# 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

1. **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**）。
2. **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）。
3. **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。
4. **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。
5. **`-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`。
6. **keys.properties 是 gitignored**。模板在 `keys.properties.example`。讯飞凭证从 [console](https://console.xfyun.cn/services/iat) 申请，写进去就行。
7. `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](https://github.com/k2-fsa/sherpa-onnx) 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](https://github.com/k2-fsa/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`）。

```bash
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：

```bash
# 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
- v0.5 (2026-06)：hermes api_server 端点 + SummaryWorker + 纪要 UI section

剩下：

1. **存储 TTL**：删超过 N 天的 .opus，文字永留。Periodic WorkManager job。
2. **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）。
3. **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。
4. **回链 lemonPCRM**：Transcript 提到的人名 / 项目 → GraphStore `MENTIONED_IN` 边。
5. ✅ **hermes gateway 自启**（2026-06-04 完成）：用 Magisk `service.d` 脚本开机拉起（Termux:Boot 未装，root 方案更稳），见下方「§ 自启（Magisk service.d）」。

### hermes gateway 设置（v0.5 关键前置）

```bash
# 一次性：~/.hermes/.env 末尾追加
API_SERVER_ENABLED=true
API_SERVER_HOST=127.0.0.1
API_SERVER_PORT=8642
API_SERVER_KEY=<openssl rand -hex 16>
API_SERVER_MODEL_NAME=kimi-for-coding

# anthropic SDK：NousResearch hermes-agent 的 .[termux-all] 已自带（v0.15.1 = anthropic 0.87）；
# 旧版若缺再补：~/.hermes/hermes-agent/venv/bin/pip install 'anthropic>=0.39.0'

# 启动：必须用 setsid + disown 才能在 adb shell 之外存活
cat > ~/start_gw.sh <<'EOF'
#!/data/data/com.termux/files/usr/bin/bash
export PATH=/data/data/com.termux/files/usr/bin:$PATH
export HOME=/data/data/com.termux/files/home
pkill -f 'hermes.*gateway' 2>/dev/null; sleep 2
set -a; . $HOME/.hermes/.env; set +a
: > $HOME/.hermes/logs/gateway.log
setsid hermes gateway run </dev/null > $HOME/.hermes/logs/gateway.log 2>&1 &
disown $!
EOF
chmod 755 ~/start_gw.sh
bash ~/start_gw.sh
```

lifelog 的 `keys.properties` 里 `hermes.apiUrl`(http://127.0.0.1:8642) / `hermes.apiKey`
要跟 `API_SERVER_KEY` 对得上才能调通。`network_security_config.xml` 已开 127.0.0.1 cleartext 豁免。

> [!IMPORTANT] hermes 的 Kimi provider 配置（v0.5 实测）
> hermes-agent（NousResearch）原生支持 Kimi Coding Plan，配成 `model.provider=kimi-coding` +
> `model.base_url=https://api.kimi.com/coding` + `model.default=kimi-for-coding`，`.env` 放
> `KIMI_API_KEY=sk-kimi-...`。运行时自动切 Anthropic 协议 + 注入 claude-code UA。
> 完整流程见 `wechat_plain/scripts/local-testkit/docs/HERMES_AGENT_PIXEL_SETUP.md`。

### ⚠️ 必做：精简 api_server 的 token 开销（2026-06-04 实测）

api_server **默认走 hermes 完整 agent**，每次纪要 prompt 注入 tools(37.8KB/17工具) + skills index(9.1KB)
= **~12,500 token**，纯属浪费（纪要只要纯文本总结）。只对 api_server 关掉 tools+skills（不影响 CLI/微信 bot）：

```yaml
# ~/.hermes/config.yaml
platform_toolsets:
  api_server: []          # 关 tools
skills:
  platform_disabled:
    api_server: [<列出 ~/.hermes/skills 下所有 skill 名>]   # 关 skills index
```
用 hermes 自己的 config 模块改最稳（`load_config`/`save_config`，保留其他配置）。改完重启 gateway。
**实测：prompt 12,500 → 399 token（-97%），纪要正常生成。**

### 自启（Magisk service.d）

Termux:Boot 未装（且无匹配签名 APK）；已 root，用 Magisk service.d 更稳（不需开 Termux app）。
`/data/adb/service.d/start-hermes-gw.sh`（root, 755）：等 `boot_completed` → sleep 25 →
动态推导 Termux uid + su 路径（`/system_ext/bin/su`，**不是** `/system/bin/su`）→ 以 Termux 用户
（带 `-G 3003 -G 9997 -G 20<L> -G 50<L>`）跑 `~/start_gw.sh`。实测手动执行 `launched rc=0`，
gateway 以 `u0_a302` 属主起来、api_server 正常。**冷启动慢 ~3–5 分钟**（初始化时连被墙的
openrouter/nous metadata 超时），对开机服务可接受。

> 验证端到端：`adb shell "su -g 10302 -G 3003 -G 9997 -G 20302 -G 50302 10302 -c '…venv/bin/python ~/test_api.py'"`
> 或 lifelog 纪要 tab「现在跑一次」（需最近 1h 有 ≥60s 语音）。

### 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。
```