HANDOFF.md 12.7 KB

Edit Raw Blame History


lifelog-recorder — HANDOFF

Pixel 8 Pro 上 24/7 录音 + 本地中文 ASR + 时间轴 lifelog 应用。
接手前先把下面 §零 看完，免得踩坑。


§零 不可以的事 / 必读约束

不要把 Whisper 当默认 STT。Tensor G3 上 whisper-small 实测 RTF 1.76（0.57× realtime），跑不动。已确定走 sherpa-onnx + paraformer-zh int8，Tensor G3 实测 RTF 0.04（25× realtime）。
不要把模型文件提交到仓库。model.int8.onnx 是 232 MB，首次启动从 hf-mirror 自动下载到 app.filesDir/models/paraformer-zh/。app 内只内嵌 silero VAD（629 KB）+ sample.wav（3 MB）。
不要从 assets 加载 onnx：sherpa-onnx native 代码对 asset-mmap 有兼容问题（v1.13.2 上 silero VAD 直接 SIGSEGV）。已改成「assets 拷到 filesDir 后用 file path 加载」，见 RecorderService.runPipeline() 里 vadFile 那段。
Tensor G3 线程甜点 = 4。实测 paraformer t=4 比 t=8 快（8 时 1×X3 + 4×A715 协调开销大于收益）。改 ParaformerEngine.load(numThreads=4) 之前先 bench。
-G 3003（AID_INET）：跨设备 root + adb push 调试时，用 su 10288 -c 切换到 Termux uid 跑命令必须带 -G 3003，否则 DNS 全断。详见 ~/.claude/projects/-Users-yibo-Documents-aipcrm/memory/magisk-su-android-inet-group.md。
keys.properties 是 gitignored。模板在 keys.properties.example。讯飞凭证从 console 申请，写进去就行。
local.properties 也 gitignored。sdk.dir=/opt/homebrew/share/android-commandlinetools（macOS brew 路径，换机改这个）。


§一 这是什么
24/7 后台录音 → VAD 切段 → 本地 paraformer 中文 ASR → 入库 → 时间轴显示 → （未来）LLM 纪要。

完全本地，零云端依赖（讯飞客户端只作云复核 fallback）。
实测性能（Pixel 8 Pro / Tensor G3 / Android 16 BP2A）
模型冷启动:  1.3 s（一次性）
VAD 延迟:    <1 ms/30ms 帧
ASR:        20-32× realtime（典型段 1-10s → 50-300ms 转写）
APK 大小:    62 MB（含 34 MB sherpa-onnx .so + 0.6 MB silero VAD + 3 MB sample.wav）
模型下载:    232 MB（首次启动，hf-mirror.com，10-30 秒）


§二 核心文件（接手只看这些）
app/src/main/kotlin/com/lemon/lifelog/
├── LifelogApp.kt                — Application，建 NotificationChannel
├── MainActivity.kt              — Compose UI，时间轴 + 搜索 + 声纹 enroll dialog
├── service/
│   ├── RecorderService.kt       — 前台服务，pipeline 主体 ←★ 改 ASR 流程改这里
│   ├── RecorderState.kt         — StateFlow 把服务状态推到 UI
│   └── BootReceiver.kt          — BOOT_COMPLETED 自启 (Android 14 有 caveat 见 §七)
├── audio/
│   ├── AudioCapture.kt          — AudioRecord wrapper，emits FloatArray frames
│   ├── SegmentWriter.kt         — Opus encode via MediaCodec + Ogg muxer，~17× 压缩
│   └── SegmentPlayer.kt         — MediaPlayer 包装，Opus 段原音播放（系统原生支持）
├── asr/
│   ├── ParaformerEngine.kt      — sherpa-onnx paraformer 包装 ←★ 主 ASR
│   ├── SpeakerEmbedder.kt       — sherpa-onnx 3dspeaker campplus 192-d 嵌入 + cosineSim
│   ├── SpeakerMatcher.kt        — 回填工具：用当前 profile 集重算所有段的 speakerId
│   ├── ModelDownloader.kt       — 首次启动下模型（paraformer 232 MB + speaker 28 MB）
│   └── XfyunIatClient.kt        — 讯飞大模型 WS 客户端，仅 fallback / 云复核用
└── data/
    ├── Entities.kt              — Segment / Transcript / Summary / SpeakerProfile / TranscriptFts
    ├── Daos.kt                  — observeTimeline + searchTimeline (FTS4) + SpeakerDao
    ├── AppDatabase.kt           — Room v2，destructive migration（v0.3 schema 大改）
    └── Repository.kt


sherpa-onnx Kotlin 绑定：copy 自 k2-fsa/sherpa-onnx v1.13.2 的 android/SherpaOnnxAar/sherpa_onnx/src/main/java/com/k2fsa/sherpa/onnx/，整个目录原样塞进 app/src/main/kotlin/com/k2fsa/sherpa/onnx/，22 个 .kt 文件，不要手改（升级时整目录替换）。

JNI .so：app/src/main/jniLibs/arm64-v8a/，4 个文件共 34 MB。从 sherpa-onnx releases 下 sherpa-onnx-v1.13.2-android.tar.bz2，拷 jniLibs/arm64-v8a/ 进来。只装 arm64-v8a（在 app/build.gradle.kts 里 abiFilters 限制了，避免 APK 多出 100 MB）。


§三 改代码 → 装机器（开发内循环）
前置：Mac brew 装 openjdk@17（AGP 8.7.3 要 JDK 17）+ Android SDK（/opt/homebrew/share/android-commandlinetools）。
cd /Users/yibo/Documents/aipcrm/lifelog-recorder
export JAVA_HOME=/opt/homebrew/opt/openjdk@17
export PATH=$JAVA_HOME/bin:$PATH

# build (3-10s 增量, 60-90s 冷)
./gradlew :app:assembleDebug --no-daemon

# install + 授权 + 启动
adb install -r app/build/outputs/apk/debug/app-debug.apk
adb shell pm grant com.lemon.lifelog android.permission.RECORD_AUDIO
adb shell pm grant com.lemon.lifelog android.permission.POST_NOTIFICATIONS
adb shell am start -n com.lemon.lifelog/.MainActivity

# 看 pipeline 日志
adb logcat -v time -s RecorderService:V ParaformerEngine:V AudioCapture:V

# 手动启 service（绕开 UI 点按）
adb shell 'su -c "am start-foreground-service -n com.lemon.lifelog/.service.RecorderService"'


adb shell + su 走 Magisk root（Pixel 8 Pro 已 root，见 ~/.claude/projects/-Users-yibo-Documents-aipcrm/memory/ 里的 root 笔记）。
跳过模型下载（debug 加速）
模型 232 MB 第一次下要 10-30s。dev 时可以预先 push：
# 拷到 app 私有目录
adb push /tmp/pixel-root/sherpa/models/paraformer-zh.int8.onnx /sdcard/Download/m.onnx
adb push /tmp/pixel-root/sherpa/models/paraformer-zh-tokens.txt /sdcard/Download/t.txt
adb shell 'su -c "
  APP_UID=\$(stat -c %u /data/data/com.lemon.lifelog)
  mkdir -p /data/data/com.lemon.lifelog/files/models/paraformer-zh
  install -o \$APP_UID -g \$APP_UID -m 600 /sdcard/Download/m.onnx /data/data/com.lemon.lifelog/files/models/paraformer-zh/model.int8.onnx
  install -o \$APP_UID -g \$APP_UID -m 600 /sdcard/Download/t.txt /data/data/com.lemon.lifelog/files/models/paraformer-zh/tokens.txt
  chown -R \$APP_UID:\$APP_UID /data/data/com.lemon.lifelog/files/models
  rm /sdcard/Download/m.onnx /sdcard/Download/t.txt
"'


§四 架构链路
RecorderService.onCreate()
  ├─ startForeground(NOTIFICATION_ID, notification, TYPE_MICROPHONE)
  ├─ wakeLock.acquire()
  └─ scope.launch { runPipeline() }
        │
        ├─ ModelDownloader.ensure()             — 232 MB 模型在 filesDir 就 skip
        ├─ ParaformerEngine.load(numThreads=4)  — 加载 ~1.3s 一次性
        ├─ Vad(silero, 500ms silence, 300ms min, 30s max)
        ├─ capture.start(scope)                 — AudioRecord 16k mono PCM
        └─ capture.frames.collect { samples ->
              vad.acceptWaveform(samples)
              while (!vad.empty()) {
                val seg = vad.front(); vad.pop()
                handleSegment(seg.samples)
              }
           }
                │
                handleSegment(samples):
                  ├─ segWriter.write(samples) → WAV 到 filesDir/segments/YYYY-MM-DD/HH-MM-SS-MS.wav
                  ├─ engine.transcribeFloat(samples) → text
                  ├─ repo.segments.insert(Segment(..., audioPath, durationMs))
                  ├─ repo.transcripts.insert(Transcript(segmentId, text, "paraformer-zh-on-device"))
                  └─ RecorderState.onSegment(text, audioMs, wallMs)  → UI 实时刷新


VAD 参数（在 RecorderService.runPipeline 里调）：


threshold=0.5         — Silero 阈值
minSilenceDuration=0.5s — 500ms 静音才切段
minSpeechDuration=0.3s — 短于 300ms 的丢
maxSpeechDuration=30s  — 强切上限
windowSize=512         — Silero 输入窗口（32ms）


§五 §六 待办（按优先级）
✅ 已完成：


v0.2 (2026-06)：Opus 编码 / BootReceiver / 电池白名单
v0.3 (2026-06)：声纹识别（3dspeaker campplus）/ FTS4 中文搜索
v0.4 (2026-06)：段播放 (MediaPlayer Opus) / bottom sheet 操作菜单 / enroll 后自动回填老段


剩下：


LLM 纪要 worker：WorkManager cron。每小时 / 静音 30min 触发，按时间窗 group segments → POST 到 hermes gateway http://127.0.0.1:8642/v1/chat/completions（需要先把 hermes api_server platform 配置起来，见 ~/.hermes/config.yaml）。
存储 TTL：删超过 N 天的 .opus，文字永留。Periodic WorkManager job。
设置页：存储用量、模型切换、provider 切换、暂停时段配置（v1 定的 MVP 是「一键暂停就够」，但 v2 可能要细化）。
多 anchor 平均：现在 enroll 是单段单 anchor，可以「连选多段都标 我」自动算平均 embedding 提高匹配率。
回链 lemonPCRM：Transcript 提到的人名 / 项目 → GraphStore MENTIONED_IN 边。

存储预算（v0.2 后）

Opus 16 kbps mono = ~2 KB/s
VAD 后实际有效语音 ≈ 8 h/天
→ ~57 MB/天，~1.7 GB/月
转写文字（UTF-8 中文）≈ 30 字/秒 × 8h × 3600 ≈ 不到 1 MB/月

Android 14+ BOOT_COMPLETED FG service caveat
RecorderService 的 foregroundServiceType="microphone" 是受限 FG type。从 BOOT_COMPLETED 启动不保证总是成功——Android 14+ 的 ForegroundServiceStartNotAllowedException 可能扔出来（特别是首次重启、还没用过 app 的情况）。BootReceiver.onReceive 已 try/catch 兜底，失败时 log + no-op，用户开 app 手动点开始就能恢复。

实测 Pixel 8 Pro Android 16 BP2A 上重启后能自动续上（前提：app 已经至少打开过一次 + RECORD_AUDIO 已授）。


§七 调试陷阱清单（踩过的坑）


症状
原因
修法


Java_com_k2fsa_sherpa_onnx_Vad_newFromAsset SIGSEGV
onnx asset 在 APK 内被 aapt 压缩，native mmap 不开
已加 androidResources.noCompress.add("onnx")，但保险起见 VAD 还是走 file path（runPipeline 里 vadFile 那段拷贝）


Load model failed: Protobuf parsing failed
github.com/snakers4/silero-vad/raw/master/files/silero_vad.onnx 直接 GET 返回 HTML（GitHub LFS 拦截）
改用 https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/silero_vad.onnx


paraformer t=8 比 t=4 慢
Tensor G3 是 1×X3 + 4×A715 + 4×A510，跨集群协调开销大
numThreads=4


hf-mirror.com 偶尔 truncate
HF mirror 限速 / 中断
ModelDownloader 已带断点续传


am start-foreground-service 返回 "Requires permission not exported"
服务 android:exported="false"，adb shell 没权
用 su -c "am ..." 提权


adb shell 'su 10288 -c "..." 网络全断
Magisk su 没传 supplementary groups
加 -G 3003 -G 9997 -G 20<n> -G 50<n>


§八 重要外部依赖（断网 / 升级时关注）


资源
URL
用途
替代


sherpa-onnx Android
github.com/k2-fsa/sherpa-onnx/releases/v1.13.2
jniLibs + Kotlin 绑定
自 fork


paraformer-zh model
hf-mirror.com/csukuangfj/sherpa-onnx-paraformer-zh-2023-09-14
主 ASR 模型
huggingface.co 直连 / modelscope


silero_vad.onnx
github.com/k2-fsa/sherpa-onnx/releases/asr-models
VAD 模型（已内嵌）
自 build silero-vad export


Tsinghua Termux 源
mirrors.tuna.tsinghua.edu.cn/termux
（Pixel 端 root + Termux 套件用，跟本 app 无关）
bfsu / ustc


§九 给下一个接手 agent 的 prompt
你接手 lifelog-recorder（Pixel 8 Pro 上的 24/7 录音 + 本地中文 ASR app），
目录 /Users/yibo/Documents/aipcrm/lifelog-recorder/。

第一步按顺序读：
1. HANDOFF.md（本文件）—— 完整地图 + 避雷
2. app/src/main/kotlin/com/lemon/lifelog/service/RecorderService.kt —— pipeline 主体
3. app/src/main/kotlin/com/lemon/lifelog/asr/ParaformerEngine.kt —— 核心 ASR

环境：
- macOS + brew openjdk@17 + Android SDK at /opt/homebrew/share/android-commandlinetools
- Pixel 8 Pro 已 root (Magisk)，adb 直连
- 用户在 ~/.zshrc 有 CLAUDE_CODE_OAUTH_TOKEN

bot 现在跑得起来（v0.1 闭环已通），但还差几件让它能脱离 dev 环境 24/7
跑的事，按 §五 §六 优先级做。改完任何 .kt 要：

  ./gradlew :app:assembleDebug --no-daemon
  adb install -r app/build/outputs/apk/debug/app-debug.apk
  adb logcat -v time -s RecorderService:V ParaformerEngine:V

读完先回我：(a) bot 当前在不在跑（adb shell dumpsys activity services
com.lemon.lifelog），(b) 你建议先做 §五 里哪 1-2 项，理由。