sherpa-onnx==1.13.8       # 本地 STT/TTS 运行时（自带 onnxruntime，不依赖 pip 的）
+numpy==2.5.3
+aiohttp==3.14.3           # LLM 流式请求
+
+# 说明：
+# - 不装 pipecat-ai[local]：本地声卡传输只在 N5095（客户端）需要，
+#   服务器侧走 WebRTC，不需要 PyAudio。
+# - pipecat 会把 onnxruntime 钉到 1.24.x。实测不影响 sherpa-onnx，
+#   后者自带运行时不读 pip 的那个。若要单独用 onnxruntime，注意版本。