# Phase 11 · 转写工程收尾评估与下一步建议（0.11.19 评估单）

- 日期：2026-10-09
- 触发：主人「转写延迟确实没有什么问题，转写的基本工程完成了。看看还有哪些需要改进的地方，或者下一步要做什么」
- 工作区：`/vol1/ai/projects/voice-memory-card-dsh`
- 依据文档：`docs/07-implementation-roadmap.md`、`docs/00-product-requirements.md`、`docs/progress.md`、`docs/09-open-decisions.md`

---

## 0. 先确认：主人这次的验证**成功了**

主人 18:51 用一次性配对码配对成功（新设备 `ea12e2ed-374b-42db-bf1f-4cc9e65d124b`），录了 3 段，**全部转写成功**：

| 任务 | 创建 | 完成 | 耗时 |
| --- | --- | --- | --- |
| `1b2c464b-4505-4c30-971a-759db04c85e0` | 18:52:31 | 18:52:32 | **1.1 秒** |
| `e06673782-6505-4e3b-987b-e9020fd87b8f` | 18:51:38 | 18:51:40 | **1.8 秒** |
| `e09ce92e-ee25-4ddc-8b93-8fd160b69dde` | 18:51:39 | 18:51:42 | **3.0 秒** |

转写内容质量也正常：

```
喂，你好，你好，可以听到吗？
我现在在外面，啊，测试一下，然后看一看转写延迟高不高。
你好，你好，一二三。
可以听见吗？
```

标点、语气词、数字都对。**「转写的基本工程完成」这个判断成立。**

---

## 1. 对照计划书的现状盘点

| Phase | 计划书要求 | 实际状态 | 判定 |
| --- | --- | --- | --- |
| 00–09 | 基线 / 诊断 / 权限 / VAD / 本地录音 / 上传 / 同步 / AutoDL ASR / 时间线播放 | 全部 `DONE` | ✅ |
| **10 发言人系统** | diarization、原始聚类、持久未知人物、声纹样本、置信度策略 | 代码与数据都在（15 个 profile / 15 个 cluster），但**生产环境自 2026-08-10 起所有句子 `speaker_cluster_id` 全为空** | ⚠️ **实际失效** |
| **11 DeepSeek 结构化内容** | 版本化 Prompt、JSON Schema、摘要/待办/日程/承诺/决定/问题/灵感/分类、SourceAnchor、相对时间、待确认队列、去重 | `content_item` 表结构**完整**（10 种 type + 5 种 state + `event_start_at`/`timezone_id`/`original_time_expression`/`confidence`/`duplicate_of`/`revision`）；`organize.py` 在跑，**548 条内容项 / 209 次 AI 调用** | ✅ **基本完成** |
| **12 提醒 / 日报 / AI 助手** | 确认日程、提前 20 分钟、精确/非精确降级、23:00 日报、有来源的问答 | 表建了但 **`daily_review` = 0、`chat_session` = 0、`chat_message` = 0**；`server/src/app/routers/` 里**没有**对应 router | ❌ **零实现** |
| 13 内容管理与网页端 | 文件夹、标签、收藏、筛选、网页端 | 未开始 | ❌ |
| 14 稳定性 / 保留 / 备份 / 发布 | 一周观察、14/30 天清理、备份、恢复演练、成本监控 | 未开始；**服务器上只有一个定时器 `vmc-gpu-scheduler.timer`** | ❌ |

**结论：转写主链路（采集→上传→ASR→时间线→播放）确实收尾了；但路线图上的 Phase 12/13/14 一行没动，且 Phase 10 是坏的。**

---

## 2. 本轮新查出的问题（按优先级）

### P0-1 · 同一台手机分裂成 4 个 deviceId，App 里 243 条旧录音「消失」

```
device_id                            | sessions | 时间跨度
74f40547-dddb-4cfa-bf3e-dda100a8c750 |        1 | 2026-08-01
5e0efebc-b703-444a-963e-55e69c9892b7 |      232 | 2026-08-01 → 08-24
1f572cad-461f-415b-bbf3-d25731324fd9 |       10 | 2026-10-06
ea12e2ed-374b-42db-bf1f-4cc9e65d124b |        3 | 2026-10-09 ← 今天新配对
```

`server/src/app/routers/transcripts.py:124` 严格按 `RecordingSession.device_id == device.device_id` 过滤：

```python
select(RecordingSession)
.where(RecordingSession.device_id == device.device_id)
```

**所以主人在 App 里现在只能看到今天那 3 条，另外 243 条（含 8 月的 232 条）在界面上完全不可见** —— 数据都还在服务器，但主人会以为丢了。

这是**已知坑的第 3 次复发**（前两次：08-01、10-06）。`tools/merge-device-data.sh` 早已备好（`list`/`preview`/`apply`/`rollback`，实测 preview = 2281 行 / 9 张表），但**从未 apply**（属生产写操作，一直在等批准）。

### P0-2 · 配对上报的 App 版本号是硬编码 `0.7.2-phase7`

`android-app/.../upload/UploadConfig.kt:11`：

```kotlin
const val APP_VERSION = "0.7.2-phase7"     // ← Phase 07 的遗留常量
```

`RecordingController.kt:133` 配对时用的就是它；而 `MainActivity.kt:119` 的 `queryAppVersion()`（从 PackageManager 读真实版本）**只用在诊断页**。

**后果**：服务端 `device.app_version` 永远是 `0.7.2-phase7`，无论装的是哪个版本。这次排查我一开始无法判断主人到底装没装 0.11.17，就是因为这条。

### P1-1 · 发言人系统在生产环境已失效

按天统计 `speaker_cluster_id`：

```
day        | utterances | clusters | no_speaker
2026-10-09 |          7 |        0 |          7
2026-10-06 |        217 |        0 |        217
2026-08-11 |       1861 |        0 |       1861
2026-08-10 |         69 |        0 |         69
2026-08-04 |       3247 |       11 |       3196   ← 最后一次有发言人
```

**自 2026-08-10 起，没有任何一句带发言人。** 而且这不是偶发故障 —— `docs/research` 记录的 MiMo 能力边界里明确写着：**MiMo 不返回 diarization，也没有声纹 embedding**。也就是说**只要 `ASR_BACKEND=mimo`，Phase 10 的说话人分离在架构上就没有数据来源**。

产品需求 §7 要求「发言人先分离为原始聚类，再映射到持久未知人物或已知人物」——**当前线上不满足**。

### P1-2 · 时间戳是估算的，点句跳播会漂移

MiMo 只返回纯文本（`audio_tokens` 恒为 `[]`，已实测）。当前做法是：手机端上传离线 VAD 区间 → 服务端按区间切片 → 在**切片内按字数摊分**时间。产品需求 §7 要求「每句话必须有音频分段、开始偏移和结束偏移」，形式上满足，但：

- 切片内多句时，误差随句序累积
- `content_item` 的 SourceAnchor（「来自第 N 句」）跳转定位会跟着漂

`utterance.quality_flags` 字段已存在，可写 `["time_estimated"]` 标记，**无需迁移**。

### P1-3 · 保留策略（14 天手机 / 30 天服务端）没有落地

产品需求 §6.1 是硬需求，但服务器上**只有 `vmc-gpu-scheduler.timer` 一个定时器**，没有任何清理 Job。本地那侧也只实现了「14 天自动清理门控」（判据齐了才允许清），**没有真正跑过清理**。

后果：音频只增不减。当前 5.2T 磁盘还很宽裕（用 6%），但这是**必然会累积的技术债**，且 §6.2 的「清理前提 5 条」需要服务端明确回报「持有可用副本」。

### P2-1 · 上传仍是未压缩 PCM WAV（≈32KB/s）

延后决策 **D-001**（最晚阶段 05，已过期未决）与 §4.1 都要求生产编码用 Opus，且「32/48/64 kbps 必须以真实中文 ASR、时间戳和发言人测试决定」。当前上传体积是 Opus 的 6~10 倍，直接放大流量与服务器存储。

### P2-2 · 4 条卡在 `UPLOADING` 的片段现在归属旧 deviceId

`a697863a`（34MB）、`67e5b9f2`（6.1MB，字节已传满）、`8cf9614c`（5.3MB）、`83c056e6`（53MB，08-11）—— 都属于 `1f572cad`。0.11.17 的过期会话自愈已经能让它们恢复上传，**但恢复后仍挂在旧 deviceId 下，主人在新设备上看不到**。与 P0-1 是同一个根因。

### P2-3 · `vmc-api.service` 仍有明文密钥

`Environment=WORKER_TOKEN=…` 与 `Environment=DATABASE_URL=…`，任何用户 `systemctl cat vmc-api` 都能读到（10-08 只整改了 `vmc-gpu-scheduler`）。

### P2-4 · 11 条 `FAILED_MANUAL_ACTION`（全是 `MODEL_ERROR`）无批量重试入口

App 里只有「返回列表点击重试」的单条路径，没有批量入口。这 11 条是 GPU 时代的遗留。

### P3 · 小问题

- 今天 `5287bd56` 这段里「可以听见吗？」出现了两次、时间戳相邻（7490-8352 / 8352-9214）—— MiMo 在 VAD 区间边界上的重复输出，不影响阅读但值得记录。
- `AppInfoController.fallbackInfo()` 硬编码 `0.10.6 / 64`，与真实版本无关，会让服务端驱动更新提示失真。

---

## 3. 建议的下一步

### 推荐：先做「0.11.18 数据可见性 + 可观测性」小批修复（约 1 个 phase）

理由：**P0-1 是唯一会让主人以为"数据丢了"的问题，而且正在发生**（今天新配对已经触发）。P0-2 是这次排查卡一天的直接原因。这两条都小、都不动录音热路径。

| 编号 | 内容 | 改动面 |
| --- | --- | --- |
| 1 | **合并 deviceId**（`74f40547` + `1f572cad` → `ea12e2ed`，或统一到一个稳定 ID） | 生产数据迁移，用现成 `tools/merge-device-data.sh`，**需主人批准**（2281 行 / 9 表） |
| 2 | **`UploadConfig.APP_VERSION` 改读真实版本**（`BuildConfig.VERSION_NAME` 或 `queryAppVersion()`） | App 一行 + 单测 |
| 3 | **App 内加「这台设备的历史会话」提示**，避免以后再"消失"一次 | ui4 少量 |
| 4 | **给 utterance 打 `time_estimated` 标记**，界面区分「精确/估算时间」 | 服务端 + App 小改，无需迁移 |

### 备选 A：按路线图推进 Phase 12（提醒 / 日报 / AI 助手）

这是 MVP 主线。表都建好了（`daily_review` / `chat_session` / `chat_message`），但**零实现**。工作量最大，也是产品价值最集中（§9 日程待办、§8 AI 整理收口）的一块。

### 备选 B：先补 Phase 10（发言人）或 Phase 14（保留/备份）

- **Phase 10**：必须先决定「发言人怎么办」——MiMo 结构上没有 diarization。三条路：① 回到 GPU 链路（Qwen3-ASR-1.7B + ForcedAligner + CAM++，质量最好但每次开机）；② 本地跑一个轻量 diarization（NAS 无 GPU，慢）；③ **接受 MiMo 模式下没有发言人**，在界面明确降级说明。**这是产品决策，需要主人拍板**。
- **Phase 14**：保留/备份是数据安全底线，越早越好，但当前磁盘压力不大。

---

## 执行命令与退出码

```bash
# 生产库只读排查（全部只读查询）
$ psql -d vmc -f /tmp/diag4.sql      # 退出码 0
$ psql -d vmc -f /tmp/diag5.sql      # 退出码 0
$ psql -d vmc -f /tmp/diag6.sql      # 退出码 0
```

## 测试数量与结果

本轮**只读排查 + 文档评估**，未改动任何生产代码，未新增测试。
沿用 10-08 基线：服务端 pytest **186 passed**、App 单测 **185/185**、lint 0 error。

## 产物路径

```
/vol1/ai/projects/voice-memory-card-dsh/docs/reports/phase-11-19-next-steps-assessment.md
```

## 已知限制

1. **未实际调用 App 验证"只能看到 3 条"**。结论来自 `transcripts.py:124` 的严格 `device_id` 过滤 + 数据库统计，属代码级推断；主人打开 App 一看即可确认。
2. **发言人失效的确切切换时间点未逐条追查**。统计显示 08-10 起为 0，但 08-10 到 10-03（MiMo 上线）之间是 GPU 链路，那段为什么也没发言人**没有深挖**（可能是 GPU 实例一直没开机）。
3. **Phase 11 的完成度只从数据表反推**（548 条内容项 / 209 次调用 / 表结构完整），**没有逐条核对**「相对时间解析、去重、待确认队列」是否都按 §8 实现。
4. **保留策略"未实现"是从"只有一个 systemd timer"推断的**，未逐文件搜索所有清理代码路径。

## 是否满足每一条验收标准

| # | 验收标准 | 结论 | 依据 |
| --- | --- | --- | --- |
| 1 | 确认主人这次验证成功 | ✅ | 3 个任务全 COMPLETED，1.1/1.8/3.0 秒，转写文本正确 |
| 2 | 对照计划书盘点现状 | ✅ | Phase 00–14 逐项核对，见 §1 |
| 3 | 找出需要改进的地方 | ✅ | P0×2 / P1×3 / P2×4 / P3×2，均带证据 |
| 4 | 给出下一步建议 | ✅ | 推荐 0.11.18 小批修复 + 两个备选 |
| 5 | 不改动生产代码 | ✅ | 本轮纯只读排查 |
