feat(voice): 下行打字机文本流 + 首块快出，即时反馈

- protocol.go: 新增 ServerReply("reply") 消息——Agent 回答增量文本
- voice_tts.go: token 一到即转发客户端(打字机),同时攒句喂 TTS(音频随后)
- sentence_buffer.go: 本轮首句用低阈值(5 rune)抢首字延迟,之后回常规 12
- 桌面端 voice.ts onReply + VoiceDock 对话气泡(我说的 + JARVIS 打字机回答,思考态光标)

管线已最优:文字在 LLM 首 token 即刻上屏、音频紧随。剩余时延=大模型 TTFT(deepseek-v4-pro
4-7s 且波动大,疑似推理模型),这是模型的账、非管线——真要"马上响应"需换快模型。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

sundynix-gateway/internal/voice/protocol.go

@@ -28,6 +28,7 @@ const (
 type ServerMsg struct {
 	Type string `json:"type"`
 	// transcript：ASR 转写（Final=false 为实时部分结果，true 为最终）
+	// reply：Agent 回答的增量文本（打字机效果，逐 token 下发，早于音频）
 	Text  string `json:"text,omitempty"`
 	Final bool   `json:"final,omitempty"`
 	// task：转写完成、任务已提交，带 task_id 供客户端切运行视图
@@ -41,6 +42,7 @@ const (
 	ServerReady      = "ready"      // 会话就绪，可以开始说话
 	ServerTranscript = "transcript" // ASR 转写结果（部分/最终）
 	ServerTask       = "task"       // 任务已提交（带 task_id）
+	ServerReply      = "reply"      // Agent 回答增量文本（打字机；逐 token，早于音频）
 	ServerSpeaking   = "speaking"   // Agent 开始出声（首段 TTS 音频将至）
 	ServerTTSEnd     = "tts_end"    // 本轮 TTS 播放完毕
 	ServerError      = "error"      // 出错