宜博 / lemonacp

  • feat(lifelog/photolog): 端上 SQLCipher 解密微信聊天（P2 #6，不再依赖 Mac） ...
    58fbcb4a 
    微信聊天本地化——EnMicroMsg.db 是 SQLCipher 加密的，过去靠 Mac 解密推 wx_enroll，现在端上直接读：
- key 纯端上可推导（真机验证，无需 Frida）：MD5("1234567890ABCDEF" + uin)[:7]
  imei 用微信默认值（现代 Android 读不到真 IMEI 的回退，稳定）；uin 从 shared_prefs last_login_uin 读
- WeChatChatImporter：su --mount-master 拷 EnMicroMsg.db + 读 uin → 算 key → SQLCipher 打开
  (cipher_compatibility=1, cipher_page_size=1024) → 读 message 表 type=1 文本，按 talker 取目标 wxid
- 依赖：net.zetetic:android-database-sqlcipher:4.5.4
- 接线：单人「⬇下载图片」顺带解密该人聊天；「🔄更新」一次性解密整库读所有 wxid（避免逐人重复解密）
  聊天写 wechat_messages（按 talker 先清再灌，幂等）；档案页「聊天」tab 直接显示
- 真机验证：读到与某联系人的聊天记录

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
    yibo authored
     
    Browse File »
  • feat(lifelog/photolog): v0 引擎+管线 — 端侧人脸识别 + Qwen-VL 描述 ...
    d2f15d2c 
    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>
    yibo authored
     
    Browse File »
  • feat(lifelog-recorder): v0.5 — hermes 接通 + SummaryWorker 纪要生成 ...
    75bba7e3 
    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>
    yibo authored
     
    Browse File »
  • feat(lifelog-recorder): 24/7 录音 + 本地 paraformer-zh ASR v0.1 ...
    48cc6305 
    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>
    yibo authored
     
    Browse File »