Phase 1 spike：Pipecat Flows 兼容性验证，7 项全通过

按 P1-Pipecat Flows Agent化与记忆改造交接.md 的 Phase 1 要求，
只做独立 spike，不改生产入口。

新增
- p1/flows_spike.py：探索脚本，带请求体抓取与逐项诊断
- app/tests/test_flows_spike.py：断言版，复用探索脚本的检查项避免漂移

验证结果（9 个断言全过）
- DeepSeek 在 Flows 中流式输出中文（14–22 个 token 级分块）
- 工具调用参数聚合完整、无重复拼接；回灌后能出最终回答
- worker.cancel() 能立即终止 LLM 流
- role_message 生效（模型自称"桌面陪伴小助手"）
- context 里只有一条 system 消息

三条最重要的结论
1. **不要装 pipecat-ai-flows**。Pipecat 1.10 内置 Flows（pipecat.flows），
   装了会报 _warn_if_standalone_flows_installed；且独立包 1.4.0 会把
   pipecat 从 1.10.0 降到 1.4.0。requirements.txt 已加说明。
2. **必须用 PipelineRunner().run(worker)**。直接 worker.run() 时 runner
   没挂上，工具执行失败并抛 "runner is not set; call attach() first"，
   该异常被转成给 LLM 的通用错误串，handler 从不执行，默认日志看不到。
3. **await flow.initialize(node)**。它是协程但签名显示 -> None，
   漏 await 不报错，只是 role_message/task_messages/工具全部静默失效——
   极易误判成"框架不支持这些特性"。

另两条
- respond_immediately 默认 True，initialize 会立刻触发一轮回复，
  做归因测试时必须清空观察窗口，否则会归因错。
- role_message（走 system_instruction）与 task_messages 各产生一条
  system 消息，两者不要同时用；切回本地 vLLM 时会 400。

LLMService 选择：复用 Pipecat 的 DeepSeekLLMService。它自带
DeepSeekLLMAdapter 处理 reasoning_content 回传约束（我们 P0 踩过的坑），
thinking 默认 disabled，与既有结论一致。代价是失去本地 vLLM 降级
（Flows 要求 LLMService 实例，FallbackProvider 不能直接用；且当前
本机 vLLM 已停用，fallback 实际无可用目标）。

环境：NLTK punkt_tab 本地也需预装（服务器已有），spike 加了 fail-fast
检查与拷贝命令提示。

requirements.txt

@@ -10,6 +10,10 @@ numpy==2.5.3
 aiohttp==3.14.3           # LLM 流式请求
 
 # 说明：
+# - **不要装 pipecat-ai-flows**。Pipecat 1.10 已内置 Flows（pipecat.flows），
+#   装了独立包 Pipecat 会报 _warn_if_standalone_flows_installed 错误提示卸载；
+#   而且独立包 1.4.0 会把 pipecat 从 1.10.0 降到 1.4.0。详见
+#   笔记库的 P1-Flows兼容性Spike结论.md。
 # - 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，