hack/tools/scripts/llm-key-hunter/results/_cache/content/ccjjfdyqlhy_dsn-exp.json

{"repo": "ccjjfdyqlhy/dsn-exp", "files": {"README_zh.md": {"1cfce308afc3f2333b59d64d39ffdb3b70bb210a": {"t": 1786068438.7303886, "n": 17545, "h": "83d25c88391445b2", "c": "\n# DSN-exp\n\n**开口即达。** 一个以语音为第一交互界面的 AI 伴侣，运行在你的机器上——你说话它就听，听完就做，做完就说，不等你敲键盘。\n\n[![Python 3.11+](https://img.shields.io/badge/python-3.11+-3776AB?style=for-the-badge&logo=python)](https://python.org)\n[![License](https://img.shields.io/badge/license-MIT-blue?style=for-the-badge)](LICENSE)\n[![GitHub](https://img.shields.io/badge/GitHub-ccjjfdyqlhy%2FDSN--exp-181717?style=for-the-badge&logo=github)](https://github.com/ccjjfdyqlhy/DSN-exp)\n\n[深入了解仓库复杂度](REPORT_zh.md)  \n\n[English](README.md) | **简体中文**\n\n---\n\n```\n你走进来，它听见了。\n  \"一小时后提醒我推送构建。\"\n你倒咖啡的功夫，它已经处理完了。\n  \"设好了。对了，构建日志看起来没问题。\"\n你没让它检查。它知道什么值得说。\n```\n\n---\n\n## 为什么是语音优先？\n\n市面上所谓的\"AI 助手\"，本质是套了聊天气泡的网页搜索。DSN-exp 从头到尾是反过来的：\n\n- **输入**：麦克风 → ASR (FunASR paraformer) → ASR 过滤 (1B 分类器滤除环境噪音) → AI\n- **输出**：AI → 流式 TTS (GPT-SoVITS)，每句话边生成边播，不等整段合成完\n- **主动**：心跳每 2 秒轮询——提醒、闹钟、甚至摄像头看到场景变化，AI 都会主动开口\n- **感知通话模式**：连续对话，AI 切换为口语短句风格，沉默 = 还在听\n- **万物皆可说**：50+ 技能、100+ 工具、记忆检索、闹钟管理、音乐控制、系统操作——全用嘴完成\n\n**它不等着你打字。它跟你待在同一个房间里。不是云服务。不是 SaaS。一个在你硬盘上苏醒的智能体。**\n\n---\n\n## 🏗️ 系统架构\n\n```mermaid\ngraph TB\n    subgraph VoiceClients[\"🎤 语音客户端\"]\n        CLI[\"minimal.py<br/>终端 · PvRecorder\"]\n        WEB[\"psychoscope/server.py<br/>Web · MediaRecorder\"]\n        SEN[\"voice.js<br/>感知模式 · LoudnessGate\"]\n        AGT[\"agent_send.py<br/>Agent 命令行\"]\n    end\n\n    subgraph VoicePipeline[\"🗣️ 语音管线\"]\n        ASR[\"FunASR paraformer<br/>16kHz · VAD · 标点恢复\"]\n        FILT[\"ASR 过滤器<br/>1B 模型 · FORWARD/HOLD\"]\n        TTS[\"GPT-SoVITS<br/>流式合成 · 多音色\"]\n        TTS_PRE[\"TTS 预处理器<br/>LLM 文本清理\"]\n    end\n\n    subgraph Engine[\"🧠 DSNEngine 核心引擎\"]\n        PL[\"ChatPipeline · 5个Hook点\"]\n        PM[\"PluginManager<br/>插件管理器\"]\n        PE[\"PromptEngine<br/>提示词引擎\"]\n        ME[\"MemorySystem<br/>记忆系统\"]\n        TM[\"TaskManager<br/>任务管理器\"]\n        WE[\"WorldEngine<br/>世界引擎\"]\n        SM[\"SkillManager<br/>技能管理器\"]\n        WS[\"Workspace<br/>工作区\"]\n    end\n\n    subgraph Pipeline[\"管道执行流程\"]\n        direction LR\n        F[\"① PRE_FILTER<br/>ASR过滤, 缓存检查\"]\n        SP[\"assemble_prompt()<br/>组装提示词\"]\n        P[\"② PRE_PROCESS<br/>视觉, 记忆注入<br/>印象, 计划, 主动视觉\"]\n        M[\"③ MODEL_INVOKE<br/>ModelsPlugin\"]\n        PO[\"④ POST_PROCESS<br/>任务, 工具, 待办<br/>记忆, 人格\"]\n        T[\"⑤ POST_TTS<br/>TTS合成\"]\n        F --> SP --> P --> M --> PO --> T\n    end\n\n    subgraph Models[\"🤖 模型层\"]\n        OA[\"☁️ OpenAIChat<br/>云API\"]\n        LS[\"🏠 LMStudioChat<br/>本地模型\"]\n        SCH[\"📊 ModelScheduler<br/>VRAM调度\"]\n    end\n\n    subgraph Storage[\"💾 存储层\"]\n        DB[\"🗄️ SQLite<br/>聊天数据库\"]\n        WK[\"📂 工作区文件\"]\n        AC[\"🎵 音频缓存\"]\n    end\n\n    CLI & WEB & SEN & AGT --> ASR --> FILT --> Engine\n    Engine --> TTS --> CLI & WEB\n    M --> OA & LS\n    OA & LS --> SCH\n    ME --> DB\n    WS --> WK\n\n    subgraph Auth[\"🔐 认证系统\"]\n        direction LR\n        P0[\"配对码\"] --> S1[\"会话\"] --> W2[\"WebAuthn\"] --> T3[\"TOTP\"] --> K4[\"API Key\"]\n    end\n\n    subgraph Proactive[\"🔔 主动通知系统\"]\n        HB[\"心跳 2s\"]\n        RM[\"提醒 · 闹钟\"]\n        CV[\"CameraWatcher · 视觉\"]\n    end\n\n    Proactive --> HB --> Engine --> TTS --> VoiceClients\n```\n\n---\n\n## 🎯 核心定位\n\n| 特性 | 说明 |\n|------|------|\n| **🎤 语音优先** | ASR → TTS 管线作为主要交互通道，感知免提模式实现无手对话 |\n| **🔒 完全私有** | 所有数据本地存储，SQLite加密，零云依赖 |\n| **🧠 长期记忆** | 对话自动摘要+向量检索，真正记得你说过的话 |\n| **🎭 多人格系统** | YAML角色卡+50维性格向量，支持人格蒸馏 |\n| **🌍 世界模拟** | 天气、时间、地点动态变化，AI有自己的\"生活\" |\n| **🛠️ 54+技能** | 搜索、文件、GitHub、音乐、文档、系统操作... |\n| **⚡ 异步任务** | 慢速工具后台执行，心跳轮询实时反馈 |\n| **🔐 多层认证** | 配对码/会话/WebAuthn/TOTP/API Key 五层防护 |\n| **🤖 Agent API** | 本地AI Agent专用接口，双向记忆同步 |\n\n---\n\n## ✨ 详细功能\n\n### 🎤 语音交互\n- **实时 ASR**：FunASR paraformer-zh，含 VAD 静音检测、噪音门控、标点恢复\n- **智能过滤**：1B 参数模型实时分类——是对话（FORWARD）还是噪音（HOLD），防止误触发\n- **流式 TTS**：GPT-SoVITS 逐句合成，AI 说一句播一句，没有沉默空档\n- **多音色切换**：运行中切换 TTS Profile，每套独立 GPT/SoVITS 权重\n- **感知通话模式**：连续对话——AI 自动去掉 Markdown，改用口语短句，沉默 = 还在听\n- **TTS 预处理**：LLM 清理文本，\"AI 3秒后处理 HTTP 请求\" → \"人工智能三秒后处理超文本传输协议请求\"——所有行在**一次批量调用**里完成（流式时首行仍走本地正则快路径），不再逐行串行调用 LLM\n- **语义音频缓存**：L1 静态 + L2 向量 + L3 槽位——重复查询直接命中缓存音频\n\n### 💬 智能对话\n- **双后端支持**：OpenAI兼容API (DeepSeek/智谱/OpenAI) + 本地LMStudio\n- **原生Tool Call**：OpenAI Function Calling，100+工具一键调用\n- **工具箱模式**：两阶段工具激活——首轮只发一个 `toolbox` 索引工具，激活后才附带具体工具 schema。约 100 个工具时单任务 prompt token 可省 ~69%（首轮 ~4.7k vs 全量 ~10.9k）。问\"你能做什么\"时直接按索引回答，无需激活任何工具\n- **历史裁剪**：`MODEL_MAX_HISTORY`（默认12）限制对话历史条数，保持 prompt 精简\n- **流式输出**：实时生成，边说边播\n- **语义缓存**：L1静态+L2向量+L3槽位，拦截重复请求\n\n### 🧠 记忆系统\n- **自动摘要**：LLM驱动压缩，AES-256-GCM加密\n- **向量检索**：768维语义搜索，支持模糊查询\n- **全局记忆**：跨聊天历史共享，真正的长期记忆\n- **记忆类型**：对话摘要(`exp`) + 手动备忘(`memo`)\n\n### 🎭 人格系统V3\n- **角色卡**：YAML格式，支持自然语言/语料库/经验条目\n- **蒸馏引擎**：从对话中提取性格特征，生成50维向量\n- **动态合成**：基于当前情绪和语境动态生成提示词\n- **性格维度**：社交、思维、情感、兴趣、行为、价值观...\n- **后台节流**：`fastcache` 模式下，情绪分析与记忆摘要作为延迟后台任务执行，带同用户冷却间隔，避免本地 GPU 推理与主回复争抢\n\n### 🌍 世界系统\n- **世界引擎**：天气、时间、地点自动变化\n- **叙事模型**：独立LLM实例，生成第三人称旁白\n- **动作叙述**：收集AI操作，生成人类可读描述\n- **世界预设**：默认世界 + 自定义世界配置\n\n### 🛠️ 技能系统\n- **54+内置技能**：\n  - 🔍 `web_search` - 网络搜索\n  - 📂 `file_manager` - 文件管理\n  - 🐙 `github` - GitHub操作\n  - 🎵 `ncm_music` - 网易云音乐\n  - 📄 `document` - 文档处理 (扫描仪/打印机)\n  - 💻 `system` - 系统操作\n  - 🧠 `plan` - 计划管理\n  - 🔧 `browser_use` - 浏览器自动化\n  - 📝 `todo` - 待办事项\n  - 🎭 `impression` - 印象系统\n  - 🧪 `skillmgr` - 技能管理\n  - ...\n- **自定义技能**：YAML配置，支持异步执行\n- **技能蒸馏**：从使用中学习，优化调用\n\n### ⏰ 主动通知系统\n- **心跳轮询**：客户端每 2 秒 polling，随时接收 AI 主动消息\n- **提醒系统**：倒计时、每日计划、Cron 周期、习惯打卡——到期自动 AI+TTS 播报\n- **闹钟系统**：完整增删改查，按周循环，语音 dismiss\n- **主动视觉**：CameraWatcher 后台抓帧 → VisionModel 分析场景变化 → AI 自主决定是否开口\n\n### ⚡ 任务系统\n- **复杂度分析**：自动判断是否需要异步执行\n- **异步任务**：慢速工具后台执行\n- **心跳轮询**：前端轮询获取异步结果\n- **实时反馈**：Agent循环每步骤实时TTS进度\n- **超步数汇报**：Agent 用完全部步数仍在执行工具时，追加一轮把工具结果总结给用户，而不是无声终止\n\n### 🖼️ 视觉系统\n- **VisionModel**：通用视觉模型 (GLM-4.6V/GPT-4V)\n- **OCRModel**：文档OCR，支持deepseek-ocr\n- **VISION_OVERRIDE**：接管OCR+2md管线，直接生成Markdown\n- **图片分析**：`describe_image`工具支持本地图片\n- **主动视觉**：后台 CameraWatcher 线程实现场景感知\n- **多摄像头并行**：`look_around` 并行描述所有摄像头（按逻辑名保序），多摄延迟减半\n- **按需帧缓存**：客户端缓存每台摄像头最近一帧，视觉请求零等待复用；心跳降到 2s，请求几乎即时送达\n- **VLM 预热**：启动时后台发一次 dummy 请求，消除首次推理冷启动（首次 VLM 推理可能 ~9s）\n- **look_around 去重**：短窗口内重复观察直接复用上次结果，不再重复抓帧+推理\n- **快速兜底**：客户端离线时 `look_around` 8s 内返回兜底（原 20s），不再拖住整条回复\n\n### 🔐 认证系统\n| 层级 | 方法 | 优先级 | 使用场景 |\n|------|------|--------|----------|\n| L4 | API Key | 1 | Agent API / 自动化 |\n| L1 | Session | 2 | 终端/Web UI |\n| L2 | WebAuthn | 3 | 通行密钥 |\n| L3 | TOTP | 4 | 双因素认证 |\n| L0 | 配对码 | 5 | 首次设备配对 |\n\n### 🧩 其他功能\n- **工作区系统**：用户隔离目录，AI笔记/扫描件/代码仓库\n- **文档系统**：扫描仪/打印机支持，`.hmd`格式\n- **维护系统**：自动内存压缩/人格蒸馏/日志清理\n- **语义缓存**：拦截重复请求，节省Token\n- **Agent API**：本地AI Agent专用接口\n\n---\n\n## 🚀 快速开始\n\n### 最小化配置 (3步启动)\n\n#### 1️⃣ 克隆并安装\n```bash\ngit clone https://github.com/ccjjfdyqlhy/DSN-exp\ncd DSN-exp\npip install -r requirements.txt\n```\n\n#### 2️⃣ 配置 (自动引导)\n```bash\npython main.py\n```\n\n首次运行会进入交互式引导，询问：\n- API选择：云API或本地模型\n- API Key和Base URL\n- 主模型选择\n- 是否启用核心功能\n\n引导完成后自动生成`.env`文件。\n\n#### 3️⃣ 连接客户端\n```bash\n# 终端语音客户端（按住 Enter 说话，松开发送）\npython psychoscope/minimal.py\n\n# Web界面（支持感知免提模式）\npython psychoscope/server.py\n# 然后访问 http://localhost:5000\n```\n\n**就这么简单！** 现在可以开始说话了。\n\n---\n\n### 常见配置场景\n\n#### 🌐 场景1：纯DeepSeek (最简单)\n```bash\n# .env (引导会自动生成)\nOPENAI_API_KEY=sk-your-deepseek-key\nOPENAI_API_BASE=https://api.deepseek.com/v1\nMAIN_MODEL_NAME=deepseek-v4-flash\n```\n\n#### 🏠 场景2：本地LMStudio\n```bash\n# .env\nMAIN_MODEL_TYPE=lmstudio\nMAIN_MODEL_NAME=llama-3-8b-instruct\nLMSTUDIO_BASE_URL=http://localhost:4501\n\n# 先启动LMStudio，加载模型\n# 然后启动DSN-exp\npython main.py\npython psychoscope/minimal.py\n```\n\n#### 🎯 场景3：智谱GLM\n```bash\n# .env\nOPENAI_API_KEY=your-zhipu-key\nOPENAI_API_BASE=https://open.bigmodel.cn/api/paas/v4\nMAIN_MODEL_NAME=glm-4.7\nVISION_API_KEY=your-zhipu-key\nVISION_MODEL_NAME=glm-4.6v\n```\n\n#### 🤖 场景4：Agent API\n```bash\n# 服务器控制台创建Agent\n/agent create MyAgent 1\n# → 输出API Key\n\n# 使用Agent发送消息\npython agent_send.py \"分析代码复杂度\"\n```\n\n---\n\n## 📂 项目结构\n\n```\nDSN-exp/\n├── 🚀 核心\n│   ├── main.py                 # 服务器入口 + 控制台\n│   ├── engine.py               # DSNEngine 核心引擎\n│   ├── boot.py                 # Flask 应用初始化 + ASR/TTS 模型加载\n│   ├── config.py               # 配置管理\n│   └── onboarding.py           # 首次启动引导\n│\n├── 🔌 插件系统\n│   ├── plugins/\n│   │   ├── base.py             # 插件基类 + HookPoint\n│   │   ├── manager.py          # PluginManager\n│   │   ├── pipeline.py         # ChatPipeline 对话管道\n│   │   └── builtin/            # 内置插件\n│   │       ├── models_plugin.py    # 模型调用\n│   │       ├── memory_plugin.py    # 记忆系统\n│   │       ├── vision_plugin.py    # 视觉系统\n│   │       ├── task_plugin.py      # 任务管理\n│   │       ├── tts_plugin.py       # TTS 合成\n│   │       ├── tts_profile.py      # TTS 音色配置\n│   │       ├── asr_filter_plugin.py # ASR 语音过滤器\n│   │       ├── active_vision_plugin.py # 摄像头观察器\n│   │       └── ...\n│   │   └── custom/             # 自定义插件\n│\n├── 🧠 记忆系统\n│   ├── memory/core.py          # MemorySystem 核心类\n│   └── semantic_cache/         # 语义缓存 (L1/L2/L3)\n│\n├── 🎭 人格系统\n│   ├── prompt/personality_v3/  # PersonalitySystemV3\n│   │   ├── character_card.py   # 角色卡定义\n│   │   ├── distillation_engine.py  # 蒸馏引擎\n│   │   ├── dynamic_synthesizer.py # 动态合成器\n│   │   ├── traits.py           # 50维性格向量\n│   │   └── ...\n│   ├── prompt/personality_v2/  # PersonalitySystemV2\n│   ├── prompt/library.py       # PromptLibrary\n│   ├── prompt/engine.py        # PromptEngine\n│   └── character_cards/        # YAML 角色卡\n│\n├── 🌍 世界系统\n│   ├── world/\n│   │   ├── engine.py           # WorldEngine\n│   │   ├── state_manager.py    # WorldStateManager\n│   │   ├── narrative_model.py  # NarrativeModel\n│   │   ├── action_narrator.py  # 动作叙述\n│   │   └── worlds/             # 世界配置\n│\n├── 🛠️ 技能系统\n│   ├── skills/\n│   │   ├── registry.py         # SkillRegistry\n│   │   ├── manager.py          # SkillManager\n│   │   ├── builtin/            # 内置技能 54+\n│   │   ├── custom/             # 自定义技能\n│   │   ├── distilled/          # 蒸馏技能\n│   │   └── system/             # 系统技能\n│\n├── ⚡ 任务系统\n│   ├── tasks.py                # TaskManager + 复杂度分析\n│   ├── maintenance/            # 后台任务\n│   └── async_task_store.py     # 异步任务存储\n│\n├── 🤖 模型客户端\n│   ├── models/\n│   │   ├── clients.py          # OpenAIChat + LMStudioChat\n│   │   ├── scheduler.py        # ModelScheduler\n│   │   ├── tts_process.py      # TTS 预处理\n│   │   └── asr_filter.py       # ASR 过滤 (1B 模型)\n│\n├── 🔐 认证系统\n│   ├── auth/\n│   │   ├── auth_manager.py     # 认证管理器\n│   │   ├── api_key_manager.py  # API Key\n│   │   ├── webauthn_manager.py # WebAuthn\n│   │   ├── totp_manager.py     # TOTP\n│   │   ├── pairing.py          # 配对码\n│   │   ├── session.py          # 会话管理\n│   │   └── endpoints.py        # 认证API\n│\n├── 💾 数据库\n│   ├── db/\n│   │   ├── chat.py             # ChatDBManager\n│   │   ├── plan_store.py       # 计划存储\n│   │   └── plan_engine.py      # 计划引擎\n│\n├── 🖼️ 视觉系统\n│   ├── document/               # 文档处理 (.hmd)\n│   └── models/clients.py       # VisionModel + OCRModel\n│\n├── 🎤 音频系统\n│   ├── audio/infer.py          # VocalExp — GPT-SoVITS 客户端\n│   └── TTS_profiles/           # TTS 音色配置\n│\n├── 🗣️ 语音 API\n│   ├── api/app.py              # ASR 识别 + passthrough 端点\n│   ├── api/heartbeat.py        # 心跳通知轮询\n│   └── api/alarm.py            # 闹钟 CRUD + dismiss\n│\n├── 🖥️ 前端客户端\n│   ├── psychoscope/\n│   │   ├── server.py           # Web 服务器\n│   │   ├── minimal.py          # 终端语音客户端\n│   │   └── static/\n│   │       ├── index.html\n│   │       ├── js/app.js       # 主 Web 应用\n│   │       ├── js/voice.js     # 浏览器感知模式\n│   │       └── js/typewriter.js\n│   └── agent_send.py           # Agent CLI\n│\n├── 📊 配置文件\n│   ├── .env.example            # 配置示例\n│   ├── model_profiles/         # 模型配置\n│   └── world/worlds/           # 世界配置\n│\n├── 🧪 测试与文档\n│   ├── tests/                  # 测试\n│   ├── docs/                   # 文档\n│   ├── REPORT.md               # 技术报告\n│   └── GOALS.md                # 开发目标\n│\n└── 📂 工作区与缓存\n    ├── .dsn/workspace/         # 用户工作区\n    ├── logs/                   # 日志（含 ASR/TTS 调试日志）\n    └── temp/                   # 临时文件\n```\n\n---\n\n## 📦 核心模块介绍\n\n### 🎤 语音管线\n\n**三级语音处理：ASR → 过滤 → AI → TTS**\n\n```\n麦克风 → PCM 16kHz → FunASR (VAD + 识别) → ASR 过滤器 (FORWARD/HOLD)\n                                                    │\n                                                    ├── FORWARD → ChatPipeline → GPT-SoVITS TTS → 扬声器\n                                                    └── HOLD → 丢弃（记录到记忆系统作为环境音）\n```\n\n**组件：**\n- **FunASR**：paraformer-zh 模型，fsmn-vad 做静音检测，ct-punc-c 做标点恢复，支持 CUDA/CPU\n- **ASR 过滤器**：1B 参数 LMStudio 模型分类语音为对话或噪音，维护 20 轮对话历史防误判\n- **GPT-SoVITS TTS**：通过 REST API 流式合成，支持并行/串行架构，多音色切换\n- **TTS 预处理器**：两级清理——正则去 Markdown，LLM 转换数字/缩写到自然语音；多行合并为一次批量调用（流式首行走本地正则快路径）\n- **语义音频缓存**：L1 静态语素 + L2 向量语义 + L3 槽位注册\n\n### 🔄 ChatPipeline 对话管道\n**5个Hook点，完整的对话生命周期管理**\n\n| HookPoint | 触发时机 | 用途 |\n|-----------|----------|------|\n| PRE_FILTER | 管道起始 | ASR 过滤、语义缓存检查、HOLD 时短路 |\n| PRE_PROCESS | 模型调用前 | 记忆注入、视觉处理、主动视觉、印象、计划 |\n| MODEL_INVOKE | 模型调用 | OpenAI/LMStudio调用、工具传递、Agent 循环 |\n| POST_PROCESS | 输出后 | 任务执行、工具调用、记忆更新、人格更新 |\n| POST_TTS | 文本就绪后 | TTS 合成、缓存、音频投递 |\n\n### 🧠 MemorySystem 记忆系统\n**双层架构：摘要 + 向量检索**\n\n```\n对话 → LMSummaryModel → 压缩摘要 → AES-256加密 → SQLite\n         ↓\n    EmbeddingClient → 768维向量 → 语义检索\n```\n\n**特性：**\n- 自动摘要：每N轮自动压缩对话\n- 向量检索：支持语义模糊搜索\n- 全局记忆：跨聊天历史共享\n- 加密存储：AES-256-GCM保护隐私\n\n### 🎭 PersonalitySystemV3 人格系统\n**50维性格向量，真正的人格建模**\n\n**核心组件：**\n- **CharacterCard**：YAML角色卡，支持自然语言/语料库/经验条目\n- **DistillationEngine**：从对话中提取性格特征\n- **DynamicSynthesizer**：基于情绪和语境动态生成提示词\n- **PersonalityJudge**：50维性格向量：社交/思维/情感/兴趣/行为/价值观\n\n**工作流程：**\n```\n角色卡(YAML) → 蒸馏引擎 → 50维向量 → 动态合成器 → 提示词 → 模型\n```\n\n### 🌍 WorldSystem 世界系统\n**AI有自己的\"生活\"**\n\n**组件：**\n- **WorldEngine**：世界状态管理（天气/时间/地点）\n- **WorldStateManager**：状态更新和事件触发\n- **NarrativeModel**：独立LLM实例，生成旁白\n- **ActionNarrator**：收集AI操作，生成描述\n\n**示例：**\n```\n世界：default\n天气：晴天 ☀️\n时间：2026-07-03 14:30\n地点：书房 📚\n旁白：阳光透过窗户洒在书桌上，AI正在思考用户的请求...\n```\n\n### 🛠️ SkillSystem 技能系统\n**54+内置技能 + 自定义技能**\n\n**技能结构：**\n```yaml\nname: web_search\ndescription: 网络搜索\nversion: 1.0\ntools:\n  - name: search\n    description: 搜索网络\n    parameters:\n      query:\n        type: string\n        description: 搜索关键词\n```\n\n**内置技能列表：**\n- 🔍 `web_search` - 网络搜索\n- 📂 `file_manager` - 文件管理\n- 🐙 `github` - GitHub操作\n- 🎵 `ncm_music` - 网易云音乐\n- 📄 `document` - 文档处理\n- 💻 `system` - 系统操作\n- 🧠 `plan` - 计划管理\n- 🔧 `browser_use` - 浏览器自动化\n- 📝 `todo` - 待办事项\n- 🎭 `impression` - 印象系统\n- 🧪 `skillmgr` - 技能管理\n- ...\n\n### ⏰ 主动通知系统\n**心跳驱动的主动 AI 语音通知**\n\n```\n(时钟滴答) → TaskManager 触发 → task_notifications 表\n                                        ↓\nHeartbeatPoller (2s) → GET /api/heartbeat → has_notification?\n                                        ├── 是 → 构建提示词 → AI 回复 → TTS → 播报\n                                        └── 否 → 继续休眠\n```\n\n**触发来源：**\n- **提醒**：倒计时、每日计划、Cron 周期、习惯打卡\n- **闹钟**：按周循环，支持 dismiss（8 天静音）\n- **主动视觉**：CameraWatcher 后台抓帧 → VisionModel 场景分析 → 变化检测\n\n### ⚡ TaskSystem 任务系统\n**智能异步，实时反馈**\n\n**特性：**\n- **复杂度分析**：自动判断是否需要异步\n- **异步任务**：慢速工具后台执行\n- **心跳轮询**：前端轮询获取结果\n- **实时反馈**：每步骤TTS进度推送\n- **超步数汇报**：步数用尽且工具未结束时不无声终止，追加一轮把结果总结给用户\n\n**工作流程：**\n```\n用户请求 → 复杂度分析 → 高复杂度? → 异步任务 → 心跳轮询 → 结果返回\n                     ↓\n                  低复杂度 → 同步执行 → 直接返回\n```\n\n### 🔐 AuthSystem 认证系统\n**五层防护，安全可控**\n\n**认证层级：**\n1. **L4 API Key**：程序化访问，Agent API\n2. **L1 Session**：终端/Web UI登录\n3. **L2 WebAuthn**：通行密钥，硬件认证\n4. **L3 TOTP**：时间-based双因素认证\n5. **L0 配对码**：首次设备配对\n\n**流程示例：**\n```bash\n# 1. 生成配对码\n/newbind\n# → 配对码: 12345678 (8分钟有效)\n\n# 2. 客户端提交\nPOST /api/auth/pairing/verify\n{\"code\": \"12345678\"}\n\n# 3. 返回Session\n{\"session\": \"eyJhbGciOiJIUzI1NiIs...\"}\n```\n\n### 🖼️ VisionSystem 视觉系统\n**多模态感知**\n\n**组件：**\n- **VisionModel**：通用视觉模型 (GLM-4.6V/GPT-4V)\n- **OCRModel**：文档OCR (deepseek-ocr)\n- **VISION_OVERRIDE**：接管OCR+2md管线\n\n**视觉管线：**\n```\n图片 → VisionModel → 描述文本\n文档 → OCRModel → Markdown → .hmd\n```\n\n---\n\n## 🎮 使用技巧\n\n### 终端语音客户端快捷键\n```\n[Enter]   按住录音，松开发送\n[a 双击]  锁定/解锁面板\n[b 双击]  音乐播放器模式\n[p]       显示人格状态\n[s]       切换待机/唤醒\n[i]       系统信息\n[k]       跳过最新提醒\n[f]       静音闹钟 + 停止TTS\n[r]       手动触发心跳\n[t]       文字输入（同步）\n[=]       异步任务（长时间）\n[h]       显示帮助\n[q/Ctrl+C] 退出\n```\n\n### 服务器控制台命令\n```\n/newbind           - 生成新配对码\n/users             - 列出所有用户\n/status            - 服务器状态\n/agent create      - 创建Agent\n/agent bind        - 绑定Agent到用户\n/memory query      - 搜索记忆\n/memory reindex    - 重建向量索引\n/hibernate sleep   - 进入待机\n/config set        - 动态修改配置\n/stop              - 停止服务器\n```\n\n### API调用示例\n```bash\n# 发送消息\ncurl -X POST http://localhost:5000/api/chat/send \\\n  -H \"Authorization: Bearer YOUR_SESSION\" \\\n  -H \"Content-Type: application/json\" \\\n  -d '{\"message\": \"你好\"}'\n\n# 语音直通（ASR → AI → TTS）\ncurl -X POST http://localhost:5000/api/asr/passthrough \\\n  -H \"Authorization: Bearer YOUR_SESSION\" \\\n  -H \"Content-Type: application/json\" \\\n  -d '{\"audio_b64\": \"BASE64_WAV_DATA\"}'\n\n# Agent发送消息\npython agent_send.py \"分析代码复杂度\"\n\n# 搜索记忆\ncurl \"http://localhost:5000/api/memory/query?q=Python项目&limit=5\"\n```\n\n---\n\n## ⚙️ 核心配置\n\n### 最小配置 (必需)\n```bash\nOPENAI_API_KEY=sk-your-key              # API密钥\nOPENAI_API_BASE=https://api.deepseek.com/v1  # API地址\nMAIN_MODEL_NAME=deepseek-v4-flash       # 主模型\n```\n\n### 语音完整配置 (推荐)\n```bash\n# 语音\nASR_ENABLED=true\nASR_DEVICE=cuda\nTTS_BASE_URL=http://127.0.0.1:9880\nTTS_PROCESS_ENABLED=true\n\n# 主模型\nMAIN_MODEL_TYPE=openai\nMAIN_MODEL_NAME=deepseek-v4-flash\n\n# 记忆系统\nMEMORY_ENABLED=true\nMEMORY_EMBEDDING_ENABLED=true\n\n# 人格系统\nPERSONALITY_V3_ENABLED=true\n\n# 世界系统\nWORLD_ENABLED=true\nNARRATIVE_ENABLED=true\n\n# 语义缓存\nSEMANTIC_CACHE_ENABLED=true\n```\n\n### 性能与感知调优\n```bash\n# 工具箱：首轮只发 toolbox 索引，激活后才附带具体工具 schema\nTOOLBOX_ENABLED=true\n\n# 主模型历史条数上限（非 system 消息）\nMODEL_MAX_HISTORY=12\n\n# Agent 最大步数；步数用尽但任务未结束时会自动追加一轮向用户汇报\nAGENT_MAX_STEPS=15\n\n# 视觉：启动预热 VLM、look_around 短时去重窗口（秒）\nVISION_WARMUP=true\nVISION_LOOK_AROUND_DEDUP=10\n\n# 客户端侧 (minimal.py)：心跳间隔(秒)、缓存帧新鲜度(秒)\n#   DSN_HEARTBEAT_INTERVAL=2\n#   DSN_FRAME_CACHE_MAX_AGE=3\n\n# 本地 GPU 后台任务节流（秒）\nHIBERNATE_PERSONALITY_COOLDOWN=30\nHIBERNATE_MEMORY_COOLDOWN=60\n```\n\n### 完整配置列表\n查看 [`.env.example`](.env.example) 获取所有配置项。\n\n---\n\n## 📄 许可证\n\n暂未考虑 :/\n\n---\n\n## 链接\n\n[LINUX DO](https://linux.do/) - 下一代技术交流社区\n\n---\n\n**[⬆ 回到顶部](#-dsn-exp)**\n\nMade with ❤️ by [Darkstar](https://github.com/ccjjfdyqlhy)\n"}}, "config.py": {"1cfce308afc3f2333b59d64d39ffdb3b70bb210a": {"t": 1786068483.4200728, "n": 18904, "h": "ea3409a37e55faf2", "c": "\n# DSN-exp/config.py\n# 所有配置均从环境变量或 .env 文件读取，切勿在此文件中硬编码密钥。\n\nimport os\nfrom pathlib import Path\n\n# 加载 .env 文件（如果存在）\ntry:\n    from dotenv import load_dotenv\n    _env_path = Path(__file__).parent / \".env\"\n    if _env_path.exists():\n        load_dotenv(_env_path)\nexcept ImportError:\n    pass\n\n\ndef _env(key: str, default=None, required: bool = False):\n    val = os.environ.get(key, default)\n    if required and not val:\n        raise EnvironmentError(\n            f\"缺少必需的环境变量: {key}\\n请参考 .env.example 创建 .env 文件。\"\n        )\n    return val\n\n\ndef _env_bool(key: str, default: str = \"false\") -> bool:\n    return str(_env(key, default)).lower() in (\"1\", \"true\", \"yes\", \"on\")\n\n\nclass Config:\n    # ═══════════════════════════════════════════════════════════════════════\n    # 第一层: 必需配置 — 不填系统无法运行\n    # ═══════════════════════════════════════════════════════════════════════\n\n    # 主对话模型\n    MAIN_MODEL_TYPE = _env(\"MAIN_MODEL_TYPE\", \"openai\")         # \"openai\" | \"lmstudio\"\n    MAIN_MODEL_NAME = _env(\"MAIN_MODEL_NAME\", \"deepseek-v4-flash\")\n\n    # OpenAI 兼容 API；主模型使用 openai 后端时 API Key 必填。\n    OPENAI_API_KEY = _env(\n        \"OPENAI_API_KEY\",\n        \"\",\n        required=MAIN_MODEL_TYPE == \"openai\",\n    )\n    OPENAI_API_BASE = _env(\"OPENAI_API_BASE\", \"https://api.deepseek.com/v1\")\n    OPENAI_BACKUP_API_KEY = _env(\"OPENAI_BACKUP_API_KEY\", \"\")\n\n    # 多账号 FailoverChat: 近期失败过的账号自动排后的窗口（秒）。\n    # 该窗口内失败的账号会被自动放到回退链末尾（手动 promote/demote 仍保留，\n    # 但\"刚失败过\"优先于提优，避免在坏账号上白等）。窗口过后恢复原优先级排序。\n    FAILOVER_DOWN_WINDOW = int(_env(\"FAILOVER_DOWN_WINDOW\", \"3600\"))\n\n    # ═══════════════════════════════════════════════════════════════════════\n    # 第二层: 服务与存储\n    # ═══════════════════════════════════════════════════════════════════════\n\n    # ── 服务 ──\n    SERVER_HOST = _env(\"SERVER_HOST\", \"0.0.0.0\")\n    SERVER_PORT = int(_env(\"SERVER_PORT\", \"5000\"))\n    SERVER_BASE_URL = _env(\"SERVER_BASE_URL\", \"\")               # 对外访问地址，为空则自动检测\n    LOCAL_CALLBACK_PORT = int(_env(\"LOCAL_CALLBACK_PORT\", \"5001\"))\n\n    # ── 存储 ──\n    DATABASE_PATH = _env(\"DATABASE_PATH\", \"DSN_usrdata.db\")\n    LOG_DIR = _env(\"LOG_DIR\", \"logs\")\n    LOG_MAX_BYTES = max(1024, int(_env(\"LOG_MAX_BYTES\", str(10 * 1024 * 1024))))\n    LOG_BACKUP_COUNT = max(0, int(_env(\"LOG_BACKUP_COUNT\", \"30\")))\n    LOG_BUFFER_SIZE = max(1, int(_env(\"LOG_BUFFER_SIZE\", \"200\")))\n    LOG_LEVEL = _env(\"LOG_LEVEL\", \"INFO\")\n\n    # ── 安全 ──\n    JWT_SECRET = _env(\"JWT_SECRET\", \"dsn-exp-auto-secret\")\n\n    # ═══════════════════════════════════════════════════════════════════════\n    # 第三层: 模型基础设施\n    # ═══════════════════════════════════════════════════════════════════════\n\n    # ── 主模型参数（LMStudio 后端专用）──\n    LMSTUDIO_ENABLED = _env(\"LMSTUDIO_ENABLED\", \"true\").lower() == \"true\"\n    LMSTUDIO_BASE_URL = _env(\"LMSTUDIO_BASE_URL\", \"http://localhost:4501\")\n    LMSTUDIO_TEMPERATURE = float(_env(\"LMSTUDIO_TEMPERATURE\", \"0.7\"))\n    LMSTUDIO_MAX_TOKENS = int(_env(\"LMSTUDIO_MAX_TOKENS\", \"4096\"))\n    LMSTUDIO_TIMEOUT = int(_env(\"LMSTUDIO_TIMEOUT\", \"300\"))\n\n    # ── 推理模型 ──\n    REASONER_ENABLED = _env(\"REASONER_ENABLED\", \"true\").lower() == \"true\"\n    REASONER_MODEL = _env(\"REASONER_MODEL\", \"deepseek-v4-pro\")\n    REASONER_TIMEOUT = int(_env(\"REASONER_TIMEOUT\", \"1200\"))\n\n    # ── 模型共存管理 ──\n    MAX_CONCURRENT_LM_MODELS = int(_env(\"MAX_CONCURRENT_LM_MODELS\", \"1\"))\n    MODEL_LOAD_TIMEOUT = int(_env(\"MODEL_LOAD_TIMEOUT\", \"180\"))\n    MODEL_REQUEST_TIMEOUT = int(_env(\"MODEL_REQUEST_TIMEOUT\", \"300\"))\n\n    # ── Token 消耗定价 (USD / 1M tokens) ──\n    TOKEN_PRICE_FLASH_INPUT = float(_env(\"TOKEN_PRICE_FLASH_INPUT\", \"0.14\"))\n    TOKEN_PRICE_FLASH_OUTPUT = float(_env(\"TOKEN_PRICE_FLASH_OUTPUT\", \"0.28\"))\n    TOKEN_PRICE_PRO_INPUT = float(_env(\"TOKEN_PRICE_PRO_INPUT\", \"0.435\"))\n    TOKEN_PRICE_PRO_OUTPUT = float(_env(\"TOKEN_PRICE_PRO_OUTPUT\", \"0.87\"))\n    DEEPSEEK_FLASH_INPUT_PRICE = TOKEN_PRICE_FLASH_INPUT\n    DEEPSEEK_FLASH_OUTPUT_PRICE = TOKEN_PRICE_FLASH_OUTPUT\n    DEEPSEEK_PRO_INPUT_PRICE = TOKEN_PRICE_PRO_INPUT\n    DEEPSEEK_PRO_OUTPUT_PRICE = TOKEN_PRICE_PRO_OUTPUT\n\n    # ═══════════════════════════════════════════════════════════════════════\n    # 第四层: 子系统\n    # ═══════════════════════════════════════════════════════════════════════\n\n    # ── 记忆与摘要 ──\n    MEMORY_ENABLED = _env(\"MEMORY_ENABLED\", \"true\").lower() == \"true\"\n    MEMORY_SUMMARY_BACKEND = _env(\"MEMORY_SUMMARY_BACKEND\", \"openai\")    # \"openai\" | \"lmstudio\"\n    MEMORY_MODEL = _env(\"MEMORY_MODEL\", \"deepseek-v4-flash\")\n    MEMORY_SUMMARY_LENGTH = int(_env(\"MEMORY_SUMMARY_LENGTH\", \"100\"))\n    MEMORY_CONTEXT_WINDOW_SIZE = int(_env(\"MEMORY_CONTEXT_WINDOW_SIZE\", \"80\"))\n    MEMORY_REPLACE_THRESHOLD_RATIO = float(_env(\"MEMORY_REPLACE_THRESHOLD_RATIO\", \"0.7\"))\n    MEMORY_ASYNC_ENABLED = _env(\"MEMORY_ASYNC_ENABLED\", \"true\").lower() == \"true\"\n    MEMORY_SEARCH_THRESHOLD = min(1.0, max(0.0, float(_env(\"MEMORY_SEARCH_THRESHOLD\", \"0.5\"))))\n    MEMORY_DETAIL_CHARS_PER_ROUND = max(1, int(_env(\"MEMORY_DETAIL_CHARS_PER_ROUND\", \"4000\")))\n    MEMORY_TOTAL_DETAIL_CHARS = max(1, int(_env(\"MEMORY_TOTAL_DETAIL_CHARS\", \"16000\")))\n    MEMORY_QUERY_LIMIT = max(1, int(_env(\"MEMORY_QUERY_LIMIT\", \"50\")))\n\n    # 摘要模型参数\n    SUMMARY_RETRY_COUNT = max(0, int(_env(\"SUMMARY_RETRY_COUNT\", \"3\")))\n    SUMMARY_RETRY_BACKOFF_SECONDS = max(0.0, float(_env(\"SUMMARY_RETRY_BACKOFF_SECONDS\", \"1.0\")))\n    SUMMARY_CONTEXT_SIZE = max(0, int(_env(\"SUMMARY_CONTEXT_SIZE\", \"10\")))\n    SUMMARY_TEMPERATURE = min(2.0, max(0.0, float(_env(\"SUMMARY_TEMPERATURE\", \"0.1\"))))\n    SUMMARY_TIMEOUT = max(1, int(_env(\"SUMMARY_TIMEOUT\", \"60\")))\n\n    # ── 向量嵌入检索 ──\n    MEMORY_EMBEDDING_ENABLED = _env(\"MEMORY_EMBEDDING_ENABLED\", \"false\").lower() == \"true\"\n    MEMORY_EMBEDDING_MODEL = _env(\"MEMORY_EMBEDDING_MODEL\", \"text-embedding-nomic-embed-text-v1.5@f16\")\n    MEMORY_EMBEDDING_DIMS = int(_env(\"MEMORY_EMBEDDING_DIMS\", \"768\"))\n    MEMORY_EMBEDDING_WEIGHT = float(_env(\"MEMORY_EMBEDDING_WEIGHT\", \"0.6\"))\n\n    # ── 人格系统 V3 ──\n    PERSONALITY_V3_ENABLED = _env(\"PERSONALITY_V3_ENABLED\", \"true\").lower() == \"true\"\n    PERSONALITY_V3_OVERRIDE_V2 = _env(\"PERSONALITY_V3_OVERRIDE_V2\", \"true\").lower() == \"true\"\n    PERSONALITY_MODEL_NAME = _env(\"PERSONALITY_MODEL_NAME\", \"google/gemma-3-4b\")\n    PERSONALITY_MODEL_URL = _env(\"PERSONALITY_MODEL_URL\", None) or _env(\"LMSTUDIO_BASE_URL\", \"http://localhost:4501\")\n    DISTILLATION_MODEL = _env(\"DISTILLATION_MODEL\", \"openai\")\n    PERSONALITY_V3_DEFAULT_CARD = _env(\"PERSONALITY_V3_DEFAULT_CARD\", \"\")\n\n    # ── 叙事世界模型 ──\n    WORLD_ENABLED = _env(\"WORLD_ENABLED\", \"true\").lower() in (\"1\", \"true\", \"yes\")\n    WORLD_PRESET = _env(\"WORLD_PRESET\", \"default\")\n    WORLD_UPDATE_INTERVAL = int(_env(\"WORLD_UPDATE_INTERVAL\", \"60\"))\n\n    NARRATIVE_ENABLED = _env(\"NARRATIVE_ENABLED\", \"true\").lower() in (\"1\", \"true\", \"yes\")\n    NARRATIVE_MODEL_TYPE = _env(\"NARRATIVE_MODEL_TYPE\", \"lmstudio\")\n    NARRATIVE_MODEL = _env(\"NARRATIVE_MODEL\", \"google/gemma-3-4b\")\n    NARRATIVE_TEMPERATURE = float(_env(\"NARRATIVE_TEMPERATURE\", \"0.9\"))\n    NARRATIVE_MAX_TOKENS = int(_env(\"NARRATIVE_MAX_TOKENS\", \"150\"))\n    NARRATIVE_KEEP_HISTORY = _env(\"NARRATIVE_KEEP_HISTORY\", \"false\").lower() in (\"1\", \"true\", \"yes\")\n    NARRATIVE_PRE_ENABLED = _env(\"NARRATIVE_PRE_ENABLED\", \"true\").lower() == \"true\"\n\n    # ── 工具调用 ──\n    TOOL_CALL_MODE = _env(\"TOOL_CALL_MODE\", \"native\")          # \"native\" | \"xml\" | \"auto\"\n    TOOL_CALL_MODEL = _env(\"TOOL_CALL_MODEL\", \"deepseek-v4-pro\")\n    TOOLBOX_ENABLED = _env(\"TOOLBOX_ENABLED\", \"true\") == \"true\"\n    # 主模型对话历史裁剪上限（非 system 消息保留条数）；0 = 不裁剪\n    MODEL_MAX_HISTORY = max(0, int(_env(\"MODEL_MAX_HISTORY\", \"12\")))\n    # 客户端未携带 chat_id 时，自动续接该用户最近一个聊天，而不是新建聊天\n    CHAT_RESUME_LATEST = _env(\"CHAT_RESUME_LATEST\", \"true\").lower() in (\"true\", \"1\", \"yes\", \"on\")\n\n    # ── 文件操作限制 ──\n    FILE_READ_MAX_SIZE_MB = max(1, int(_env(\"FILE_READ_MAX_SIZE_MB\", \"1\")))\n\n    # ═══════════════════════════════════════════════════════════════════════\n    # 第五层: 语音系统\n    # ═══════════════════════════════════════════════════════════════════════\n\n    # ── ASR ──\n    ASR_ENABLED = _env(\"ASR_ENABLED\", \"false\").lower() == \"true\"\n    ASR_DEVICE = _env(\"ASR_DEVICE\", \"cuda\")\n    ASR_GPU_ID = _env(\"ASR_GPU_ID\", \"\")\n    ASR_BATCH_SIZE_SECONDS = max(1, int(_env(\"ASR_BATCH_SIZE_SECONDS\", \"60\")))\n    ASR_CONVERT_TIMEOUT = max(1, int(_env(\"ASR_CONVERT_TIMEOUT\", \"15\")))\n    DEBUG_ASR = _env(\"DEBUG_ASR\", \"false\").lower() == \"true\"\n\n    # ── ASR 过滤器 ──\n    ASR_FILTER_ENABLED = _env(\"ASR_FILTER_ENABLED\", \"false\").lower() == \"true\"\n    FILTER_MODEL = _env(\"FILTER_MODEL\", \"llama-3.2-1b-instruct\")\n\n    # ── TTS ──\n    TTS_ENABLED = _env(\"TTS_ENABLED\", \"true\").lower() == \"true\"\n    TTS_BASE_URL = _env(\"TTS_BASE_URL\", \"http://127.0.0.1:9880\")\n    TTS_PROBE_TIMEOUT = max(0.1, float(_env(\"TTS_PROBE_TIMEOUT\", \"3.0\")))\n    TTS_PROBE_ATTEMPTS = max(1, int(_env(\"TTS_PROBE_ATTEMPTS\", _env(\"TTS_PROBE_RETRIES\", \"4\"))))\n    TTS_PROBE_RETRIES = TTS_PROBE_ATTEMPTS\n    TTS_PROBE_BACKOFF_BASE = max(0.0, float(_env(\"TTS_PROBE_BACKOFF_BASE\", \"2.0\")))\n    TTS_PROBE_BACKOFF_MAX = max(TTS_PROBE_BACKOFF_BASE, float(_env(\"TTS_PROBE_BACKOFF_MAX\", \"8.0\")))\n    TTS_FAST_FIRST_LINE = _env(\"TTS_FAST_FIRST_LINE\", \"true\").lower() == \"true\"\n\n    # ── TTS 文本预处理 ──\n    TTS_PROCESS_ENABLED = _env(\"TTS_PROCESS_ENABLED\", \"true\").lower() == \"true\"\n    TTS_PROCESS_MODEL = _env(\"TTS_PROCESS_MODEL\", None) or _env(\"MEMORY_MODEL\", \"google/gemma-3-4b\")\n    TTS_PROCESS_MAX_TOKENS = int(_env(\"TTS_PROCESS_MAX_TOKENS\", \"1024\"))\n    TTS_PROCESS_TEMPERATURE = float(_env(\"TTS_PROCESS_TEMPERATURE\", \"0.2\"))\n    TTS_PROCESS_TIMEOUT = int(_env(\"TTS_PROCESS_TIMEOUT\", \"30\"))\n\n    # ═══════════════════════════════════════════════════════════════════════\n    # 第六层: 视觉系统\n    # ═══════════════════════════════════════════════════════════════════════\n\n    # ── 视觉模型（GLM-4.6V / GPT-4V 等）──\n    VISION_ENABLED = _env(\"VISION_ENABLED\", \"true\").lower() == \"true\"\n    VISION_PROMPT = _env(\"VISION_PROMPT\", \"请详细描述这张图片的内容\")\n    VISION_API_KEY = _env(\"VISION_API_KEY\", \"\")\n    VISION_API_BASE = _env(\"VISION_API_BASE\", \"https://open.bigmodel.cn/api/paas/v4\")\n    VISION_MODEL_NAME = _env(\"VISION_MODEL_NAME\", \"glm-4.6v\")\n    VISION_OVERRIDE = _env(\"VISION_OVERRIDE\", \"false\").lower() == \"true\"\n    # 启动时预热 VLM（后台发一次低 token dummy 请求，摊薄首次 look_around 冷启动）\n    VISION_WARMUP = _env(\"VISION_WARMUP\", \"true\").lower() == \"true\"\n    # look_around 短时去重窗口（秒）：窗口内同 focus+camera 的重复观察直接复用上次结果\n    VISION_LOOK_AROUND_DEDUP = float(_env(\"VISION_LOOK_AROUND_DEDUP\", \"10\"))\n\n    # ── OCR ──\n    OCR_MODEL = _env(\"OCR_MODEL\", \"deepseek-ocr\")\n    OCR_BASE_URL = _env(\"OCR_BASE_URL\", \"http://localhost:4502\")\n    OCR_UNLOAD_AFTER_USE = _env(\"OCR_UNLOAD_AFTER_USE\", \"true\").lower() == \"true\"\n\n    # ── 文档解析 ──\n    TWO_MD_API = _env(\"TWO_MD_API\", \"http://localhost:8000\")\n\n    # ── 摄像头 ──\n    CAMERA_ENABLED = _env(\"CAMERA_ENABLED\", \"true\").lower() == \"true\"\n    CAMERA_DEVICE_ID = int(_env(\"CAMERA_DEVICE_ID\", \"0\"))\n\n    # ── 主动视觉感知 ──\n    ACTIVE_VISION_ENABLED = _env(\"ACTIVE_VISION_ENABLED\", \"false\").lower() == \"true\"\n    ACTIVE_VISION_INTERVAL = int(_env(\"ACTIVE_VISION_INTERVAL\", \"300\"))\n    ACTIVE_VISION_CAMERA = _env(\"ACTIVE_VISION_CAMERA\", \"\")   # 周期观察用哪台摄像头(逻辑名), 空=主摄像头\n    ACTIVE_VISION_PROACTIVE_COOLDOWN = int(_env(\"ACTIVE_VISION_PROACTIVE_COOLDOWN\", \"600\"))\n    ACTIVE_VISION_PERIODIC_NOTIFY_MIN = int(_env(\"ACTIVE_VISION_PERIODIC_NOTIFY_MIN\", \"30\"))\n\n    # ── 闲置时感知 (idle-time sensing) ──\n    # 主开关：客户端在未按 Enter 录音时持续监听麦克风，感知到响动就捕捉并上报后端 ASR 存档。\n    SENSING_ENABLED = _env_bool(\"SENSING_ENABLED\", \"false\")\n    # 同一客户端两次上报之间的最小间隔（秒），服务端/客户端都会用它节流。\n    SENSING_COOLDOWN = max(1, int(_env(\"SENSING_COOLDOWN\", \"60\")))\n    # 单条感知片段的最大时长（秒）。\n    SENSING_MAX_RECORD_SECS = max(1.0, float(_env(\"SENSING_MAX_RECORD_SECS\", \"6.0\")))\n    # 允许 AI 通过工具查询闲置时感知记录（false 时工具返回未启用）。\n    SENSING_AI_ACCESS_ENABLED = _env_bool(\"SENSING_AI_ACCESS_ENABLED\", \"false\")\n\n    # ═══════════════════════════════════════════════════════════════════════\n    # 第七层: 高级功能\n    # ═══════════════════════════════════════════════════════════════════════\n\n    # ── 认证 ──\n    AUTH_SESSION_DAYS = int(_env(\"AUTH_SESSION_DAYS\", \"30\"))\n    AUTH_PAIRING_DIGITS = int(_env(\"AUTH_PAIRING_DIGITS\", \"8\"))\n    AUTH_PAIRING_TIMEOUT = int(_env(\"AUTH_PAIRING_TIMEOUT\", \"300\"))\n    AUTH_WEBAUTHN_RP_NAME = _env(\"AUTH_WEBAUTHN_RP_NAME\", \"DSN-exp\")\n    AUTH_TOTP_ISSUER = _env(\"AUTH_TOTP_ISSUER\", \"DSN-exp\")\n\n    # ── 任务管理 ──\n    TASK_MANAGER_ENABLED = _env(\"TASK_MANAGER_ENABLED\", \"true\").lower() == \"true\"\n    TASK_MAX_WORKERS = int(_env(\"TASK_MAX_WORKERS\", \"5\"))\n    TASK_COMPLEXITY_THRESHOLD = float(_env(\"TASK_COMPLEXITY_THRESHOLD\", \"0.4\"))\n    REMINDER_CHECK_INTERVAL = int(_env(\"REMINDER_CHECK_INTERVAL\", \"60\"))\n    REMINDER_LIST_LIMIT = max(1, int(_env(\"REMINDER_LIST_LIMIT\", \"50\")))\n    TASK_NOTIFICATION_ENABLED = _env(\"TASK_NOTIFICATION_ENABLED\", \"true\").lower() == \"true\"\n    ACTION_TIMEOUT = int(_env(\"ACTION_TIMEOUT\", \"300\"))\n\n    # ── Agent 循环 ──\n    AGENT_MAX_STEPS = max(1, int(_env(\"AGENT_MAX_STEPS\", \"10\")))\n    AGENT_TOKEN_BUDGET = max(1, int(_env(\"AGENT_TOKEN_BUDGET\", \"1000000\")))\n    AGENT_TIMEOUT_SECONDS = max(1.0, float(_env(\"AGENT_TIMEOUT_SECONDS\", \"120\")))\n\n    # ── 双模协同 ──\n    DUAL_ENABLED = _env_bool(\"DUAL_ENABLED\", \"false\")\n    INSTANT_MODEL = _env(\"INSTANT_MODEL\", \"google/gemma-3-4b\")\n    INSTANT_MODEL_URL = _env(\"INSTANT_MODEL_URL\", None) or _env(\"LMSTUDIO_BASE_URL\", \"http://localhost:4501\")\n    INSTANT_TEMPERATURE = float(_env(\"INSTANT_TEMPERATURE\", \"0.6\"))\n    INSTANT_MAX_TOKENS = int(_env(\"INSTANT_MAX_TOKENS\", \"512\"))\n    INSTANT_TIMEOUT = max(1, int(_env(\"INSTANT_TIMEOUT\", \"15\")))\n    DUAL_MAIN_WORKERS = max(1, int(_env(\"DUAL_MAIN_WORKERS\", \"3\")))\n    INSTANT_CONTEXT_MAX_MESSAGES = max(4, int(_env(\"INSTANT_CONTEXT_MAX_MESSAGES\", \"30\")))\n    INSTANT_CONTEXT_COMPRESS_THRESHOLD = max(6, int(_env(\"INSTANT_CONTEXT_COMPRESS_THRESHOLD\", \"40\")))\n\n    # ── 售后维护 ──\n    MAINTENANCE_ENABLED = _env(\"MAINTENANCE_ENABLED\", \"true\").lower() == \"true\"\n    MAINTENANCE_IDLE_TIMEOUT_MINUTES = int(_env(\"MAINTENANCE_IDLE_TIMEOUT_MINUTES\", \"60\"))\n    MAINTENANCE_SCHEDULE_STRATEGY = _env(\"MAINTENANCE_SCHEDULE_STRATEGY\", \"predictive\")\n    MAINTENANCE_FIXED_HOUR = int(_env(\"MAINTENANCE_FIXED_HOUR\", \"4\"))\n    MAINTENANCE_SCHEDULE_CHECK_INTERVAL = int(_env(\"MAINTENANCE_SCHEDULE_CHECK_INTERVAL\", \"60\"))\n    HIBERNATE_MAX_QUEUE = int(_env(\"HIBERNATE_MAX_QUEUE\", \"100\"))\n    MAINTENANCE_PREDICTIVE_MIN_FREE_HOURS = int(_env(\"MAINTENANCE_PREDICTIVE_MIN_FREE_HOURS\", \"3\"))\n    MAINTENANCE_PREDICTIVE_MAX_HOUR = int(_env(\"MAINTENANCE_PREDICTIVE_MAX_HOUR\", \"8\"))\n    MAINTENANCE_PREDICTIVE_IDLE_TRIGGER_MINUTES = int(_env(\"MAINTENANCE_PREDICTIVE_IDLE_TRIGGER_MINUTES\", \"60\"))\n    MAINTENANCE_PREDICTIVE_MIN_DATA_SAMPLES = int(_env(\"MAINTENANCE_PREDICTIVE_MIN_DATA_SAMPLES\", \"50\"))\n    MAINTENANCE_RETRY_ON_FAILURE = _env_bool(\"MAINTENANCE_RETRY_ON_FAILURE\", \"true\")\n    MAINTENANCE_RETRY_DELAY_MINUTES = int(_env(\"MAINTENANCE_RETRY_DELAY_MINUTES\", \"30\"))\n    MAINTENANCE_ESTIMATE_PER_TASK_SECONDS = int(_env(\"MAINTENANCE_ESTIMATE_PER_TASK_SECONDS\", \"300\"))\n    MAINTENANCE_TASK_TIMEOUT_SECONDS = int(_env(\"MAINTENANCE_TASK_TIMEOUT_SECONDS\", \"600\"))\n\n    # ── 驻守模型 ──\n    STEWARD_ENABLED = _env(\"STEWARD_ENABLED\", \"true\").lower() == \"true\"\n    STEWARD_MODEL_TYPE = _env(\"STEWARD_MODEL_TYPE\", \"openai\")\n    STEWARD_MODEL_NAME = _env(\"STEWARD_MODEL_NAME\", \"google/gemma-3-4b\")\n    STEWARD_TIMEOUT = int(_env(\"STEWARD_TIMEOUT\", \"300\"))\n    STEWARD_TEMPERATURE = float(_env(\"STEWARD_TEMPERATURE\", \"0.5\"))\n    STEWARD_MAX_TOKENS = int(_env(\"STEWARD_MAX_TOKENS\", \"2048\"))\n    STEWARD_HISTORY_LIMIT = int(_env(\"STEWARD_HISTORY_LIMIT\", \"40\"))\n\n    # ── 语义缓存 ──\n    SEMANTIC_CACHE_ENABLED = _env(\"SEMANTIC_CACHE_ENABLED\", \"false\").lower() == \"true\"\n    SEMANTIC_CACHE_DIR = _env(\"SEMANTIC_CACHE_DIR\", \".dsn/semantic_cache\")\n    SEMANTIC_CACHE_SIMILARITY_THRESHOLD = float(_env(\"SEMANTIC_CACHE_SIMILARITY_THRESHOLD\", \"0.85\"))\n    SEMANTIC_CACHE_MAX_ENTRIES = int(_env(\"SEMANTIC_CACHE_MAX_ENTRIES\", \"5000\"))\n\n    # ── 性能模式 ──\n    PERFORMANCE_MODE = _env(\"PERFORMANCE_MODE\", \"realtime\")    # \"realtime\" | \"fastcache\"\n\n    # ── 观察日记 ──\n    NOTEBOOK_ENABLED = _env(\"NOTEBOOK_ENABLED\", \"true\").lower() == \"true\"\n    NOTEBOOK_FREQUENCY = int(_env(\"NOTEBOOK_FREQUENCY\", \"10\"))\n\n    # ── 工作区 ──\n    WORKSPACE_DIR = _env(\"WORKSPACE_DIR\", \".dsn/workspace\")\n\n    # ── 外部验证 ──\n    LITTLESKIN_CLIENT_ID = _env(\"LITTLESKIN_CLIENT_ID\", \"\")\n    LITTLESKIN_CLIENT_SECRET = _env(\"LITTLESKIN_CLIENT_SECRET\", \"\")\n\n    # ── 调试 ──\n    DEBUG_PLAY_AS_MODEL = _env(\"DEBUG_PLAY_AS_MODEL\", \"false\").lower() == \"true\"\n    DEBUG_PLAY_AS_MODEL_PORT = int(_env(\"DEBUG_PLAY_AS_MODEL_PORT\", \"5050\"))\n\n    # ── 可选客户端 / 管理端 ──\n    WEB_ADMIN_ENABLED = _env_bool(\"WEB_ADMIN_ENABLED\", \"false\")\n    WEB_ADMIN_HOST = _env(\"WEB_ADMIN_HOST\", \"127.0.0.1\")\n    WEB_ADMIN_PORT = int(_env(\"WEB_ADMIN_PORT\", \"8008\"))\n    WEB_ADMIN_PASSWORD = _env(\"WEB_ADMIN_PASSWORD\", \"\")\n    DSN_BASE_URL = _env(\"DSN_BASE_URL\", \"http://127.0.0.1:5000\")\n    DSN_AGENT_TIMEOUT = int(_env(\"DSN_AGENT_TIMEOUT\", \"300\"))\n    DSN_HOST = _env(\"DSN_HOST\", \"127.0.0.1\")\n    DSN_PORT = int(_env(\"DSN_PORT\", \"5000\"))\n    PSYCHOSCOPE_HOST = _env(\"PSYCHOSCOPE_HOST\", \"127.0.0.1\")\n    PSYCHOSCOPE_PORT = int(_env(\"PSYCHOSCOPE_PORT\", \"5000\"))\n    PSYCHOSCOPE_DEBUG = _env_bool(\"PSYCHOSCOPE_DEBUG\", \"false\")\n\n    @classmethod\n    def load_skill_configs(cls):\n        \"\"\"加载 skills/*/skill.env，让技能能声明自己的环境配置。\"\"\"\n        try:\n            from dotenv import load_dotenv as _load_dotenv\n        except ImportError:\n            return\n        import logging\n\n        logger = logging.getLogger(\"Config\")\n        for base_key in (\"builtin\", \"custom\"):\n            base_dir = Path(__file__).parent / \"skills\" / base_key\n            if not base_dir.exists():\n                continue\n            for skill_dir in sorted(base_dir.iterdir()):\n                env_file = skill_dir / \"skill.env\"\n                if not env_file.exists():\n                    continue\n                _load_dotenv(env_file)\n                count = 0\n                for line in env_file.read_text(encoding=\"utf-8\").splitlines():\n                    stripped = line.strip()\n                    if not stripped or stripped.startswith(\"#\") or \"=\" not in stripped:\n                        continue\n                    key, raw = stripped.split(\"=\", 1)\n                    key = key.strip()\n                    raw = raw.strip()\n                    value = os.environ.get(key, raw)\n                    try:\n                        if raw.lower() in (\"true\", \"false\"):\n                            value = value.lower() == \"true\"\n                        elif \".\" in raw:\n                            value = float(value)\n                        else:\n                            value = int(value)\n                    except (TypeError, ValueError):\n                        pass\n                    setattr(cls, key, value)\n                    count += 1\n                logger.info(\"skill.env: %s (%d 项)\", skill_dir.name, count)\n"}}}}