Agent

1. 模块概述

omni_agent 是 SDK 中的端到端语音对话应用，位于 application/native/omni_agent。它把音频采集、VAD、ASR、LLM、TTS、声纹验证和 MCP 工具调用组合成完整语音助手。用户侧推荐只使用 voice_chat_daemon，它统一负责配置初始化、音频设备选择、本地或云端 LLM、声纹注册/验证、MCP 工具服务、日志和进程管理。

1.1 整体架构图

voice_chat_daemon 整体架构图

整图分四层：用户从顶层 CLI 进入，daemon 读取配置层的 5 个 JSON，再向下启动服务层中的 llama-server、voice_chat / voice_chat_aec 主程序以及可选的 MCP 工具服务；云端 LLM 与声纹注册是旁路。

1.2 语音对话管线

voice_chat 语音对话管线

voice_chat / voice_chat_aec 进程内部的语音数据流：麦克风采集后，VAD 检测语音起止；可选经声纹验证后送 ASR 识别成文本，交 LLM 生成回复（必要时调用 MCP 工具），再由 TTS 合成回放到扬声器。TTS 播放期间 VAD 持续工作，连续检测到语音即触发 barge-in 打断；voice_chat_aec 模式额外把扬声器输出作为回声参考送回采集端，由 WebRTC AEC3 消除回声。

1.3 主要依赖组件

组件	路径	作用
audio	`components/multimedia/audio`	音频采集、播放和重采样。
VAD	`components/model_zoo/vad`	Silero VAD，检测说话开始、结束和 barge-in。
ASR	`components/model_zoo/asr`	SenseVoice 等语音识别后端。
TTS	`components/model_zoo/tts`	Matcha-TTS / Kokoro 语音合成。
voiceprint	`components/model_zoo/voiceprint`	可选说话人验证。
MCP	`components/agent_tools/mcp`	可选工具调用客户端。

2. 构建编译

Agent 使用 target/k3-com260-omni-agent.json 目标配置。完整构建：

source build/envsetup.sh
lunch k3-com260-omni-agent
m

只修改 Agent 代码时，可以只编 omni_agent：

source build/envsetup.sh
lunch k3-com260-omni-agent
cd application/native/omni_agent
mm

如需启用软件 AEC 内部模式，构建时打开 USE_AEC：

cd application/native/omni_agent
mm -DUSE_AEC=ON

常用 CMake 选项：

选项	默认值	说明
`USE_MCP`	`ON`	启用 MCP 工具调用支持。
`USE_AEC`	`OFF`	构建软件 AEC 内部模式，默认关闭。
`USE_VP`	`ON`	启用声纹验证支持。

构建完成后，用户入口 voice_chat_daemon 会安装到 output/staging/bin。加载 build/envsetup.sh 后可直接运行。

3. 一键启动

voice_chat_daemon 会自动初始化缺失配置、管理本地 LLM 服务、启动语音对话进程，并把日志写入 ~/.cache/omni_agent/logs/。daemon 不会自动下载 LLM 模型；首次启动前需要先准备本地模型，或者把 llm.json 改成云端 OpenAI-compatible API。

使用默认本地 LLM 时：

mkdir -p ~/.cache/models/llm
wget -O ~/.cache/models/llm/qwen2.5-0.5b-instruct-q4_0.gguf \
    https://archive.spacemit.com/spacemit-ai/model_zoo/llm/qwen2.5-0.5b-instruct-q4_0.gguf

使用云端 LLM 时，先生成配置再编辑 llm.json：

voice_chat_daemon config-init
vi ~/.config/omni_agent/llm.json

然后启动：

voice_chat_daemon start
voice_chat_daemon status
voice_chat_daemon logs
voice_chat_daemon stop

首次 start 或 --register-speaker 会自动在用户配置目录写入缺失的默认 JSON，已有文件不会覆盖。默认配置目录是 ~/.config/omni_agent/；如果设置了 XDG_CONFIG_HOME，则使用 $XDG_CONFIG_HOME/omni_agent/。需要手动初始化或还原默认配置：

voice_chat_daemon config-init
voice_chat_daemon config-init --force

config-init --force 会先备份现有目录为 <config_dir>.backup-<timestamp>，再覆盖写入默认 JSON。

如果已经生成过旧版配置，新默认字段不会自动写入已有文件。需要使用新默认模型、默认 MCP 三件套、启动问候或 TTS 音频保存字段时，可以运行 voice_chat_daemon config-init --force 后再按需修改；原配置会保留在备份目录中。

查看合并后的有效配置：

voice_chat_daemon config-show

voice_chat_daemon start 自动完成的事情：

加载用户配置目录下的 5 个 JSON。
按配置枚举并匹配 PortAudio 输入/输出设备。
本地 LLM 模式下检查模型文件；模型已存在时启动本地 LLM 服务，缺失时直接报错并提示 model_path 和 model_url。
云端 LLM 模式下使用 llm.json 中的 api_base、api_key 和 model_name。
按配置启用声纹验证、MCP 工具和 AEC 内部模式。
double-fork 后台运行，日志写入 ~/.cache/omni_agent/logs/voice_chat-<timestamp>.log。
任一关键子进程退出时自动清理并退出。

4. 命令

voice_chat_daemon start [--aec] [--mcp]
voice_chat_daemon restart [--aec] [--mcp]
voice_chat_daemon stop
voice_chat_daemon status
voice_chat_daemon logs
voice_chat_daemon config-init [--force]
voice_chat_daemon config-show
voice_chat_daemon --register-speaker NAME [--force]

命令	行为
`start [--aec] [--mcp]`	启动 daemon；`--aec` 临时切换到软件 AEC 内部模式，`--mcp` 临时启用 MCP。
`restart [--aec] [--mcp]`	先停止再启动 daemon，参数同 `start`。
`stop`	停止 daemon 及其托管的子进程。
`status`	显示 daemon、LLM、语音进程 PID 和当前日志路径。
`logs`	`tail -f` 当前日志。
`config-init`	写入缺失的默认配置文件，已有文件不覆盖。
`config-init --force`	先备份现有配置目录，再覆盖还原 5 个默认 JSON。
`config-show`	输出合并后的纯 JSON 配置，并显示每个配置文件加载状态。
`--register-speaker NAME [--force]`	进入 3 次录音的声纹注册流程。

5. 配置文件

默认配置目录为 ~/.config/omni_agent/；如果设置了 XDG_CONFIG_HOME，则使用 $XDG_CONFIG_HOME/omni_agent/。配置拆成 5 个 JSON，任一文件不存在、字段缺失或字段为 null 时使用内置默认值；任一 JSON 语法错误时该文件使用默认值，其他文件继续生效。

文件	职责
`voice_chat.json`	主干配置：内部运行模式、音频设备、TTS、VAD、启动问候、调试录音/TTS 音频、日志和 PID 路径。
`llm.json`	LLM 配置：本地 LLM 服务或云端 OpenAI-compatible API、模型名、密钥、上下文、线程数、生成长度和系统提示词。
`voiceprint.json`	声纹验证配置：开关、数据库、线程、阈值、top、指定说话人。
`mcp.json`	MCP 工具配置：开关、backend、timeout、registry、servers。
`aec.json`	软件 AEC 内部模式配置：AEC/NS/AGC、延迟补偿和 buffer。

5.1 voice_chat.json

默认模板：

{
    "mode": "voice_chat",
    "audio": {
        "input_device_hints":  ["SPV Composite", "USB Audio"],
        "output_device_hints": ["SPV Composite", "USB Audio"],
        "input_device_id":  null,
        "output_device_id": null,
        "capture_rate":     null,
        "playback_rate":    null,
        "capture_channels": 1,
        "playback_channels": 1
    },
    "tts": "matcha:zh-en",
    "vad": {
        "threshold":        0.8,
        "silence_duration": 0.5
    },
    "debug": {
        "save_audio":          false,
        "save_audio_file":     "voice_debug.wav",
        "save_tts_audio":      false,
        "save_tts_audio_file": "tts_debug.wav"
    },
    "startup_greeting": "你好，请问有什么可以帮到您？",
    "log_dir":  "~/.cache/omni_agent/logs",
    "pid_file": "~/.cache/omni_agent/voice_chat_daemon.pid"
}

字段说明：

字段	默认值	说明
`mode`	`voice_chat`	内部运行模式。`voice_chat` 为标准模式；`voice_chat_aec` 为软件 AEC 内部模式。也可用 `start --aec` 临时覆盖。
`audio.input_device_hints`	`["SPV Composite", "USB Audio"]`	输入设备名 substring 匹配序列，按顺序首个命中即采用；非空且都不命中时 daemon 报错并列出当前可见设备。
`audio.output_device_hints`	同上	输出设备名 substring 匹配序列。
`audio.input_device_id`	`null`	非 null 时直接使用指定 PortAudio 输入设备 index，跳过 hints。
`audio.output_device_id`	`null`	非 null 时直接使用指定 PortAudio 输出设备 index，跳过 hints。
`audio.capture_rate`	`null`	标准模式录音采样率；null 使用默认 16000 Hz。软件 AEC 内部模式要求 48000 Hz，非 48000 会被忽略并使用 AEC 默认值。
`audio.playback_rate`	`null`	标准模式播放采样率；null 使用默认 48000 Hz。USB 设备如只支持 16kHz，可显式设为 16000。
`audio.capture_channels`	`1`	录音声道数。
`audio.playback_channels`	`1`	播放声道数。
`tts`	`matcha:zh-en`	TTS 后端。MCP 工具回复常含英文、数字和路径，推荐保留中英双语后端。
`vad.threshold`	`0.8`	VAD 触发阈值，范围 0~1，越高越不容易触发。
`vad.silence_duration`	`0.5`	判定语音结束前需要持续静音的秒数。
`debug.save_audio`	`false`	是否保存调试录音。
`debug.save_audio_file`	`voice_debug.wav`	调试录音保存路径。
`debug.save_tts_audio`	`false`	是否保存 TTS 输出音频，便于排查播放白噪音、截断或异常音色。
`debug.save_tts_audio_file`	`tts_debug.wav`	TTS 输出音频保存路径。
`startup_greeting`	`你好，请问有什么可以帮到您？`	子进程初始化完 TTS 和音频输出后播放的启动问候；设为空字符串可关闭。
`log_dir`	`~/.cache/omni_agent/logs`	daemon 日志目录。
`pid_file`	`~/.cache/omni_agent/voice_chat_daemon.pid`	daemon PID 文件路径。

5.2 llm.json

默认模板：

{
    "auto_start_server": true,
    "api_base":          null,
    "api_key":           null,
    "server_binary":     "llama-server",
    "server_host":       "127.0.0.1",
    "server_port":       9191,
    "model_path":        "~/.cache/models/llm/qwen2.5-0.5b-instruct-q4_0.gguf",
    "model_url":         "https://archive.spacemit.com/spacemit-ai/model_zoo/llm/qwen2.5-0.5b-instruct-q4_0.gguf",
    "model_name":        "qwen2.5-0.5b",
    "ctx_size":          4096,
    "threads":           4,
    "reasoning_budget":  0,
    "extra_args":        [],
    "max_tokens":        150,
    "system_prompt":     "You are a helpful assistant."
}

字段说明：

字段	默认值	说明
`auto_start_server`	`true`	是否自动拉起本地 LLM 服务；`api_base` 非空时 daemon 自动跳过本地启动。
`api_base`	`null`	OpenAI-compatible 云端/外部 API base，按服务商文档填写。例如 DeepSeek 使用 `https://api.deepseek.com`。
`api_key`	`null`	云端 API 密钥；daemon 通过 `OPENAI_API_KEY` 传给子进程，不放入命令行；`config-show` 会掩码显示。
`server_binary`	`llama-server`	本地 LLM 服务二进制名或绝对路径。
`server_host`	`127.0.0.1`	本地 LLM 服务监听地址。
`server_port`	`9191`	本地 LLM 服务监听端口。
`model_path`	`~/.cache/models/llm/qwen2.5-0.5b-instruct-q4_0.gguf`	本地 GGUF 模型路径。
`model_url`	SpacemiT archive URL	本地模型下载参考地址。daemon 只打印该地址，不会自动下载模型。
`model_name`	`qwen2.5-0.5b`	传给 LLM API 的模型名。云端模式必须改成服务商支持的模型名。
`ctx_size`	`4096`	本地 LLM 服务上下文长度。
`threads`	`4`	本地 LLM 服务推理线程数。
`reasoning_budget`	`0`	本地模式传给 `llama-server`；云端 OpenAI-compatible 模式下，`0` 表示隐藏 `reasoning_content` / `thinking` 流式输出，并过滤普通正文里的 `<think>...</think>`，避免把思考内容送入 TTS；`-1` 表示不覆盖。
`extra_args`	`[]`	追加给本地 LLM 服务的原始参数。
`max_tokens`	`150`	单轮最大生成 token 数。
`system_prompt`	`You are a helpful assistant.`	默认系统提示词；MCP 可在 `mcp.json` 中覆盖。

云端 LLM 示例：

{
    "api_base": "https://api.deepseek.com",
    "api_key": "sk-...",
    "model_name": "deepseek-v4-flash"
}

只要 api_base 非空，daemon 就不会启动本地 LLM 服务。

本地 LLM 模式下，先把模型文件准备到 model_path。默认路径如下：

mkdir -p ~/.cache/models/llm
wget -O ~/.cache/models/llm/qwen2.5-0.5b-instruct-q4_0.gguf \
    https://archive.spacemit.com/spacemit-ai/model_zoo/llm/qwen2.5-0.5b-instruct-q4_0.gguf

5.3 voiceprint.json

默认模板：

{
    "enabled":   false,
    "database":  "~/.cache/omni_agent/speakers.db",
    "threads":   1,
    "threshold": 0.6,
    "top":       3,
    "verify":    ""
}

字段说明：

字段	默认值	说明
`enabled`	`false`	是否启用声纹验证。
`database`	`~/.cache/omni_agent/speakers.db`	声纹数据库路径。注册和运行时需要使用同一个 Linux 用户，才能共享默认数据库。
`threads`	`1`	声纹推理线程数。
`threshold`	`0.6`	声纹相似度阈值；越高越严格。
`top`	`3`	检查前 N 个匹配结果。
`verify`	`""`	空字符串表示接受所有已注册说话人；非空时只接受指定 name。

注册说话人：

voice_chat_daemon --register-speaker alice
voice_chat_daemon --register-speaker alice --force

5.4 mcp.json

默认模板：

{
    "enabled":  false,
    "backend":  "llama",
    "system_prompt": null,
    "timeout":  120,
    "registry_url":           null,
    "registry_poll_interval": 5,
    "servers": [
        {
            "name": "Calculator",
            "type": "http",
            "url":  "http://127.0.0.1:8001/mcp"
        },
        {
            "name": "TimeService",
            "type": "http",
            "url":  "http://127.0.0.1:8002/mcp"
        },
        {
            "name": "SystemMonitor",
            "type": "http",
            "url":  "http://127.0.0.1:8003/mcp"
        }
    ]
}

字段说明：

字段	默认值	说明
`enabled`	`false`	是否启用 MCP；也可用 `start --mcp` 临时开启。
`backend`	`llama`	MCP LLM backend，透传给 MCP 配置。
`system_prompt`	`null`	非 null 时覆盖 `llm.json.system_prompt`。
`timeout`	`120`	MCP 请求超时秒数。
`registry_url`	`null`	MCP registry URL。
`registry_poll_interval`	`5`	registry 轮询间隔秒数。
`servers`	三个本地 HTTP 示例服务	静态 MCP 服务列表。支持 `stdio`、`socket` 和 `http` 三种连接方式。

servers 示例：

{
    "enabled": true,
    "servers": [
        {
            "name": "Calculator",
            "type": "stdio",
            "command": "python3",
            "args": ["examples/services/calculator/stdio_server.py"]
        },
        {
            "name": "SystemMonitor",
            "type": "socket",
            "path": "/tmp/mcp_system_monitor.sock"
        },
        {
            "name": "TimeService",
            "type": "http",
            "url": "http://127.0.0.1:8002/mcp"
        }
    ]
}

说明：

stdio 服务由 MCP client 按 command + args 启动。相对脚本路径会在 daemon 写入 resolved 配置时解析为绝对路径。
socket 服务要求对应 Unix socket 已由外部服务创建。
http 服务要求 HTTP MCP 服务已可访问。
默认三个本地 HTTP 示例服务写在 servers 里，用户可直接删除或追加自己的服务。
start --mcp 发现默认示例服务时，会使用固定目录 ~/.local/share/omni_agent/mcp/services 启动对应后端服务。
首次启动默认 MCP 示例服务时，daemon 会从 SDK 的 components/agent_tools/mcp/examples 同步服务到固定目录。首次同步要求当前 SDK 树能找到该目录；如果只拷贝了二进制或源码不在默认位置，需要设置 OMNI_AGENT_MCP_EXAMPLES_DIR 指向 components/agent_tools/mcp/examples。
默认示例服务会使用本机端口 8001、8002、8003 和 registry 端口 9000。
MCP Python 环境固定为 ~/.mcp-env；daemon 只检查依赖，不会在启动时安装 Python 包。
start --mcp 只临时启用 MCP，不会回写 ~/.config/omni_agent/mcp.json。
删除默认 Calculator、TimeService 和 SystemMonitor 后，daemon 不再自动启动内置三件套；此时由用户自己的 servers 或 registry_url 决定可用工具。
resolved 配置写入 ~/.cache/omni_agent/mcp_resolved.json，用于排查实际传给 MCP client 的内容。

MCP Python 环境准备示例：

python3 -m venv ~/.mcp-env
~/.mcp-env/bin/python -m pip install flask mcp starlette uvicorn psutil \
    --prefer-binary \
    --retries 0 \
    --timeout 2 \
    --index-url https://git.spacemit.com/api/v4/projects/33/packages/pypi/simple \
    --extra-index-url https://mirrors.aliyun.com/pypi/simple/

使用默认三件套启用 MCP：

voice_chat_daemon start --mcp
cat ~/.cache/omni_agent/mcp_resolved.json

接入 mlink HTTP MCP 服务时，把 components/agent_tools/mcp/examples/configs/mlink_http.json 中的 servers 内容写入 ~/.config/omni_agent/mcp.json：

{
    "enabled": true,
    "backend": "llama",
    "system_prompt": null,
    "timeout": 120,
    "registry_url": null,
    "registry_poll_interval": 5,
    "servers": [
        {
            "name": "mlink-gateway",
            "type": "http",
            "url": "http://127.0.0.1:18765/mcp"
        }
    ]
}

接入用户自己的 registry 时，只设置 registry_url：

{
    "enabled": true,
    "backend": "llama",
    "system_prompt": null,
    "timeout": 120,
    "registry_url": "http://192.168.1.10:9000/mcp/services",
    "registry_poll_interval": 5,
    "servers": []
}

5.5 aec.json

默认模板：

{
    "no_aec":        false,
    "no_ns":         false,
    "agc":           false,
    "aec_delay_ms":  50,
    "buffer_frames": 0
}

字段说明：

字段	默认值	说明
`no_aec`	`false`	true 时禁用回声消除。
`no_ns`	`false`	true 时禁用噪声抑制。
`agc`	`false`	true 时启用自动增益控制。默认关闭，避免低能量输入被激进放大。
`aec_delay_ms`	`50`	AEC 延迟补偿，常用范围 20-100ms。
`buffer_frames`	`0`	AEC buffer frames；0 表示使用底层默认。

临时启用软件 AEC 内部模式：

voice_chat_daemon start --aec

持久启用时，把 voice_chat.json 的 mode 改为 voice_chat_aec。软件 AEC 内部模式按 48kHz 工作；不要把 audio.capture_rate 设成 16000 来驱动 AEC。

6. 常见操作

6.1 修改配置并重启

vi ~/.config/omni_agent/llm.json
voice_chat_daemon restart

6.2 查看有效配置

voice_chat_daemon config-show

api_key 会以 ******** 显示，不会明文输出。

6.3 还原默认配置

voice_chat_daemon config-init --force

执行后会生成备份目录：

<config_dir>.backup-<timestamp>

6.4 启用声纹验证

voice_chat_daemon --register-speaker alice
vi ~/.config/omni_agent/voiceprint.json
voice_chat_daemon restart

把 voiceprint.json 中 enabled 改为 true。如果只允许指定说话人，把 verify 设置成注册名。

6.5 启用云端 LLM

编辑 ~/.config/omni_agent/llm.json：

{
    "api_base": "https://api.deepseek.com",
    "api_key": "sk-...",
    "model_name": "deepseek-v4-flash"
}

然后重启：

voice_chat_daemon restart

7. 调试与排查

调试优先看 daemon 日志：

voice_chat_daemon status
voice_chat_daemon logs

常见问题：

现象	可能原因	处理
`start` 报未找到 `llama-server`	本地 LLM 模式下缺少 LLM 服务工具	安装对应工具包，或在 `llm.json` 中配置云端 `api_base` / `api_key`。
`start` 报端口 9191 已占用	本地 LLM 服务端口被占用	停掉占用进程，或修改 `llm.json.server_port`。
`start` 报本地 LLM 模型不存在	默认模型文件尚未准备到 `model_path`	手动下载、拷贝或预置模型到 `model_path`；`model_url` 只是参考地址，daemon 不自动下载。
没有麦克风或扬声器声音	设备 hints 未命中或设备 index 不对	编辑 `voice_chat.json` 的 `audio.input_device_hints` / `output_device_hints`，或直接设置设备 id。
USB 音频设备报 `Invalid sample rate`	设备不支持默认播放采样率	在标准模式下把 `audio.playback_rate` 显式设为设备支持的采样率，例如 16000。
云端 LLM 返回 HTTP 400	`model_name` 或 `api_base` 与服务商要求不一致	按服务商文档填写 `api_base` 和 `model_name`。DeepSeek 示例为 `https://api.deepseek.com` + `deepseek-v4-flash`。
普通云端对话可用，但 `start --mcp` 后 HTTP 400	云端模型不支持 OpenAI tool calling，或服务商对 tools 参数兼容性不同	先用服务商的 `/chat/completions` 和 tools 示例验证工具调用；必要时更换支持 tool calling 的模型。
云端 LLM 播放思考内容	`reasoning_budget` 未传到子进程或被设为 `-1`	保持 `llm.json.reasoning_budget` 为 `0`；daemon 会隐藏 `reasoning_content` / `thinking`，并过滤普通正文中的 `<think>...</think>`。
MCP 工具不可用	服务未启动、固定服务目录未初始化或 resolved 配置不符合预期	先运行 `voice_chat_daemon start --mcp` 自动初始化，再检查 `~/.local/share/omni_agent/mcp/services`、`mcp.json`、`~/.cache/omni_agent/mcp_resolved.json` 和 daemon 日志。
MCP 首次启动找不到示例服务目录	当前环境只有安装后的二进制，daemon 找不到 SDK 的 `components/agent_tools/mcp/examples`	在 SDK checkout 中首次启动，或设置 `OMNI_AGENT_MCP_EXAMPLES_DIR=/path/to/components/agent_tools/mcp/examples`。
MCP 默认三件套启动失败或端口不通	`8001`、`8002`、`8003` 或 `9000` 已被占用	停掉占用进程，或删除默认三件套后在 `mcp.json.servers` 中配置自己的服务地址。
声纹经常识别不到	阈值过高或注册音频质量不足	适当降低 `voiceprint.json.threshold`，或重新注册清晰、稳定的声纹样本。
播放时误触发 barge-in	麦克风收到扬声器回声	降低音量、调整麦克风位置，或在确实需要时启用软件 AEC 内部模式。

8. 运行时路径

路径	说明
`~/.config/omni_agent/`	默认用户可编辑配置目录；设置 `XDG_CONFIG_HOME` 时改为 `$XDG_CONFIG_HOME/omni_agent/`。
`~/.cache/omni_agent/logs/`	daemon 和子进程日志。
`~/.cache/omni_agent/voice_chat_daemon.pid`	daemon PID 文件。
`~/.cache/omni_agent/speakers.db`	默认声纹数据库。
`~/.cache/omni_agent/mcp_resolved.json`	daemon 生成的 MCP resolved 配置。
`~/.local/share/omni_agent/mcp/services`	默认 MCP 示例服务固定目录。
`~/.mcp-env`	MCP Python 虚拟环境。

1. 模块概述​

1.1 整体架构图​

1.2 语音对话管线​

1.3 主要依赖组件​

2. 构建编译​

3. 一键启动​

4. 命令​

5. 配置文件​

5.1 voice_chat.json​

5.2 llm.json​

5.3 voiceprint.json​

5.4 mcp.json​

5.5 aec.json​

6. 常见操作​

6.1 修改配置并重启​

6.2 查看有效配置​

6.3 还原默认配置​

6.4 启用声纹验证​

6.5 启用云端 LLM​

7. 调试与排查​

8. 运行时路径​

1. 模块概述

1.1 整体架构图

1.2 语音对话管线

1.3 主要依赖组件

2. 构建编译

3. 一键启动

4. 命令

5. 配置文件

5.1 voice_chat.json

5.2 llm.json

5.3 voiceprint.json

5.4 mcp.json

5.5 aec.json

6. 常见操作

6.1 修改配置并重启

6.2 查看有效配置

6.3 还原默认配置

6.4 启用声纹验证

6.5 启用云端 LLM

7. 调试与排查

8. 运行时路径