宜博 / lemonacp

弃掉「录一句、转一句、实时聚类」——短句(0.3-30s) embedding 噪声大，实时滑动
聚类把噪声平均进 anchor，是声纹串人的根因。改为：

录音端(RecorderService)：VAD 只负责存语音 + 检测块边界，删掉实时 transcribe/
embed/clusterer.assign。块关闭条件：静音≥5min 或 块时长≥10min(长会议保活)。
  - BlockBuffer：speech-only PCM 追加 + manifest(run 偏移→真实时间)；崩溃重启
    listPending 续处理。
处理端(BlockProcessor)：整块 pyannote 分轮 → 每 turn 切片 paraformer 转写 +
CAMPPlus 嵌入 + 全局 anchor 匹配 → 写 turn 行(turn = 时间轴一行)。pyannote
缺失则降级整块单 turn。块处理与采集解耦(Channel 顺序消费)，不阻塞录音。

embedding 从源头是单说话人干净切片，不再被实时逐句污染。SpeakerClusterer.assign
也加 L1 冻结(命名 anchor 不漂移)。废弃旧的周期 DiarizationWorker(块创建即
diarize)，删 DiarizationScheduler/Worker；纪要按钮不再触发它。

实测(95s 真实会议块)：13 段语音 → 24 个干净不重叠 turn，逐 turn 带说话人+文字。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

把「人物」做成微信通讯录样式 + 联系人档案页（以人为中心聚合的地基）。

- data：Person 加微信资料字段(nickname/remark/alias/pinyin/pyInitial/phone) + 迁移 v5→v6；
  PersonDao observe(id) / updateContactInfo；SegmentDao observeBySpeaker(声纹→录音)
- WeChatEnrollWorker 重写两段：Pass1 给**全部真人联系人**upsert 资料(通讯录全员可见)，
  Pass2 仅对有脸头像建 faceEmbedding 锚点。幂等
- ContactList：搜索 + 拼音 A–Z 粘性分组 + 头像 + 人脸/声纹标，点进档案页
- PersonProfileScreen：头像 + 微信名/备注/微信号 + 声纹绑定 + 关联照片列表 + 录音列表
  （录音 = segments.speakerId=person.voiceSpeakerId，绑声纹后出现）
- 标注对话框改可滚动/搜索/固定底部按钮（联系人多时不再卡死）
- extract 脚本补全字段(nickname/remark/alias/pinyin)

实测：4357 真人联系人入通讯录(1339 人脸锚点)，A–Z 分组 + 头像 + 档案页正常。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

单段注册的 anchor 太弱：实测「宜博」「秦子琛」两个单段 anchor 余弦只隔 0.53，
高度混淆，导致段被错派。L2 把 anchor 从「单段」升级为「该人名下全部段的均值」：

- SpeakerClusterer.rebuildAnchor(repo, speakerId)：取该说话人所有带 embedding 段
  的均值、L2 归一化写回质心（sampleCount 同步）。
- SegmentDao.embeddingsForSpeaker(speakerId)：拉该人名下段 embedding。
- 触发点：重命名（命名即确认身份）、合并（成员集变大）后各 rebuild 一次。

配合 L1 冻结不漂移：anchor 干净（多段均值）且稳定（不被相邻说话人污染），
用户「听一段→命名/合并→重新聚类」即可把历史漂移搞坏的 anchor 一次性纠正。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

reclusterAll 原本对命中的簇一律滑动均值精修质心。问题：人工命名的 anchor
吸入相邻说话人的段后，质心会朝其漂移、再吸走更多 → 雪球式吞并（实测「秦子琛」
把「宜博」从 ~125 段啃到只剩 56）。

改为：命中人工命名 anchor 时只归属、**冻结质心不漂移**（autoIndexOf==null 判定）；
自动簇仍滑动均值。anchor 始终保持用户标定方向，不被相邻说话人污染。

实测确认生效：冻结后「秦子琛」anchor 不再吞并，各簇内聚 0.76-0.82 干净分离。
注：此改动也暴露出历史漂移已把存量 anchor 的 embedding 平均坏了（连本该代表的
主说话人都匹配不上），需 L2 多 anchor 重注册给出干净 anchor。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

底部导航 7 → 5：录音 / 对话 / 纪要 / 相册 / 设置。
- 「录音」页顶部 TabRow 切 录音 / 时间轴
- 「纪要」页顶部 TabRow 切 声纹 / 纪要
- 跨页跳转保留：声纹点某人 / 纪要点要点 → 自动切到「录音」页的时间轴子 tab

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

整场会议不再截断在前 ~140 段：按 3min speech 分块独立 diarize（块内说话人
index 不跨块，身份交全局 reclusterAll），断点 cursor 持久化到 prefs，下轮从
上次中断的段续跑而非重头。

修卡死真 bug：WorkManager 对每个 worker 有 10min 硬上限，原来 8min 大 chunk
一次 diarize 逼近上限被系统 kill、cursor 写不回去 → 永远卡在同一段。改成
3min chunk + 5min 预算，一轮跑完多块、多次写 cursor，绝不撞红线。实测 473 段
真实会议 4 轮自动跑完（142→232→336→424→done）。

SettingsScreen 阈值下拉补 0.35/0.40（0.4 过合并、0.55 过分裂，甜点 ~0.45）。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

把微信联系人头像建成人脸锚点，照片处理时自动认出"这是谁"，标注时直接带名字。

- data：Person 加 faceEmbedding 锚点字段 + 迁移 v4→v5（ALTER 加 BLOB 列，
  DDL 对过 Room；真机迁移零数据损失）；PersonDao anchors/getByContactRef
- FaceMatcher：gallery 统一 = 人物锚点(头像) + 已标注脸样本；match() 共享余弦匹配；
  PhotoProcessor 改用统一 gallery
- WeChatEnrollWorker：读 filesDir/wx_enroll/(enroll.json + 头像) → 对每张头像跑
  **端上 FaceEngine**(必须同引擎才能跟照片人脸比)，恰 1 脸就建 Person(name,
  contactRef=wechat:wxid, avatarPath, faceEmbedding)。幂等、单轮预算 8min、retry 续
- UI：人物页「从微信导入联系人」按钮；人物卡片标注「微信/声纹」来源
- server/services/wechat/extract-wechat-avatars.py：Mac 侧提取脚本
  （sqlcipher 解密 EnMicroMsg.db → rcontact⨝img_flag 筛真人 → 下载头像）

实测：4338 真人联系人，头像有脸覆盖率 41%(1796/4337)，端上 90s 建 284 锚点（继续后台跑）。
头像/姓名属敏感 PII，存 _wx_enroll/ 已 gitignore。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- 新增「相册」tab（照片 / 人物 两子页）
- 照片：Coil 网格 + 人脸数徽标；「+导入照片」走系统相册选择器，导入瞬时完成、
  后台识别（显示「待处理 N」）
- 照片详情：大图 + 时间/GPS + Qwen-VL 场景描述 + 人脸列表，点脸 → TagFaceDialog
  标注（选已有人物或新建），自动回填同一人到其它照片
- 人物：人 → TA 的照片，可重命名；预留「已绑声纹」展示（融合声纹下一步）
- PhotologViewModel：导入登记 + 标注/回填，随 Activity 存活

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

以「人」为中心融合身份的相册基础（声纹那套的人脸版）：
- data：persons/photos/faces 三表 + 增量迁移 v3→v4（DDL 对过 Room，真机零数据损失）
- vision/FaceEngine：ML Kit 检测+5点 → 相似变换对齐 → TFLite MobileFaceNet 512维
  embedding（同人 0.976/异人 0.127，embed 44ms）。**不用 onnxruntime-android**——
  它和 sherpa 自带 libonnxruntime.so(自定义符号版本)无法共存，会弄坏音频
- vision/VisionClient：经 llama-swap 8080 的 vl 端点(Qwen2.5-VL-3B)出场景描述，只描场景不报人名
- vision/PhotoProcessor：人脸+embedding+VL+EXIF → 更新 photos 行 + 写 faces + 匹配 Person
- vision/PhotoWorker + PhotoScheduler：导入只瞬时登记，重活交后台 worker 定时/闲时处理
  （15min periodic + 导入触发 runNow，单轮 7min 预算，防并发），不阻塞导入
- vision/FaceMatcher：标注一张脸 → 回填其它照片同一人（同声纹回填）
- ImageUtil：EXIF 时间/GPS、按方向解码、降 512px 喂 VL、embedding 打包
- 模型 w600k_mbf.tflite(6.5MB) 进 assets（实测还原 onnx cos=1.0）

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

解决 v1 的说话人爆炸（98）+ 内存崩溃：

- 不再每会话贪心建全局说话人。改为：diarization 给每段存"干净"的
  dominant-turn embedding（覆盖实时的混合 embedding），run 末尾跑一次
  SpeakerClusterer.reclusterAll 做全局聚类（本就全局 + 保留人工命名锚点）。
- 修 OutOfMemoryError：拼接会话音频原用 ArrayList<Float>（每 float 装箱 16B，
  6min 会话 ~92MB 垃圾）→ 改 List<FloatArray> 一次性 copy；AudioDecoder
  的 ArrayList<Short> → ByteArrayOutputStream。MAX_CONCAT 18→10min 留余量。

注：Daos.SegmentDao.updateEmbedding 这一行（diarization 需要）未在此 commit，
随 photolog WIP 一起；提交 photolog 时带上即可。

实测：无 OOM；但说话人仍 89——因单轮 7min 预算只 diarize 了 3/14 会话，
其余仍是脏 embedding。periodic 多跑几轮全部 diarize 后才会真正收缩。
有声书测试数据本就对声纹是地狱级，真实多人数据 + 阈值微调是正路。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

逐 VAD 段单 embedding 的实时方案无法处理「一段几秒内多人说话」（混合 embedding=噪声）
+ 在线贪心聚类过度合并。改为会话级批处理重跑（与纪要 worker 同构）：

- DiarizationEngine：sherpa-onnx OfflineSpeakerDiarization（pyannote 分割检测
  说话人变更点+重叠 → CAMPPlus embedding → FastClustering 自动聚类）。
- AudioDecoder：.opus(Opus-in-Ogg) → 16k mono PCM（MediaCodec，含 48k→16k 重采样 + 下混）。
- DiarizationWorker：每个已结束/未 diarize 会话 → 解码拼接 → diarize → 局部说话人
  桥接全局 SpeakerProfile（复用 SpeakerClusterer）→ 段按重叠最大 turn 重标。
  AtomicBoolean 互斥 + 7min 预算 + 进程内 idempotency(prefs)。
- DiarizationScheduler：periodic 15min(UPDATE) + 「现在跑一次」一并触发。
- ModelDownloader.ensurePyannoteModel：首启下 pyannote-seg(~6MB)。

实测端到端通：56 段会话 → 44 turns、检测出多说话人（核心能力达成）。
已知待调（非 bug）：
- 测试数据是有声书(一人配几十角色)，对声纹是地狱级输入 → 全局说话人偏多(98)。
  需在真实多人录音上验证；threshold 走设置页可调。
- 全局身份桥接现为贪心 match-or-create，易累积；v1.1 应改全局重聚类。
- 段内多说话人 v1 先归主导 turn，不拆分+重 ASR（v2）。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- LifelogRetriever：「lifelog 模式」开关下，发送前本地检索纪要 + 转写拼成
  system context 注入（本地 2B/4B 和 Hermes 通用，不落库）。中文用 bigram +
  重叠打分召回（FTS4 unicode61 对中文短语不命中），命中多者优先、抑制单 bigram 噪声
- Daos：加 timelineList / searchTextLike / summaries.recentList 三个 suspend 检索方法
- ChatViewModel：会话状态搬进 VM（随 Activity 存活）。修复切 tab 回来：
  流式请求被取消(viewModelScope 不取消) / 变成新会话 / lifelog 开关重置——
  currentConvId / selectedTargetId / lifelogMode 均持久化到 prefs，重启也记住
- 键盘 inset：Activity setDecorFitsSystemWindows(false) + manifest adjustResize
  + Scaffold imePadding，键盘弹出时整个界面（含底部 tab）抬到键盘上方、可见

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

只有结果 list 看不出 worker 有没有正常跑（periodic 经常 0 篇——会话没结束）。
加一条持久化执行记录，确认「几点几分跑了、几个会话→几篇」。

- SummaryRunLog：singleton + lifelog_prefs(JSON) 存最近 50 次执行；
  StateFlow 供 UI 实时刷新，prefs 保证重启不丢。
- SummaryWorker：每次 doWork 跑完（含 0 段早退）记一行 Run(ts/made/skipped/
  total/secs/backend/trigger)；trigger 区分 auto(periodic)/manual。
- SummaryScheduler.runNow：标 trigger=manual。
- SummariesTab：折叠「执行记录（N）· 上次 HHss → M篇」，展开看历次。

验证：手动触发 → prefs 记 {made:0,skipped:9,total:9,trigger:manual} → UI 正常显示。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

新增第 6 个 tab「设置」(SettingsScreen.kt)，把散落各处的配置收进一页：
- 纪要：会话间隔 / 自动跑周期(改完即重排 WorkManager) / 会话最短语音 / 后端模型(2B/4B/Hermes)
- 声纹：聚类阈值(0.45–0.65)
- 本地模型端点：baseUrl / 2B / 4B model 名(ChatConfig)
- 录音/电池：白名单状态 + 申请

配套把写死的参数改成可配：
- SummaryWorker：KEY_PERIOD_MIN / KEY_MIN_SPEECH_SEC，min-speech 从 prefs 读
- SummaryScheduler：周期从 prefs 读(默认 15，硬下限 15)
- SpeakerClusterer：thresholdFromPrefs()，RecorderService 的 live 聚类器 +
  SpeakersTab 的 reclusterAll 都用 prefs 阈值

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- §六 加最易混淆点：纪要 WorkManager periodic 每 15min（Android 硬下限，
  改间隔须 UPDATE 策略）自动扫已结束会话；UI「会话间隔 10min」是切分规则，
  与跑纪要频率无关。附 502 并发坑的解法（AtomicBoolean + 7min 预算 + 不 retry）。
- 文件清单：SummaryScheduler/Worker 描述同步（互斥/预算/15min）+ 补 SummaryProgress。
- 纪要后端接线改为「UI 可选 2B/4B/Hermes，经 ChatConfig 解析」。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

之前 periodic 是 1 小时一次，体感像「不自动跑」。注意 UI 里的「10 分钟」
是会话切分间隔（多长静音算另一场），不是跑纪要频率，两者无关。

- 周期 1h → 15min（WorkManager periodic 硬下限，做不到正好 10min）。
- ExistingPeriodicWorkPolicy KEEP → UPDATE：否则旧 1h 排程不被新间隔覆盖。
- worker 已自带并发互斥 + 7min 时间预算，15min 频繁触发不会堆积。

验证：jobscheduler 显示 SummaryWorker 下次 ~14min 后触发。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

实测：periodic + one-shot + RETRY 死循环并发打同一个 2b 上游 → llama-swap
proxy context-canceled → 502，纪要永远生成不出来（console 卡「运行中」）。

- 进程内 AtomicBoolean 互斥：同时只跑一个 worker body（enqueueUniqueWork
  只能去重同名 one-shot，挡不住 periodic）。
- 单轮时间预算 7min：超了停、剩余会话下轮继续，避开 WorkManager ~10min
  执行上限被中途 kill（→ context canceled → 502）。
- 失败不再 Result.retry()：未处理会话靠下一轮 periodic / 手动重跑捡，
  不再 hammering。

验证：单 worker 跑 56 段会话，llama-swap 返 200，本地 2B 纪要落库。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- SummaryWorker: 后端从 SharedPreferences 读 ChatTarget.id（local-2b/4b/hermes），
  经 ChatConfig 解析端点/model（与对话共用配置），不再写死 2B。
- SummaryProgress：新增 worker→UI 进度 singleton（同进程 StateFlow），
  worker 每步发 line（开始/会话生成中/✅完成 Ns/❌失败/跳过统计）。
- SummariesTab：加「纪要模型」下拉（2B/4B/Hermes，存 prefs）+ 进度 console
  （滚动框，最新在上）+「现在跑一次」运行中转圈禁用。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- HermesClient: 加 chat_template_kwargs.enable_thinking=false —— 纪要走本地
  Qwen3.5，不需要 <think>，关掉省 token/发热（Kimi 等不认会忽略）。
- SpeakerClusterer: MATCH_THRESHOLD 0.5 → 0.55 —— 0.5 偏松过度合并
  （4B 测试「说话人4」吃了 23 段），收紧分得更细。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- CLAUDE.md：版本表 v0.1→v0.6；架构骨架补 SpeakerClusterer 在线聚类、
  5-tab UI、会话级 SummaryWorker、ChatScreen 多端点；新增「本地 LLM 栈」段
  （llama.cpp HEAD + llama-swap 8080 跑 Qwen3.5 2b/4b）；未来计划标注已完成项。
- HANDOFF.md：§一 现状改写；§二 文件清单补 chat/ summary/ SpeakerClusterer/
  HermesClient，AppDatabase 改 v3+迁移；§五 加 v0.6 已完成项；
  新增「§六 本地 LLM 栈」接手要点（部署/接线/thinking 坑/G3 实测速度）。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- ChatClient: 本地 Qwen 目标加 chat_template_kwargs.enable_thinking=false
  （Hermes/Kimi 不认会忽略，故只对 LOCAL 加）；修 parseDelta —— delta.content
  为 JSON null（思考阶段/role-only 首块）时跳过，不再因 org.json.optString
  返回字面 "null" 污染回复开头。
- SummaryWorker: 纪要后端解耦到本地 llama-swap（LLM_BASE_URL=8080 / LLM_MODEL="2b"），
  独立于 keys.properties——那个留给聊天的 Hermes 选项（8642 网关 → Kimi）。
- AppDatabase: 删掉 fallbackToDestructiveMigration 改 fail-loud（已有 MIGRATION_2_3；
  以后改 schema 不写迁移直接抛异常，绝不再静默清掉真实录音）。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- SummaryScheduler.runNow 改 enqueueUniqueWork(KEEP)：在跑/排队时重复触发直接忽略，
  避免并发跑出重复纪要
- SummaryWorker：单篇喂 LLM 的转写条数上限 150，超长会话均匀抽样（覆盖整段、时间戳
  保真），防止 prompt 撑爆上下文 / 端侧 prefill 过慢

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- 首页 tab 改名「录音」，新增「对话」tab（ChatGPT 式：抽屉历史 / 气泡 / 流式 / 输入框）
- chat/ChatConfig：聊天对象 = OpenAI 兼容端点 + model；本地 2B/4B 共用一个 llama-server
  端口按 model 热切换，Hermes 走 gateway 8642；本地 baseUrl/model 名 app 内 ⚙ 可改
- chat/ChatClient：SSE 流式逐 token，端点不支持流式时自动降级整段解析
- 持久化到 Room：chat_conversations / chat_messages 两表，切换对象记到会话 targetId
- data：AppDatabase 加 MIGRATION_2_3（纯增量加表），修复 fallbackToDestructiveMigration
  在 24/7 RecorderService 重装时静默清库的风险

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

记录 2026-06-04 打通的 lifelog 纪要端到端链路与两项优化：

- HERMES_AGENT_PIXEL_SETUP.md 新增 §3「作为 lifelog 纪要后端」：
  开 api_server（API_SERVER_* env，key 与 lifelog 一致）、精简 token
  （platform_toolsets.api_server=[] + skills.platform_disabled → 12,500→399）、
  Magisk service.d 自启（su 在 /system_ext/bin/su 的坑、动态 uid）、端到端验证
- HANDOFF.md §五：第5项 gateway 自启标记完成（service.d，非 Termux:Boot），
  补 token 精简必做项、Kimi provider 配置交叉引用、api_server 出口被掐排错

API key 用占位符，未写真实凭证。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

- 声纹方案 B：新增 SpeakerClusterer 在线增量聚类，按余弦相似度自动发现
  「说话人N」，capped 滑动均值精修质心并写穿 speaker_profiles；
  reclusterAll() 一键对历史段重聚类。不改 schema。
- UI 重构为 4 个底部 Tab：首页 / 时间轴 / 声纹 / 纪要。
- 时间轴：FTS 中文搜索 + 按说话人/时间范围/未匹配低置信筛选 + 排序切换，
  全 CRUD（删段 / 改派说话人 / 订正转写 / 记为新说话人），批量选择删除 / 导出。
- 声纹 Tab：说话人列表（归属段数）、重命名 / 合并 / 删除、点击筛选时间轴。
- 真暂停：RecorderService 加 PAUSE/RESUME，停采集但 paraformer/VAD/聚类器常驻，
  秒级恢复；RecorderState 加 isPaused。
- 纪要会话化：SummaryWorker 改为按时间间隔（UI 可调，默认 10min）自动切会话，
  每场连续录音单独成篇，只总结已结束会话，时间范围重叠判重幂等。
- 纪要列表折叠显示「从 xx 到 xx · N 段 · 说话人名单 · 时长」，点开看 markdown。
- 纪要要点带 [HHss] 来源时间戳，点击跳回时间轴对应段并高亮（含跨午夜处理）。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

设备侧 hermes api_server platform 配置（HANDOFF §五新增详细步骤）：
- ~/.hermes/.env 加 API_SERVER_ENABLED + HOST + PORT + KEY + MODEL_NAME
- pip install anthropic（kimi-for-coding 走 Anthropic-compat 协议层）
- setsid + disown 启动避免 adb shell 退出时 SIGTERM 杀掉 gateway

App 侧：
- BuildConfig 增加 HERMES_API_URL / HERMES_API_KEY / HERMES_MODEL
- keys.properties.example 同步样本
- HermesClient.kt: minimal OkHttp 客户端，POST /v1/chat/completions +
  Bearer auth；JSONObject 拼请求 / 解 choices[0].message.content
- SummaryWorker.kt (CoroutineWorker):
  - 滑动 1h 时间窗；speech < 60s 直接 skip
  - 拉 Transcript + speaker name 拼用户提示
  - system prompt 要求 markdown 出「主题概括 / 关键要点 / 人物 / 地点 / 待办」
  - 写 Summary 表（windowStartTs, windowEndTs, markdown, model）
- SummaryScheduler.kt: enqueueUniquePeriodicWork 每小时（KEEP）+
  OneTimeWorkRequest（按钮触发）
- LifelogApp.onCreate 启动时 schedulePeriodic
- MainActivity: 新「纪要」section + 「现在跑一次」按钮 + SummaryCard 列表
- AndroidManifest android:networkSecurityConfig 开 127.0.0.1 + localhost
  cleartext 豁免（OkHttp 默认禁 HTTP，loopback 也禁）

实测：60min 窗 / 172 段 / 709s 语音 / Kimi 14.3k prompt token / 649
completion → 一份 markdown 纪要正确分辨出「电影解说 + 修仙网文」两段
内容，按要求列出主题/要点/人物/地点/待办 5 个 section。

HANDOFF.md §五 LLM 纪要 worker 移到「已完成」；下一档是存储 TTL /
设置页 / 多 anchor 平均 / lemonPCRM 回链 / hermes 自启。

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

闭环 v0.3 的两个自然延伸：

- SegmentPlayer.kt: MediaPlayer 包装，Opus 段原音播放
  Android API 21+ MediaPlayer 原生解码 Ogg-Opus，验证 logcat 见
  「MetaDataBase: OpusHead..  mime: audio/opus  brte: 16000  #chn: 1」
  音频属性设 USAGE_MEDIA + CONTENT_TYPE_SPEECH，单实例复用

- SpeakerMatcher.kt: backfillAll() 遍历所有有 embedding 的段，重算
  最近邻 profile + cosine 距离；threshold 0.5 复用 RecorderService
  里的逻辑；只更新变化的行（避免 Room 全表写）
  enroll 落库后 MainActivity 自动 launch 调用

- MainActivity: 时间轴 tap row 不再直接弹 enroll dialog，改为
  ModalBottomSheet 出「▶ 播放原音 / 记为说话人」二选一
  TimelineRow 加 isPlaying 状态指示，正在播放的段前缀 "▶ "
  DisposableEffect 在 onDispose 调 player.stop() 防泄漏

HANDOFF.md §五 更新（v0.4 移到「已完成」），加 SegmentPlayer.kt +
SpeakerMatcher.kt 到文件清单。

实测（Pixel 8 Pro，电影 audio 输入）：
- 段 #11-14 显示 "未匹配 (0.09-0.13)" — 电影角色声纹与 Me anchor
  cosine 远低于 0.5 → 正确拒绝匹配
- 段 #13 19s opus 文件 MediaPlayer 立刻播放，文件 ~38 KB

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

声纹（用户语音里提了 3 次的 feature）：
- SpeakerEmbedder.kt: sherpa-onnx SpeakerEmbeddingExtractor 包装
  3dspeaker CAMPPlus 16k zh-cn 模型（28 MB int8 ONNX），192 维 embedding
- ModelDownloader.ensureSpeakerModel(): 首次启动从 hf-mirror.com 自动下
- Segment 实体加 embedding/speakerId/speakerSim 三列
- SpeakerProfile 实体（id/name/embedding/sampleCount/createdAt）+ SpeakerDao
- RecorderService.handleSegment 每段算 embedding + 与已注册 profiles 算
  cosine，threshold ≥0.5 才 assign
- RecorderService 通过 speakers.observeAll() 实时 reload profile 缓存
- MainActivity 点时间轴段 → AlertDialog 输入名字 → 创建 SpeakerProfile
- TimelineRow 显示 "name (sim=0.xx)" 或 "—" / "未匹配 (0.xx)"

FTS4 全文搜索：
- TranscriptFts 实体用 @Fts4(contentEntity=Transcript, tokenizer="unicode61")
  Room 自动建虚表 + 同步触发器，unicode61 把中文字当 token
- searchTimeline DAO 查询 JOIN transcript_fts MATCH :query
- MainActivity 顶部 OutlinedTextField 实时切换 timelineFlow
- sanitizeFtsQuery 给每 token 加 * 做前缀匹配，剥掉 FTS metachars

Schema:
- AppDatabase v1 → v2 + fallbackToDestructiveMigration（v0.3 dev 数据可丢）
- 新增 SpeakerProfile + TranscriptFts 虚表 + Segment 三列

HANDOFF.md §五 更新：声纹 + 搜索移到「已完成」，下一档变成 LLM 纪要
worker / 存储 TTL / 段播放 / 多 anchor 平均 / lemonPCRM 回链。

实测（Pixel 8 Pro Tensor G3，Android 16）：
- speaker model load: 441 ms
- embedding 计算开销 ~10-30 ms/段，跟 paraformer 同期完成
- enroll "Me" anchor → 后续段在 logcat 见 "speaker=Me sim=0.xx"

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

让 v1 真能脱离开发环境 24/7 跑的最后三公里：

- SegmentWriter 改 Opus（MediaCodec audio/opus encoder + MediaMuxer OGG）
  ~17× 压缩，~2 KB/s 实测（vs WAV 32 KB/s）
  存储预算：8h 语音/天 → ~57 MB/天，~1.7 GB/月（vs WAV 51 GB/月）
  ffprobe 验证 codec_name=opus, channels=1, OggS magic OK

- BootReceiver 监听 BOOT_COMPLETED / LOCKED_BOOT_COMPLETED /
  QUICKBOOT_POWERON，try-catch 兜底 Android 14+ FG service 限制

- MainActivity 加电池豁免行：dumpsys deviceidle whitelist 实时检测，
  未豁免时给「申请豁免」按钮，触发系统 RequestIgnoreBatteryOptimizations
  对话框；ON_RESUME 生命周期观察让从设置页回来 UI 自动刷新

- AndroidManifest:
  + REQUEST_IGNORE_BATTERY_OPTIMIZATIONS 权限
  + BootReceiver 注册（含 3 个 boot 相关 action）

HANDOFF.md §五 更新待办（v0.2 三项移到「已完成」），加存储预算 +
Android 14 BOOT_COMPLETED caveat 段落（Pixel 8 Pro 实测能自动续上，
前提 app 至少开过一次 + RECORD_AUDIO 已授）。

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

§零 环境铁律：whisper 别当默认 STT、模型别提交、asset 不走 mmap、
线程甜点是 4、AID_INET 必须传、keys.properties gitignored。

§二 核心文件清单：bot 实跑只看 RecorderService.kt + ParaformerEngine.kt
+ MainActivity.kt，sherpa-onnx Kotlin 绑定整目录原样塞别动。

§三 开发内循环、§四 pipeline 链路图、§五§六 优先级排序的 7 项待办、
§七 踩过的坑清单（VAD 资产 mmap SIGSEGV / silero_vad.onnx LFS 拦截 /
paraformer t=8 反慢 / hf-mirror 截断 / am 启动非 exported 服务 /
su 切 uid 丢 AID_INET）、§九 接手 prompt。

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

Pixel 8 Pro 上的本地 lifelog 应用，v1 核心闭环：

- 前台服务 (foregroundServiceType=microphone) + AudioRecord 16k mono PCM
- Silero VAD on-device 切段（500ms 静音切、300ms 最短、30s 强切）
- sherpa-onnx + paraformer-zh int8 本地 ASR
  Tensor G3 实测 ~25× realtime，<200ms 处理 1-10s 段
  whisper-small 0.6× 跑不动，paraformer 是甜点选型
- Room (Segment + Transcript + Summary) + Compose 时间轴 LazyColumn UI
- 232 MB 模型首次启动从 hf-mirror.com 下载到 app filesDir
- 讯飞 中文识别大模型 WebSocket 客户端备用（云复核 fallback）

依赖：
- sherpa-onnx v1.13.2 Android jniLibs (arm64-v8a, ~34 MB)
- Silero VAD ONNX (~629 KB)，sample.wav (3 MB) 内嵌资源
- AGP 8.7.3 / Kotlin 2.1 / Compose BOM 2024.12.01 / Room 2.6.1

后续待办（按用户语音里提到的优先级）：声纹识别 / Opus 编码 /
FTS5 中文搜索 / hermes-Kimi 纪要 worker。

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>