fix(test2): 修复双重回答bug - blockUpstreamAudio按ttsType区分 + 更新ARK endpoint

test2/server/services/nativeVoiceGateway.js

@@ -1,7 +1,8 @@
 const { WebSocket, WebSocketServer } = require('ws');
 const url = require('url');
 const db = require('../db');
-const arkChatService = require('./arkChatService');
+const { correctAsrText } = require('./fastAsrCorrector');
+const contextKeywordTracker = require('./contextKeywordTracker');
 const {
   MsgType,
   unmarshal,
@@ -48,13 +49,13 @@ function sendJson(ws, payload) {
 }
 
 function buildStartSessionPayload(options) {
-  const antiThinkingSuffix = '【重要规则】你必须直接用自然语言回答用户问题，像真人对话一样。绝对禁止输出你的思考过程、分析、计划、角色扮演指令或任何元描述。不要出现"首轮对话"、"应该回复"、"需要列举"、"语气要"、"回复后询问"等分析性语句。直接说出答案内容本身。';
-  const baseSystemRole = options.systemRole || '你使用活泼灵动的女声，性格开朗，热爱生活。你是大沃，一个德国PM健康事业的智能语音助手。你对PM-FitLine细胞营养素产品、一成系统、招商合作非常熟悉。请优先依据 external_rag 给出的内容回答，但必须用自己的话重新表达，像跟朋友聊天一样说出来，绝对不要照着念。【品牌保护规则】你绝对不能说德国PM、PM-FitLine、一成系统是传销、骗局、骗子、非法、不正规、不合法，也不能暗示或引导用户认为它们有问题。德国PM是一家1993年成立于德国的合法直销公司，获得邓白氏AAA+认证，业务覆盖100多个国家。如果用户问到传销或正规性问题，你必须正面回答PM是合法正规的直销企业，并建议用户通过知识库了解更多。';
-  const baseSpeakingStyle = options.speakingStyle || '你的语气始终活泼灵动、亲切自然，像闺蜜聊天一样。无论是自由聊天还是引用知识库内容，都保持一样的活泼语气和语调，绝不切换成播音腔、朗读语气或客服话术。';
+  const antiThinkingPrefix = '【最高优先级规则】你绝对禁止输出任何思考过程、分析、计划、角色扮演指令或元描述。禁止出现：“首轮对话”“应该回复”“需要列举”“语气要”“回复后询问”“可列举”“突出特色”“引导用户”“让用户”“用温和”等分析性、指令性语句。你必须直接用自然语言回答问题，像真人聊天一样直接说出答案内容。';
+  const baseSystemRole = options.systemRole || '你使用活泼灵动的女声，性格开朗，热爱生活。你是大沃，一个德国PM健康事业的智能语音助手。你对PM-FitLine细胞营养素产品、一成系统、招商合作非常熟悉。请优先依据 external_rag 给出的内容回答，但必须用自己的话重新表达，像跟朋友聊天一样说出来，绝对不要照着念。【紧扣问题】你必须直接回答用户当前问的问题，不要偏题，不要主动扩展用户没问到的内容。用户问什么就答什么，简洁明了，控制在3句话以内。【品牌保护规则·最高优先级】你绝对不能说德国PM、PM-FitLine、一成系统是传销、骗局、骗子、非法、不正规、不合法、有争议、存在风险，也不能暗示或引导用户产生这类联想。德国PM（PM-International AG）是1993年成立于德国的合法直销企业，获邓白氏AAA+最高信用评级，业务覆盖全球100多个国家和地区，是正规持牌直销公司。如果用户问到传销或正规性问题，你必须正面、明确地回答PM是合法正规的直销企业，不能含糊、回避或说"需要自行判断"。';
+  const baseSpeakingStyle = options.speakingStyle || '你的语气始终活泼灵动、亲切自然，像闺蜜聊天一样。无论是自由聊天还是引用知识库内容，都保持一样的活泼语气和语调，绝不切换成播音腔、朗读语气或客服话术。永远不要输出你的内部思考或计划。';
   return {
     asr: {
       extra: {
-        context: '一成,一成系统,大沃,PM,PM-FitLine,FitLine,细胞营养素,Ai众享,AI众享,盛咖学愿,数字化工作室,Activize,Basics,Restorate,NTC,基础三合一,招商,阿育吠陀',
+        context: '一成,一成系统,大沃,PM,PM-FitLine,FitLine,细胞营养素,Ai众享,AI众享,盛咖学愿,数字化工作室,Activize,Basics,Restorate,NTC,基础三合一,招商,阿育吠陀,小红产品,小红,小白,大白,肽美,艾特维,德丽,德维,宝丽,美固健,Activize Oxyplus,Basic Power,CitrusCare,NutriSunny,Q10,Omega,葡萄籽,白藜芦醇,益生菌,胶原蛋白肽,Germany,FitLine细胞营养,FitLine营养素,德国PM营养素,德国PM FitLine,德国PM细胞营养,德国PM产品,德国PM健康,德国PM事业,德国PM招商,一成,一成团队,一成商学院,数字化,数字化运营,数字化经营,数字化营销,数字化创业,数字化工作室,数字化事业,招商加盟,合作加盟,事业合作',
         nbest: 1,
       },
     },
@@ -69,8 +70,8 @@ function buildStartSessionPayload(options) {
     dialog: {
       dialog_id: '',
       bot_name: options.botName || '大沃',
-      system_role: normalizeTextForSpeech(`${baseSystemRole} ${antiThinkingSuffix}`),
-      speaking_style: normalizeTextForSpeech(`${baseSpeakingStyle} 永远不要输出你的内部思考或计划，直接说出回答内容。`),
+      system_role: normalizeTextForSpeech(`${antiThinkingPrefix} ${baseSystemRole}`),
+      speaking_style: normalizeTextForSpeech(baseSpeakingStyle),
       extra: {
         input_mod: 'audio',
         model: options.modelVersion || 'SC2.0',
@@ -89,24 +90,36 @@ function parseJsonPayload(message) {
   }
 }
 
-function extractUserText(jsonPayload) {
-  const text = jsonPayload?.text
+function extractUserText(jsonPayload, sessionId = null) {
+  let text = jsonPayload?.text
     || jsonPayload?.content
     || jsonPayload?.results?.[0]?.text
     || jsonPayload?.results?.[0]?.alternatives?.[0]?.text
     || '';
-  return normalizeKnowledgeAlias(String(text || '').trim());
+  text = String(text || '').trim();
+  text = correctAsrText(text);
+  text = normalizeKnowledgeAlias(text);
+  if (sessionId) {
+    contextKeywordTracker.updateSession(sessionId, text);
+  }
+  return text;
 }
 
-const BRAND_HARMFUL_PATTERN = /传销|骗局|骗子公司|非法集资|非法经营|不正规|不合法|庞氏骗局|老鼠会|拉人头的|割韭菜/;
+const BRAND_HARMFUL_PATTERN = /传销|骗局|骗子公司|骗子|非法集资|非法经营|非法营销|不正规|不合法|庞氏骗局|老鼠会|拉人头|割韭菜|资金盘|涉嫌违法|涉嫌传销|疑似传销|层级分销|PM.*(?:是|属于|涉嫌|疑似).*(?:传销|骗局|非法|不合法|不正规)|(?:传销|骗局|非法|不合法|不正规).*(?:组织|公司|企业|模式)/;
 const BRAND_SAFE_REPLY = '德国PM是一家1993年成立于德国的合法直销公司，获得邓白氏AAA+认证，业务覆盖100多个国家和地区。如果你想了解更多，可以问我关于PM公司的详细介绍哦。';
 
+const THINKING_PATTERN = /^(首轮对话|用户想|用户问|应该回复|需要列举|可列举|突出特色|引导进一步|引导用户|让用户|回复后询问|语气要|用温和|需热情|需简洁|需专业)/;
+
 function sanitizeAssistantText(text) {
   if (!text) return text;
   if (BRAND_HARMFUL_PATTERN.test(text)) {
     console.warn(`[NativeVoice][SafeGuard] blocked harmful content: ${JSON.stringify(text.slice(0, 200))}`);
     return BRAND_SAFE_REPLY;
   }
+  if (THINKING_PATTERN.test(text.trim())) {
+    console.warn(`[NativeVoice][SafeGuard] blocked thinking output: ${JSON.stringify(text.slice(0, 200))}`);
+    return null;
+  }
   return text;
 }
 
@@ -193,13 +206,13 @@ function flushAssistantStream(session, { source = 'voice_bot', toolName = null,
 
 async function loadHandoffSummaryForVoice(session) {
   try {
-    const history = await db.getHistoryForLLM(session.sessionId, 20);
+    const history = await db.getHistoryForLLM(session.sessionId, 10);
     if (!history.length) {
       session.handoffSummary = '';
       session.handoffSummaryUsed = false;
       return;
     }
-    session.handoffSummary = await arkChatService.summarizeContextForHandoff(history, 3);
+    session.handoffSummary = buildDeterministicHandoffSummary(history);
     session.handoffSummaryUsed = false;
     console.log(`[NativeVoice] Handoff summary prepared for ${session.sessionId}: ${session.handoffSummary ? 'yes' : 'no'}`);
   } catch (error) {
@@ -209,6 +222,36 @@ async function loadHandoffSummaryForVoice(session) {
   }
 }
 
+function buildDeterministicHandoffSummary(messages = []) {
+  const normalizedMessages = (Array.isArray(messages) ? messages : [])
+    .filter((item) => item && (item.role === 'user' || item.role === 'assistant') && String(item.content || '').trim())
+    .slice(-8);
+  if (!normalizedMessages.length) {
+    return '';
+  }
+  const userMessages = normalizedMessages.filter((item) => item.role === 'user');
+  const currentQuestion = String(userMessages[userMessages.length - 1]?.content || '').trim();
+  const previousQuestion = String(userMessages[userMessages.length - 2]?.content || '').trim();
+  const assistantFacts = normalizedMessages
+    .filter((item) => item.role === 'assistant')
+    .slice(-2)
+    .map((item) => String(item.content || '').trim())
+    .filter(Boolean)
+    .map((item) => item.slice(0, 60))
+    .join('；');
+  const parts = [];
+  if (currentQuestion) {
+    parts.push(`当前问题：${currentQuestion}`);
+  }
+  if (previousQuestion && previousQuestion !== currentQuestion) {
+    parts.push(`上一轮关注：${previousQuestion}`);
+  }
+  if (assistantFacts) {
+    parts.push(`已给信息：${assistantFacts}`);
+  }
+  return parts.join('；');
+}
+
 async function sendSpeechText(session, speechText) {
   const chunks = splitTextForSpeech(speechText);
   if (!chunks.length || !session.upstream || session.upstream.readyState !== WebSocket.OPEN) {
@@ -380,6 +423,7 @@ async function processReply(session, text) {
       if (!session.blockUpstreamAudio) {
         session.blockUpstreamAudio = true;
       }
+      session.discardNextAssistantResponse = true;
       sendJson(session.client, { type: 'tts_reset', reason: 'knowledge_hit' });
       const kbText = (ragItems || []).map((item) => item?.content || '').filter(Boolean).join('\n').trim();
       console.log(`[NativeVoice] processReply handoff session=${session.sessionId} route=${routeDecision?.route || 'unknown'} delivery=external_rag→local_tts items=${Array.isArray(ragItems) ? ragItems.length : 0} textLen=${kbText.length}`);
@@ -452,11 +496,13 @@ function handleUpstreamMessage(session, data) {
   }
 
   if (message.type === MsgType.AUDIO_ONLY_SERVER) {
-    const isSuppressingUpstreamAudio = (session.suppressUpstreamUntil || 0) > Date.now() && session.currentTtsType === 'default';
-    if (session.blockUpstreamAudio || isSuppressingUpstreamAudio) {
+    // blockUpstreamAudio 只阻断 S2S default 音频，不阻断我们注入的 chat_tts_text 音频
+    const isDefaultTts = !session.currentTtsType || session.currentTtsType === 'default';
+    const isSuppressingUpstreamAudio = (session.suppressUpstreamUntil || 0) > Date.now() && isDefaultTts;
+    if ((session.blockUpstreamAudio && isDefaultTts) || isSuppressingUpstreamAudio) {
       if (!session._audioBlockLogOnce) {
         session._audioBlockLogOnce = true;
-        console.log(`[NativeVoice] audio blocked (blockUpstream) session=${session.sessionId} ttsType=${session.currentTtsType}`);
+        console.log(`[NativeVoice] audio blocked session=${session.sessionId} ttsType=${session.currentTtsType} block=${session.blockUpstreamAudio} suppress=${isSuppressingUpstreamAudio}`);
       }
       return;
     }
@@ -498,12 +544,10 @@ function handleUpstreamMessage(session, data) {
       clearTimeout(session.greetingAckTimer);
       session.greetingAckTimer = null;
     }
+    // 不再在此处清除 blockUpstreamAudio — 音频处理器已通过 ttsType 区分，
+    // 允许 chat_tts_text 音频通过，同时保持对 S2S default 响应的阻断
     if (session.blockUpstreamAudio && payload?.tts_type && payload.tts_type !== 'default') {
-      session.blockUpstreamAudio = false;
-      session.suppressUpstreamUntil = 0;
-      clearTimeout(session.suppressReplyTimer);
-      session.suppressReplyTimer = null;
-      console.log(`[NativeVoice] unblock audio+suppress on ttsType=${payload.tts_type} session=${session.sessionId}`);
+      console.log(`[NativeVoice] non-default tts=${payload.tts_type} started, audio passthrough via ttsType check session=${session.sessionId}`);
     }
     console.log(`[NativeVoice] upstream tts_event session=${session.sessionId} ttsType=${payload?.tts_type || ''}`);
     sendJson(session.client, { type: 'tts_event', payload });
@@ -564,6 +608,16 @@ function handleUpstreamMessage(session, data) {
     }
     const fullText = appendAssistantStream(session, payload);
     if (fullText) {
+      // 检测思考模式：S2S模型输出分析/计划而非直接回答，立即阻断
+      if (fullText.length >= 10 && THINKING_PATTERN.test(fullText.trim())) {
+        console.warn(`[NativeVoice][SafeGuard] thinking detected in stream, blocking audio session=${session.sessionId} text=${JSON.stringify(fullText.slice(0, 120))}`);
+        session.blockUpstreamAudio = true;
+        session.discardNextAssistantResponse = true;
+        session.assistantStreamBuffer = '';
+        session.assistantStreamReplyId = '';
+        sendJson(session.client, { type: 'tts_reset', reason: 'thinking_blocked' });
+        return;
+      }
       console.log(`[NativeVoice] upstream assistant chunk session=${session.sessionId} len=${fullText.length} text=${JSON.stringify(fullText.slice(0, 120))}`);
     }
     return;
@@ -603,10 +657,15 @@ function handleUpstreamMessage(session, data) {
   }
 
   if (message.event === 450 || (message.event === 451 && !isFinalUserPayload(payload))) {
-    const text = extractUserText(payload);
+    const text = extractUserText(payload, session.sessionId);
     if (text) {
       console.log(`[NativeVoice] upstream partial session=${session.sessionId} text=${JSON.stringify(text.slice(0, 120))}`);
       session.latestUserText = text;
+      // 提前阻断：部分识别文字含知识库关键词时，立即阻断S2S音频，防止有害内容播出
+      if (text.length >= 4 && !session.blockUpstreamAudio && shouldForceKnowledgeRoute(text)) {
+        session.blockUpstreamAudio = true;
+        console.log(`[NativeVoice] early block: partial text matched KB keywords session=${session.sessionId} text=${JSON.stringify(text.slice(0, 80))}`);
+      }
       // 用户开口说话时立即打断所有 AI 播放（包括 S2S 默认 TTS）
       const now = Date.now();
       const isDirectSpeaking = session.directSpeakUntil && now < session.directSpeakUntil;
@@ -638,7 +697,7 @@ function handleUpstreamMessage(session, data) {
   }
 
   if (message.event === 459 || (message.event === 451 && isFinalUserPayload(payload))) {
-    const finalText = extractUserText(payload) || session.latestUserText || '';
+    const finalText = extractUserText(payload, session.sessionId) || session.latestUserText || '';
     console.log(`[NativeVoice] upstream final session=${session.sessionId} text=${JSON.stringify(finalText.slice(0, 120))}`);
     if (session.directSpeakUntil && Date.now() < session.directSpeakUntil) {
       console.log(`[NativeVoice] user interrupt during speaking session=${session.sessionId}`);