宜博 / lemonacp

- 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>