feat(asr): 本地语音转写接入为一级路由 + 并行工作流合并提交

按用户指示做**一包提交**，不按工作流拆分。本提交刻意混合了多条并行线：

  · 本地 ASR 接管：audio 成为与 chat/embed/image/video 同等的路由类别
    （IsLocalRoute 单一判据、audio 健康探测、default_audio_route、
    auto 占位、GET /api/ai/routes/audio、回退云端时界面明示「音频已出网」）
  · LLM 调用层：ctx 贯穿、ToolCall/ToolSchema、EmptyCompletionError /
    TransientUpstreamError（按错误类型而非文案判重试）
  · 编排 Agent：general_assistant orchestrate/persistence/spec_driver
  · 联网搜索：internal/search（playwright）
  · 网盘：backend + 前端
  · 前端 UI：导航/路由/工作台若干页
  · 交付文档：DELIVERY.md / AR04 / 部署文档的「无 Python」表述据实改写，
    新增 eai_agentplatform-asr.service、asr.env、clonezilla-cleanup 清 ~/asr-poc

不分拆的原因：dev 早期，粒度不该打断工作节奏。且实测过——这些改动
**在编译上是同一个单元**（llm.go 的 ctx 签名变更牵动 12 个调用点，
chat_message.go 的 ctx 改动又与编排重写同处一个 hunk），拆出来的中间态编不过。
详见 TOP_CODING_RULES.md G14.5 与 bugs_and_errors.md E09。

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

eai_agentplatform/backend-go/internal/skills/api/audio_route_test.go

@@ -0,0 +1,102 @@
+package skillapi
+
+import (
+	"os"
+	"path/filepath"
+	"testing"
+
+	"eai_agentplatform/backend/internal/config"
+)
+
+// TestMain 定位 backend-go 并切换工作目录，让 config/ai_config.json 在测试进程内
+// 可被找到（LoadAIConfig 的相对路径回退依赖 CWD）。
+func TestMain(m *testing.M) {
+	if base := locateBackendGoForTest(); base != "" {
+		_ = os.Chdir(base)
+	}
+	os.Exit(m.Run())
+}
+
+// locateBackendGoForTest 从当前工作目录向上找含 config/ai_config.json 的目录。
+func locateBackendGoForTest() string {
+	dir, err := os.Getwd()
+	if err != nil {
+		return ""
+	}
+	for {
+		if _, err := os.Stat(filepath.Join(dir, "config", "ai_config.json")); err == nil {
+			return dir
+		}
+		parent := filepath.Dir(dir)
+		if parent == dir {
+			return ""
+		}
+		dir = parent
+	}
+}
+
+// TestAudioLLMRouteIsConfiguredWithEnoughBudget 钉住「第 3、4 步默认那条路由的
+// 预算是够的」。
+//
+// 这是整套改动的落点。转写功能原先跑不通，根因既不是提示词也不是模型名，而是这类
+// 「要产出一整篇文档」的步骤被挂在了给聊天用的 4096 预算上：这些是推理模型，思考与
+// 正文共用 max_tokens，而**思考的长度跟输入几乎不成比例**（实测 1200 字的输入，
+// 思考照样写到 7169 字）。4096 下正文一个字都写不出来（六次实测只成一次），
+// 8192 下四次全成。
+//
+// 这一行配置很容易被当成冗余删掉：agent_routes 里少一行、或把那条 8192 的路由调回
+// 4096，功能都会**悄悄**退回「写不出来」——GetRoute 对认不出的名字会静默回退
+// default_route，Go 侧一个错都不报，只有拿到空产物的人才知道出了事。
+func TestAudioLLMRouteIsConfiguredWithEnoughBudget(t *testing.T) {
+	if err := ensureAudioLLMAgentRouteConfigured(); err != nil {
+		t.Fatalf("第 3、4 步的默认路由没配好：%v", err)
+	}
+
+	aiCfg, err := config.LoadAIConfig()
+	if err != nil {
+		t.Fatalf("加载 ai_config.json 失败：%v", err)
+	}
+	target := aiCfg.AgentRoutes[audioLLMAgentRoute]
+	info := aiCfg.ChatRoutes[target]
+
+	// 16384 不是个好看的整数，是实测出来的下限，而且是由**归并**那一步定的：
+	// 逐块加工 1200 字在 8192 下实测 11/11 正常，但纪要步骤最后要把各段结果归并成
+	// 一份，那是最长的一次输入（实测 8628 字）——8192 下 finish_reason=length、
+	// 正文 0 字（思考写了 14678 字），16384 才出稿，32768 又快又稳。
+	// 逐块那一步其实用不到这么高，但上限是天花板不是配额：实测 8192 与 32768 两档下
+	// 同一批 11 段的用时与 completion token 基本一致，抬高的余量是白拿的。
+	const wantMaxTokens = 16384
+	if info.MaxTokens < wantMaxTokens {
+		t.Errorf("路由 %s 的 max_tokens=%d，低于实测下限 %d：整理逐字稿会写出空稿或半截稿，"+
+			"长稿更会卡在归并那一步上（归并要产出一整篇纪要，预算需求比逐块加工更高）。"+
+			"这个值由实测倒推（见 audio_transcribe/prompts.go 的注释），调小之前请先复测",
+			target, info.MaxTokens, wantMaxTokens)
+	}
+	t.Logf("第 3、4 步默认路由：%s（max_tokens=%d，model=%s）", target, info.MaxTokens, info.Model)
+}
+
+// TestResolveAudioChatRouteUsesSkillRouteWhenNotChosen 钉住「用户在界面上没选模型时，
+// 第 3、4 步用的是技能自带那条大预算路由」。
+//
+// 上面那条只验了**配置写对**，写对了不等于**用上了**：resolveAudioChatRoute 里少一步、
+// 或把 override 的处理写反，都会静默退回 default_route（4096）—— 而 Go 侧一个错都不报，
+// 症状要到某一段随机写不出正文时才显形，正是这次要根除的那种「悄悄坏掉」。
+func TestResolveAudioChatRouteUsesSkillRouteWhenNotChosen(t *testing.T) {
+	// 界面没选模型时传下来的就是空串（见 audioStepReq.AiRouteID）；带空白的串一并覆盖，
+	// 因为「空」是靠 TrimSpace 判的，只测纯空串会漏掉另一种写法。
+	for _, override := range []string{"", "   "} {
+		route, err := resolveAudioChatRoute(override)
+		if err != nil {
+			t.Fatalf("override=%q 时应解析出技能自带路由，实际报错：%v", override, err)
+		}
+		if route.Category != "chat" {
+			t.Errorf("override=%q 解析到 %s，分类是 %q，期望 chat", override, route.RouteID, route.Category)
+		}
+		if route.MaxTokens < 16384 {
+			t.Errorf("override=%q 解析到 %s（max_tokens=%d），低于实测下限 16384："+
+				"这个预算写不完整理稿，长稿还会卡在归并那一步上",
+				override, route.RouteID, route.MaxTokens)
+		}
+		t.Logf("override=%q → %s（max_tokens=%d）", override, route.RouteID, route.MaxTokens)
+	}
+}

eai_agentplatform/backend-go/internal/skills/api/audio_speakers_gate_test.go

@@ -0,0 +1,278 @@
+package skillapi
+
+import (
+	"fmt"
+	"path/filepath"
+	"strings"
+	"testing"
+
+	"eai_agentplatform/backend/internal/config"
+	"eai_agentplatform/backend/internal/model"
+	audiotranscribe "eai_agentplatform/backend/internal/skills/packages/audio_transcribe"
+	specialistruntime "eai_agentplatform/backend/internal/specialists/runtime"
+	"eai_agentplatform/backend/internal/store"
+)
+
+// 这一组用例钉的是「说话人身份没被用户确认过，下游两步不许跑」这道闸门。
+//
+// 为什么值得单独写：这道闸门的失效**不会报任何错**。它一旦不生效，第 5、6 步照跑，
+// 纪要里就会出现「张局说……李处说……」这种看着完全正常的句子 —— 而稿子里其实
+// 只有「说话人 0」和「说话人 1」，那些身份是模型猜的。用户不会在一份通顺的纪要里
+// 发现自己被安了个假名字，这正是它比缺一个名字有害得多的地方。
+
+// setupSpeakerGateDB 起一个进程内的临时库给本文件用。
+//
+// 只换 store.DB：这几个函数读的产物全部经 latestArtifact 走 store.DB，
+// 不碰 dal 的零值仓库（与 internal/api 那套 fixture 需要的 dal.SetDB 不是一回事）。
+func setupSpeakerGateDB(t *testing.T) {
+	t.Helper()
+	prev := store.DB
+	db, err := store.Init(filepath.Join(t.TempDir(), "speaker_gate.db"))
+	if err != nil {
+		t.Fatalf("初始化测试库失败：%v", err)
+	}
+	store.DB = db
+	t.Cleanup(func() { store.DB = prev })
+}
+
+// newSpeakerGateTask 建一个任务并返回它。
+func newSpeakerGateTask(t *testing.T) model.TaskRecord {
+	t.Helper()
+	task := model.TaskRecord{
+		SpecialistKey: "general-assistant",
+		Title:         "说话人闸门用例",
+		Status:        specialistruntime.TaskStatusDraft,
+	}
+	if err := store.DB.Create(&task).Error; err != nil {
+		t.Fatalf("创建任务失败：%v", err)
+	}
+	return task
+}
+
+// writeSpeakerArtifact 往库里塞一条「说话人名单」产物，状态由调用方指定。
+func writeSpeakerArtifact(t *testing.T, taskID uint, status, contentJSON string) model.TaskArtifact {
+	t.Helper()
+	artifact := model.TaskArtifact{
+		TaskID:        taskID,
+		SpecialistKey: "general-assistant",
+		Title:         "说话人名单",
+		ArtifactType:  audioSpeakerArtifactType,
+		Status:        status,
+		ContentText:   "## 说话人名单\n",
+		ContentJSON:   contentJSON,
+	}
+	if err := store.DB.Create(&artifact).Error; err != nil {
+		t.Fatalf("创建产物失败：%v", err)
+	}
+	return artifact
+}
+
+// requireDiarizingAudioRoute 确认当前音频路由真的输出说话人标签。
+//
+// 不 Skip 而 Fatal，是因为「路由不输出了」正是这个功能整体失效的方式：
+// 换一条没有说话人分离的 ASR（比如 Qwen3-ASR），第 3 步会硬失败、闸门会直接放行，
+// 于是这几个用例会全部变绿而什么都没测。那种绿比红危险得多。
+// 读**声明路由**（default_audio_route），与 audioRouteSupportsSpeakers 用同一个
+// 来源。不能读 GetAudioRoute("audio_transcribe")：那条现在指向 auto，会按本机
+// ASR 此刻起没起挑路由，于是这套用例的成败取决于跑测试的机器上 8090 有没有在监听
+// —— 那是一种「绿得毫无意义、红得莫名其妙」的测试。声明值才是与机器状态无关的事实。
+func requireDiarizingAudioRoute(t *testing.T) {
+	t.Helper()
+	route, err := config.GetDeclaredAudioRoute()
+	if err != nil {
+		t.Fatalf("音频路由不可用：%v", err)
+	}
+	if !route.SupportsSpeakers {
+		t.Fatalf("当前音频路由 %s 的 supports_speakers=false："+
+			"「识别说话人身份」这一步跑不起来，本文件所有断言都会退化成空断言。"+
+			"若确实要换掉带说话人分离的路由，请连同这套确认流程一起重新评估", route.RouteID)
+	}
+}
+
+// rosterJSON 造一份「说话人名单」产物的 ContentJSON（形状与 runAudioSpeakersStep 写的一致）。
+func rosterJSON(roster ...audiotranscribe.SpeakerIdentity) string {
+	parts := make([]string, 0, len(roster))
+	for _, item := range roster {
+		parts = append(parts, fmt.Sprintf(
+			`{"key":%q,"org":%q,"title":%q,"name":%q,"evidence":%q}`,
+			item.Key, item.Org, item.Title, item.Name, item.Evidence))
+	}
+	return fmt.Sprintf(`{"source_type":"transcript","speakers":[%s]}`, strings.Join(parts, ","))
+}
+
+func TestAudioSpeakersGateBlocksWithoutConfirmation(t *testing.T) {
+	setupSpeakerGateDB(t)
+	requireDiarizingAudioRoute(t)
+	task := newSpeakerGateTask(t)
+
+	// 1) 连名单都还没有 —— 这一步没跑过，下游不能跑。
+	// （走不到这里的正常路径：人在第 3 步就停住了；但直接把请求打到第 5 步就能绕过前端。）
+	if err := ensureAudioSpeakersConfirmed(task.ID); err == nil {
+		t.Error("名单都还没生成，闸门却放行了 —— 直接把请求打到 /structure 就能绕过确认")
+	} else if !strings.Contains(err.Error(), "说话人名单") {
+		t.Errorf("报错没点明缺的是哪份产物：%v", err)
+	}
+
+	// 2) 名单有了，但还是待确认 —— 这正是「AI 已经猜了、人还没看」的那一刻，
+	//    也是这道闸门存在的全部理由。
+	writeSpeakerArtifact(t, task.ID, specialistruntime.ArtifactStatusReady, rosterJSON(
+		audiotranscribe.SpeakerIdentity{Key: "0", Org: "某某局", Title: "处长", Name: "张三"},
+	))
+	err := ensureAudioSpeakersConfirmed(task.ID)
+	if err == nil {
+		t.Fatal("名单还是「待确认」，闸门却放行了 —— 未确认的身份会直接写进正式纪要")
+	}
+	if !strings.Contains(err.Error(), "确认") {
+		t.Errorf("报错没有告诉用户该做什么：%v", err)
+	}
+
+	// 3) 确认过 —— 放行。
+	if err := store.DB.Model(&model.TaskArtifact{}).
+		Where("task_id = ? AND artifact_type = ?", task.ID, audioSpeakerArtifactType).
+		Update("status", specialistruntime.ArtifactStatusApproved).Error; err != nil {
+		t.Fatalf("更新产物状态失败：%v", err)
+	}
+	if err := ensureAudioSpeakersConfirmed(task.ID); err != nil {
+		t.Fatalf("已确认的名单仍被闸门拦住：%v", err)
+	}
+}
+
+// TestAudioSpeakersGateReopensWhenReinferred 钉住「重新识别一次，旧的确认作废」。
+//
+// 不钉的话会漏掉这条路径：用户确认了 → 觉得不对 → 重跑第 3 步（新产物落 ready）
+// → 闸门如果只看「历史上有没有确认过」，就会拿**上一版**的身份去写新稿子。
+func TestAudioSpeakersGateReopensWhenReinferred(t *testing.T) {
+	setupSpeakerGateDB(t)
+	requireDiarizingAudioRoute(t)
+	task := newSpeakerGateTask(t)
+
+	writeSpeakerArtifact(t, task.ID, specialistruntime.ArtifactStatusApproved, rosterJSON(
+		audiotranscribe.SpeakerIdentity{Key: "0", Name: "张三"},
+	))
+	if err := ensureAudioSpeakersConfirmed(task.ID); err != nil {
+		t.Fatalf("已确认时不该拦：%v", err)
+	}
+
+	// 重跑一次第 3 步：新产物同样是「说话人名单」，落 ready。
+	writeSpeakerArtifact(t, task.ID, specialistruntime.ArtifactStatusReady, rosterJSON(
+		audiotranscribe.SpeakerIdentity{Key: "0", Name: "李四"},
+	))
+	if err := ensureAudioSpeakersConfirmed(task.ID); err == nil {
+		t.Error("重新识别出的一版还没确认，闸门却拿上一版的确认放行了")
+	}
+}
+
+// TestAudioSpeakersGatePassesThroughWhenRouteHasNoDiarization 钉住闸门的唯一放行口。
+//
+// 换一条不输出说话人分离的 ASR（如 Qwen3-ASR）时，「识别说话人身份」这一步
+// 根本没有对象可做，闸门必须直接放行。这一支写反的后果不是少一道校验，
+// 而是**所有这类任务永久卡死**：第 3 步跑不出名单 → 闸门说没有名单 → 不许跑第 5 步，
+// 而用户无论如何也变不出那份名单。没有别的路可以绕过去。
+//
+// 断言的是「一个名单都没有的情况下也放行」：若改成先查名单，这条会红。
+func TestAudioSpeakersGatePassesThroughWhenRouteHasNoDiarization(t *testing.T) {
+	setupSpeakerGateDB(t)
+	task := newSpeakerGateTask(t)
+
+	// 换上「这条路由不输出说话人标签」。测试替身必须在断言之前换好，
+	// 换晚了等于没换（测的还是线上那条真路由）。
+	original := audioRouteSupportsSpeakers
+	audioRouteSupportsSpeakers = func() (bool, error) { return false, nil }
+	t.Cleanup(func() { audioRouteSupportsSpeakers = original })
+
+	// 刻意不写任何产物：没有名单、没有确认，什么都不该拦。
+	if err := ensureAudioSpeakersConfirmed(task.ID); err != nil {
+		t.Fatalf("音频路由不输出说话人分离时，闸门仍把后续步骤拦住了（这类任务将永远卡死）：%v", err)
+	}
+}
+
+// TestAudioSpeakersGateFailsClosedWhenRouteUnavailable 钉住「路由读不出来时不放行」。
+//
+// 与上一条相反的方向：读不到路由配置（ai_config.json 被改坏、audio_routes 缺项）
+// 时**不能**当作「不支持说话人分离」而放行。放行等于跳过确认，正是这道闸门
+// 要防的事；而报错会让用户看见问题在哪。
+func TestAudioSpeakersGateFailsClosedWhenRouteUnavailable(t *testing.T) {
+	setupSpeakerGateDB(t)
+	task := newSpeakerGateTask(t)
+
+	original := audioRouteSupportsSpeakers
+	audioRouteSupportsSpeakers = func() (bool, error) {
+		return false, fmt.Errorf("音频路由 %q 未在 ai_config.json 的 audio_routes 中定义", "x")
+	}
+	t.Cleanup(func() { audioRouteSupportsSpeakers = original })
+
+	err := ensureAudioSpeakersConfirmed(task.ID)
+	if err == nil {
+		t.Fatal("路由读不出来时闸门放行了 —— 配置坏掉会静默跳过说话人确认")
+	}
+	if !strings.Contains(err.Error(), "audio_routes") {
+		t.Errorf("报错没有把真实原因（路由配置）带出来：%v", err)
+	}
+}
+
+// TestApplyAudioSpeakerNamesUsesConfirmedRoster 钉住「确认过的身份真的写进了正文」。
+//
+// 闸门只解决「不许跑」，这个函数解决「跑起来之后用的是不是那份确认值」。
+// 少了它，闸门放行、模型照样只看见「说话人 0」——功能看着做完了，纪要里还是序号。
+func TestApplyAudioSpeakerNamesUsesConfirmedRoster(t *testing.T) {
+	setupSpeakerGateDB(t)
+	task := newSpeakerGateTask(t)
+
+	source := "说话人 1：这个方案我同意。\n说话人 10：我也同意。\n说话人 2：那就这么定。"
+
+	// 没确认过：一个字都不许动。
+	if got := applyAudioSpeakerNames(task.ID, source); got != source {
+		t.Errorf("名单还没确认，正文却被改了：\n%s", got)
+	}
+
+	writeSpeakerArtifact(t, task.ID, specialistruntime.ArtifactStatusApproved, rosterJSON(
+		audiotranscribe.SpeakerIdentity{Key: "1", Org: "某某局", Title: "处长", Name: "张三"},
+		audiotranscribe.SpeakerIdentity{Key: "10", Name: "李四"},
+		// 三个字段全空：稿里没有依据。该保持原样，不许塞占位符假装认出来了。
+		audiotranscribe.SpeakerIdentity{Key: "2"},
+	))
+
+	got := applyAudioSpeakerNames(task.ID, source)
+	if !strings.Contains(got, "张三：这个方案我同意。") {
+		t.Errorf("确认过的姓名没有写进正文：\n%s", got)
+	}
+	// 「说话人 1」是「说话人 10」的前缀。按名单原顺序替换会把这一行改成「李四0」，
+	// 所以这里同时钉住替换顺序。
+	if !strings.Contains(got, "李四：我也同意。") {
+		t.Errorf("「说话人 10」被「说话人 1」的替换破坏了：\n%s", got)
+	}
+	if strings.Contains(got, "李四0") {
+		t.Errorf("出现「李四0」：替换没有按标签长度从长到短做：\n%s", got)
+	}
+	// 没有依据的那位保持原样，而不是变成空或占位符。
+	if !strings.Contains(got, "说话人 2：那就这么定。") {
+		t.Errorf("没有依据的说话人被动过了（应保持原样）：\n%s", got)
+	}
+}
+
+// TestApplyAudioSpeakerNamesFallsBackToOrgTitle 钉住「没有姓名时用机构·头衔」。
+//
+// 这不是锦上添花：一次会议里真正有用的是「谁在说话」，而「某某局·处长」在纪要里
+// 已经比「说话人 0」有用得多。而三者全空时必须**跳过**，不许硬塞占位符 ——
+// 那会让一份没认出来的稿子看起来像认出来了。
+func TestApplyAudioSpeakerNamesFallsBackToOrgTitle(t *testing.T) {
+	setupSpeakerGateDB(t)
+	task := newSpeakerGateTask(t)
+
+	writeSpeakerArtifact(t, task.ID, specialistruntime.ArtifactStatusApproved, rosterJSON(
+		audiotranscribe.SpeakerIdentity{Key: "0", Org: "某某局", Title: "处长"},
+		audiotranscribe.SpeakerIdentity{Key: "1", Title: "记录员"},
+		audiotranscribe.SpeakerIdentity{Key: "2"},
+	))
+
+	got := applyAudioSpeakerNames(task.ID, "说话人 0：开场。\n说话人 1：在。\n说话人 2：嗯。")
+	if !strings.Contains(got, "某某局·处长：开场。") {
+		t.Errorf("只有机构与头衔时没有拼成「机构·头衔」：\n%s", got)
+	}
+	if !strings.Contains(got, "记录员：在。") {
+		t.Errorf("只有头衔时没有用它：\n%s", got)
+	}
+	if !strings.Contains(got, "说话人 2：嗯。") {
+		t.Errorf("三者全空的那位被改动了（应跳过，保持原样）：\n%s", got)
+	}
+}