feat(voice): 每用户 JARVIS——自定义名字/人设 + 自带豆包配置回落 + 语音不串主记忆

把 JARVIS 做成每用户独立:名字(你叫JARVIS别人叫星期五)、人设(与主偏好记忆分开)、
可自带豆包配置(齐全则用用户的,否则回落系统)。

- store/user_jarvis.go: sundynix_user_jarvis(user_id唯一;name/persona/火山creds,APIKey密文)
  + Get/Save(upsert) + AutoMigrate 注册
- voice_config.go resolveJarvis(uid): 火山配置用户优先系统兜底 + 取名字/人设
- voice_task.go: voiceSystemPrompt(name,persona)——简短是硬基线,名字/语气由用户定;
  buildVoiceGraph 带 name+persona;voice.go 会话升级时按用户解析
- dispatcher compose_compiler: 语音任务(useVoice)不拉主偏好记忆,改用用户 persona(保留短期历史)
- jarvis.go + 路由: GET/PUT /api/v1/me/jarvis(用户级,api_key 脱敏/留空沿用)

真机验证:设 name=星期五+干净人设→语音答"我是星期五…"(自称新名、无糙话、4.4s),
has_own_voice=false 用系统豆包。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
This commit is contained in:
Blizzard
2026-07-22 14:05:29 +08:00
parent fb3685532c
commit 99ce07c1b0
12 changed files with 238 additions and 21 deletions
@@ -14,20 +14,35 @@ import (
// 语音只是"嘴替键盘",一行编排/工具/计费逻辑都不新造:走的正是 HTTP SubmitTask 那条关卡
// (见记忆 execution-single-entry「提交必走 preflight()+launch() 共用关卡」)。
// voiceAgentSystem 是语音默认单 agent 的系统提示词:口语化、**极简**、适合朗读(下行要过 TTS)
// 语音场景务必短——长答案既拖慢首字出声(要等第一句合成),又让人干听十几秒。
const voiceAgentSystem = "你是用户的语音助手 JARVIS。这是语音对话,回答必须简短——像真人聊天," +
"通常一两句话说清重点即可,最多不超过三句,别长篇大论、别列清单、别念代码。" +
"先直接给结论。口语化、自然、适合朗读。需要更多细节时再由用户追问。"
// defaultJarvisName 是用户没自定义名字时的默认助手名
const defaultJarvisName = "JARVIS"
// buildVoiceGraph 把一句转写组成最简可执行图:input(转写) → agent(JARVIS)。
// voiceSystemPrompt 组语音 agent 的系统提示:**简短**是硬基线(语音场景要抢首字、别让人干听十几秒),
// **名字与语气/人设由用户决定**——name 用户自定义(你叫 JARVIS、别人叫星期五都行),persona 是用户为
// 这个助手单设的语气人设(与主偏好记忆分开)。persona 为空则默认平和礼貌。
func voiceSystemPrompt(name, persona string) string {
n := strings.TrimSpace(name)
if n == "" {
n = defaultJarvisName
}
s := "你是 " + n + "——用户的私人语音助手。这是语音对话,务必简短:先直接给结论," +
"一两句话说清,通常不超过三句,别铺垫、别列清单、别念代码、别复述问题。口语化、自然。"
if p := strings.TrimSpace(persona); p != "" {
s += "\n你的语气与人设:" + p
} else {
s += "语气平和、礼貌。"
}
return s
}
// buildVoiceGraph 把一句转写组成最简可执行图:input(转写) → agent(用户的 JARVIS,带其名字+人设)。
// 与前端画布 exportDsl 同构(kind=input/agent、config.text/system),dispatcher 直接吃。
func buildVoiceGraph(query string) json.RawMessage {
func buildVoiceGraph(query, name, persona string) json.RawMessage {
g := map[string]any{
"version": "voice-1",
"nodes": []map[string]any{
{"id": "voice_in", "kind": "input", "config": map[string]any{"text": query}},
{"id": "voice_agent", "kind": "agent", "config": map[string]any{"system": voiceAgentSystem}},
{"id": "voice_agent", "kind": "agent", "config": map[string]any{"system": voiceSystemPrompt(name, persona)}},
},
"edges": []map[string]any{
{"source": "voice_in", "target": "voice_agent"},
@@ -50,7 +65,7 @@ func (s *voiceSession) submitVoiceTask(transcript, graphOverride string) (string
if strings.TrimSpace(graphOverride) != "" {
raw = json.RawMessage(graphOverride) // 语音触发画布上的既有编排图
} else {
raw = buildVoiceGraph(transcript)
raw = buildVoiceGraph(transcript, s.jarvisName, s.jarvisPersona) // 带上用户的助手名+人设
}
task, err := dsl.ParseAndAssemble(raw)
if err != nil {