修复 Pipecat 实时链路并补齐网页测试

部署说明.md

@@ -61,7 +61,7 @@ DoA 读取和网络桥接，不跑任何推理。
 │   ├── memory/            接口 + SQLite 实现
 │   ├── identity/          接口 + 手动切换实现
 │   ├── voice/             STT / TTS（本地 + 远端两种后端）
-│   └── tests/             4 个测试，共 88 项断言
+│   └── tests/             5 个测试脚本（含传输适配层回归）
 ├── models -> ~/ai_companion_bench/models    软链，未重复占用
 └── .venv/                 608MB（Python 3.12）
 
@@ -100,7 +100,7 @@ TTS 的线程扩展方向又和 STT 相反（越多越快）。
 cd ~/tts-qwen && setsid nohup .venv/bin/python tts_server.py --port 18040 \
   > logs/tts_service.log 2>&1 < /dev/null &
 
-# 2. （可选）Pipecat 传输层服务端 —— 实验状态，帧路由未通
+# 2. Pipecat 实时服务端（含 /client/ 网页测试入口）
 cd ~/ai-companion && setsid nohup .venv/bin/python services/bot_server.py \
   --host 0.0.0.0 --port 7860 > logs/bot_server.log 2>&1 < /dev/null &
 
@@ -160,28 +160,39 @@ rsync -az --delete --exclude '__pycache__' --exclude '*.pyc' \
     （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。
 
-## 当前卡点：Pipecat 帧路由未通
+## Pipecat 实时链路状态
 
-2026-09-15 的传输层实验：**传输层跑通（信令/ICE/data channel/双向媒体轨），
-但帧送不进自定义处理器**——`process_frame` 调用次数为 0，引擎从未运行。
+2026-09-15 已闭环：`PipelineWorker` 自动启动，音频帧进入自定义处理器，完整
+STT → DeepSeek → Qwen3-TTS → WebRTC 返回非静音语音。保留 RTVI 与 `/client/`
+网页测试入口，并补齐 Playground 启动所需的 `/start`；架构确定采用
+“Pipecat 管传输，自有引擎管语义”的 A 方案。
 
-现象：连接全对、音轨协商成功、助手永远不说话，**日志里一条错误都没有**。
+原帧路由问题的根因是 NLTK `punkt_tab` 首次运行下载拖住 Pipecat 预热，导致
+20 秒 setup timeout；不是框架不支持自定义处理器。服务器已把数据预装到权限 700 的
+`~/.local/share/ai-companion/nltk_data`，服务启动时会 fail-fast 检查。
 
-这直接影响 A/B 架构方案（A：Pipecat 只做传输；B：按框架 service 模型重构）。
-根因未定位。完整记录见 Obsidian 笔记库里的 `P0-Pipecat传输层实验报告.md`。
+单次文件音频实测：源音频结束到客户端首个非静音约 5.8 秒；其中包含约 0.7 秒
+VAD 等待，当前仍高于 P1 的 2 秒目标，需要后续单独优化。完整记录见 Obsidian
+笔记库里的 `P0-Pipecat传输层实验报告.md`。
 
-**注意** `services/bot_server.py` 里目前还带着 `[诊断]` 前缀的日志，
-是留给下一轮排查用的，定位后应清理。
+2026-09-16 通过 SSH 隧道打开 `http://localhost:7860/client/` 真人实测成功；补齐
+Playground 使用的 `/start` 后，浏览器麦克风、RTVI、语音回复均正常，单轮服务端
+指标约 3.0 秒。当前是 P1 调试模式：连接后持续上传并响应每段有效语音，尚未实现
+P2 的本地唤醒和 20 秒连续对话窗口。
 
 ## 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）
-- **没接 Pipecat 管线**：引擎与传输解耦，接 WebRTC 时写薄适配层即可
+- **网页 HTTPS 尚未启用**：`/client/` 已挂载且 HTTP 返回正常，但浏览器远程取麦克风
+  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
 - **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
   "删除我的数据"要跨两台机器协调，这个数据边界问题需要单独想
-- **代码仍在 note_sync 笔记仓库里**，未拆成独立仓库
+- **代码与设计文档分属两个仓库**：实现位于 `ai-companion`，设计记录位于
+  `note_sync`，状态变更需同步更新两边
 
 ## 相关文档