- 壳推 16k/单声道/16bit PCM 分片(onNativeVoiceChunk,~100ms 一片), 页面自己判停顿(≥0.5s 静音)断句、逐段串行上传;松手只 flush 剩下的话, 全部结果到齐后一次性写进输入框并自动发送 - 纯静音的尾巴不再上传(否则只会换来一次「没有可识别人声」) - 删除 onNativeVoiceResult / onNativeVoiceAmp:声波改由页面用 PCM 峰值驱动 - 服务端不再逢停顿就切:≤25s 直接一次请求、不跑 silencedetect; >25s 才在距上限最后 6s 的窗口里挑停顿中点,挑不到硬切,段数 ≈ 时长/25 (去掉 ASR_MAX_SEGMENTS 的 20 段退化分支) - 上游 200 + 空 text 改判 400(这是「这段没人声」的正常结果,不再打堆栈) - docs/voice-input.md 按新契约整篇重写(含 AudioRecord 参考骨架)
agent-core
agent 仓库的 core 服务:Express + SQLite + 静态 H5 前端。
对外能力、部署与配置见仓库根 ../README.md。
本地运行
cd app
npm install
cp config.example.yml config.yml
# 本地调试时把 workspace_root / data_root 改到仓库内可写目录
AGENT_CONFIG=./config.yml node server/server.js
默认监听 8090。platforms 可以留空,启动后到设置页添加模型并重启。
关键文件
| 文件 | 职责 |
|---|---|
server/server.js |
装配配置、DB、SSE、路由与启动顺序 |
server/engine.js |
会话、模型池、Agent 主循环、压缩、标题、日记收口 |
server/llm.js |
消息组装与上游流式调用 |
server/tools/executor.js |
内置工具与路径沙箱 |
server/tools/definitions.json |
内置工具 schema |
server/routes/ |
HTTP API |
server/public/ |
前端(无构建,按序加载脚本) |