# AI 桌面陪伴助手 · 代码说明

**架构一句话**：服务器是助手，本地是客户端。
助手本体（会话引擎、记忆、身份、STT/TTS 调度）跑在 cadadmin-server；
N5095 只做 USB 外设接入和网络桥接。理由与实测见 `P0-语音基准报告.md`。

运行方式与配置见 `部署说明.md`；总体方案见 `AI桌面陪伴助手方案.md`。

## 目录结构

```
app/                    助手本体（部署到服务器）
├── config.py           配置。全部可用环境变量覆盖——部署时不改代码
├── prompts.py          提示词构造。单条 system 每轮重建
├── engine.py           会话引擎：身份 → 记忆 → LLM → TTS 的核心回路
├── llm/                LLM 抽象与后端
│   ├── base.py         接口 + SSE 解析 + 消息归一化
│   ├── local_vllm.py   本机 vLLM（Qwen3.8-27B，已停用）
│   ├── deepseek.py     DeepSeek 云 API（当前主用）
│   └── __init__.py     工厂 + 降级路由
├── memory/             记忆
│   ├── base.py         接口。**按"可能远程"设计**——全 async、可超时、可失败
│   └── sqlite_store.py SQLite 实现
├── identity/           身份
│   ├── base.py         接口。人脸只提供候选，**不自动切身份**
│   └── manual.py       首版实现：显式切换 + 访客兜底
├── voice/              语音
│   ├── stt.py          sherpa-onnx 流式 Zipformer（CPU）
│   ├── tts.py          本地 vits-zh-ll（sherpa-onnx）
│   └── remote_tts.py   Qwen3-TTS 远端服务适配（当前主用）
└── tests/              4 个测试，共 88 项断言，全部无需硬件

services/
└── tts_server.py       Qwen3-TTS 服务（跑在 ~/tts-qwen，独立 venv）

p0/                     P0 阶段的验证与基准脚本（保留用于复现）
├── verify_deepseek.py  DeepSeek 四条路径
├── verify_local_llm.py 本机 Qwen3.8-27B
└── stt_tts_bench/      STT/TTS 基准、模型下载脚本、线程扫描
```

## 测试

```bash
# 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_identity.py     # 17 项
.venv/bin/python app/tests/test_engine_e2e.py   # 16 项，端到端
```

端到端测试**不需要麦克风、音箱、摄像头、ESP32**——
这是"服务器即助手"架构的直接好处：链路可以在任何有 CPU 的地方验证，
硬件到货后再接最后一段。跑完会把合成音频写到 `out/`，可以人工试听。

## 设计上几个刻意的选择

**接口按最坏情况设计。** `MemoryStore` 全是 async、可超时、可失败，
虽然现在背后是本地 SQLite（微秒级）。因为将来多设备共享记忆时要搬到服务器，
如果现在写成同步直连本地文件，那时要重写所有调用方。

**身份、会话、视觉追踪三者分开。** `user_id`（永久身份）、`session_id`（一次会话）、
`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。

**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
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"。

**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。

**引擎与传输解耦。** 不依赖 Pipecat、不依赖任何传输方式，只依赖四个接口。
好处：可以用文件音频端到端测试；接 WebRTC 时只需写薄适配层。

## 踩过的坑

全部写在对应文件的注释里，这里只列索引，详见 `部署说明.md` §已知的坑：

- 本机 vLLM 只接受一条 system 消息（多条 400）
- 思考字段名 vLLM 用 `reasoning`、DeepSeek 用 `reasoning_content`
- DeepSeek 默认开思考，多轮/工具回灌会 400；且思考会吃掉 `max_tokens`
- `max_num_sentences=1` 静默截断多句输入
- VITS 非自回归，首音 = 整句合成耗时
- Qwen3-TTS 短句 RTF 反而最差（固定开销约 1 秒）
- qwen-tts 与 vllm-omni 依赖互斥，必须分 venv
- STT 与 TTS 的线程扩展方向相反