# BigWo 智能语音对话系统 — 系统架构文档

> 版本：2.0 | 更新日期：2026-03-13

---

## 1. 系统概述

BigWo 是一个**企业级智能客服对话系统**，支持**语音通话**和**文字对话**两种交互模式，可无缝切换且保持上下文连续。

### 核心能力

| 能力 | 说明 |
|------|------|
| 实时语音对话 | Native WebSocket + S2S 端到端语音大模型，混合编排模式 |
| 知识库问答 | Function Calling → 方舟私域知识库 → 本地知识库 |
| 文字对话 | Coze v3 Chat API，支持 SSE 流式输出 |
| 语音↔文字切换 | 同一 sessionId 贯穿，MySQL 持久化完整历史 |
| 工具调用 | 知识库检索、天气、订单、时间、计算 |

### 技术栈

- **前端**：React 18 + Vite 5 + TailwindCSS 4 + Lucide Icons
- **后端**：Node.js + Express 4 (port 3012)
- **语音**：Native WebSocket (`wss://openspeech.bytedance.com/api/v3/realtime/dialogue`) + S2S 端到端 + 方舟 LLM
- **文字**：Coze v3 Chat API（流式 SSE）
- **知识库**：方舟 Chat Completions API + knowledge_base metadata
- **数据库**：MySQL 8 (mysql2/promise)
- **部署**：PM2 (cluster) + Nginx 反向代理 + 宝塔面板

---

## 2. 系统架构图

```
┌───────────────────────────────────────────────────────────┐
│                      浏览器客户端                           │
│  ┌────────────┐  ┌───────────┐  ┌────────────────────┐   │
│  │ VoicePanel │  │ ChatPanel │  │SessionHistoryPanel │   │
│  └─────┬──────┘  └─────┬─────┘  └────────────────────┘   │
│        │               │                                  │
│  ┌─────▼──────────┐ ┌──▼───────┐  ┌────────────────┐    │
│  │useNativeVoice  │ │ chatApi  │  │   voiceApi     │    │
│  │  Chat (Hook)   │ │(HTTP/SSE)│  │ (HTTP 封装)    │    │
│  └─────┬──────────┘ └──┬───────┘  └────────────────┘    │
│        │                │                                 │
│  ┌─────▼──────────────┐ │                                 │
│  │nativeVoiceService  │ │                                 │
│  │  (WebSocket+Audio) │ │                                 │
│  └─────┬──────────────┘ │                                 │
└────────┼────────────────┼─────────────────────────────────┘
         │ WebSocket       │ HTTPS
         │ PCM 音频流      │ REST/SSE
         ▼                 ▼
┌──────────────────────────────────────────────────┐
│         Express 后端 (port 3001)                  │
│                                                   │
│  /ws/realtime-dialog — Native 语音网关 (核心)     │
│  routes/voice.js     — 语音配置、直连会话         │
│  routes/chat.js      — 文字对话 (Coze SSE)        │
│  routes/session.js   — 会话列表、历史、删除       │
│                                                   │
│  services/nativeVoiceGateway.js — WebSocket 网关  │
│  services/realtimeDialogProtocol.js — 二进制协议  │
│  services/realtimeDialogRouting.js — 意图路由     │
│  services/toolExecutor.js — 工具执行器            │
│  services/arkChatService.js — 方舟 LLM            │
│  services/cozeChatService.js — Coze Chat          │
│  db/index.js — MySQL CRUD                         │
│                                                   │
└──────┬───────────────┬────────────────────────────┘
       │               │
       │ WebSocket     │
       ▼               ▼
┌───────────────┐  ┌─────────────────┐  ┌──────────────┐
│ 火山 Realtime │  │   MySQL 8       │  │ 方舟知识库   │
│ Dialog 服务   │  │ sessions 表     │  │ (远程 API)   │
│ (S2S + LLM)  │  │ messages 表     │  └──────────────┘
└───────────────┘  └─────────────────┘
```

---

## 3. 目录结构

```
test2/
├── client/                        # 前端（React + Vite）
│   ├── src/
│   │   ├── App.jsx                # 主应用，模式切换 + 会话管理
│   │   ├── components/
│   │   │   ├── VoicePanel.jsx     # 语音通话界面
│   │   │   ├── ChatPanel.jsx      # 文字对话界面（SSE 流式）
│   │   │   ├── SessionHistoryPanel.jsx # 会话历史侧边栏
│   │   │   ├── SettingsPanel.jsx  # 语音参数设置面板
│   │   │   └── SubtitleDisplay.jsx# 实时字幕展示
│   │   ├── hooks/
│   │   │   └── useNativeVoiceChat.js # Native WebSocket 语音 Hook
│   │   └── services/
│   │       ├── nativeVoiceService.js # WebSocket 语音服务（音频采集/播放）
│   │       ├── voiceApi.js        # 语音/会话 HTTP 请求
│   │       └── chatApi.js         # 文字 HTTP/SSE 请求
│   └── vite.config.js
├── server/                        # 后端（Express）
│   ├── app.js                     # 入口，启动 HTTP + WebSocket 服务
│   ├── routes/
│   │   ├── voice.js               # 语音配置、直连会话、知识库查询
│   │   ├── chat.js                # 文字对话（Coze SSE 流式）
│   │   └── session.js             # 会话列表、历史、删除、模式切换
│   ├── services/
│   │   ├── nativeVoiceGateway.js  # WebSocket 语音网关（核心）
│   │   ├── realtimeDialogProtocol.js # 二进制协议编解码
│   │   ├── realtimeDialogRouting.js  # 意图路由 + 工具调度
│   │   ├── toolExecutor.js        # 工具执行器
│   │   ├── arkChatService.js      # 方舟 LLM
│   │   └── cozeChatService.js     # Coze Chat API（文字主服务）
│   ├── db/index.js                # MySQL CRUD
│   └── .env                       # 环境变量
└── ecosystem.config.js            # PM2 部署配置
```

---

## 4. 语音通话模块（Native WebSocket 方案）

### 4.1 混合编排模式

S2S 端到端模型处理普通闲聊（低延迟），方舟 LLM 同时决策是否需要调用工具。两者并行运行。

### 4.2 会话生命周期

```
客户端 WebSocket 连接  →  /ws/realtime-dialog
      ↓
nativeVoiceGateway 创建会话  →  连接上游 Realtime Dialog 服务
      ↓
客户端采集麦克风 PCM  →  发送音频帧  →  上游 ASR + S2S
      ↓
上游返回字幕/音频  →  realtimeDialogRouting 意图路由
      ↓
工具调用或闲聊回复  →  ChatTTSText 注入语音流  →  客户端播放
      ↓
客户端断开 WebSocket  →  会话结束  →  可切换文字模式
```

### 4.3 语音相关端点

| 端点 | 类型 | 说明 |
|------|------|------|
| `/ws/realtime-dialog` | WebSocket | **核心**，Native 语音网关 |
| `/api/voice/config` | GET | 获取模型、音色列表 |
| `/api/voice/direct/session` | POST | 创建直连会话 |
| `/api/voice/direct/message` | POST | 添加消息 |
| `/api/voice/direct/query` | POST | 知识库直接查询 |
| `/api/voice/stop` | POST | 停止会话 |

### 4.4 核心服务文件

| 文件 | 职责 |
|------|------|
| `nativeVoiceGateway.js` | WebSocket 网关，管理客户端↔上游连接、音频流转发、消息持久化 |
| `realtimeDialogProtocol.js` | 二进制协议编解码（消息类型、标志位、序列化/反序列化） |
| `realtimeDialogRouting.js` | 意图路由（规则+LLM 双层决策）、工具调度、语音播报 |

---

## 5. 语音意图路由与工具调用

### 5.1 数据流

```
用户语音 ASR 识别文本
    │ 上游 Realtime Dialog 服务返回
    ▼
nativeVoiceGateway 接收字幕 → 持久化用户语音到 DB
    ▼
realtimeDialogRouting.resolveReply()
    │
    ├─ 规则路由：时间/天气/订单/计算 → 直接工具调用
    ├─ search_knowledge → 方舟知识库 API
    └─ chat → 方舟 LLM 闲聊回复
    │
    ▼
工具结果/LLM回复 → ChatTTSText 注入上游语音流
    ▼
AI 语音播报 + 持久化到 DB
```

### 5.2 关键设计

| 问题 | 解决方案 |
|------|----------|
| 意图识别 | 规则路由 + LLM 路由双层决策 |
| S2S 与工具冲突 | ChatTTSText 注入工具结果覆盖 S2S 直连回复 |
| 音频编解码 | realtimeDialogProtocol 自定义二进制协议 |
| 语音文本分段 | 按标点切分，估算播报时长，分段 TTS |

---

## 6. 文字对话模块

### 6.1 架构

通过 **Coze v3 Chat API** 实现，Coze Bot 内置知识库插件。

```
用户输入 → POST /api/chat/send-stream
    ↓
cozeChatService.chatStream()
    │ 首次对话注入语音历史作为上下文
    │ Coze 自动管理 conversation_id
    ↓
SSE 流式返回 → 前端逐字展示
```

### 6.2 文字 API 端点（chat.js）

| 端点 | 方法 | 说明 |
|------|------|------|
| `/api/chat/start` | POST | 创建会话，注入语音历史上下文 |
| `/api/chat/send` | POST | 非流式发送 |
| `/api/chat/send-stream` | POST | SSE 流式发送 |
| `/api/chat/history/:id` | GET | 获取会话状态 |
| `/api/chat/:id` | DELETE | 删除会话 |

---

## 7. 会话管理与模式切换

### 7.1 统一 sessionId

同一个 sessionId 贯穿语音和文字模式，所有消息持久化到 MySQL messages 表。

### 7.2 消息来源标记

| source 值 | 说明 |
|-----------|------|
| `voice_asr` | 语音 ASR 识别的用户文本 |
| `voice_bot` | AI 语音回复字幕 |
| `voice_tool` | 语音场景工具调用结果 |
| `chat_user` | 文字对话用户输入 |
| `chat_bot` | 文字对话 AI 回复 |

### 7.3 会话管理 API（session.js）

| 端点 | 方法 | 说明 |
|------|------|------|
| `/api/session/list` | GET | 获取会话列表（带最后消息预览） |
| `/api/session/:id/history` | GET | 获取完整历史（支持 llm/full 格式） |
| `/api/session/:id/switch` | POST | 切换模式，返回上下文历史 |
| `/api/session/:id` | DELETE | 删除会话及其消息 |

### 7.4 数据库表

**sessions**：`id(PK)`, `user_id`, `mode(voice/chat)`, `created_at`, `updated_at`

**messages**：`id(AI PK)`, `session_id`, `role(user/assistant/tool/system)`, `content`, `source`, `tool_name`, `created_at`

---

## 8. 客户端组件

### 8.1 组件树

```
App.jsx                    # 模式切换 + 全局设置 + 会话管理
├── VoicePanel.jsx         # 语音通话 UI（开始/结束/静音/时长）
│   └── SubtitleDisplay    # 实时字幕（definite/interim 区分）
├── ChatPanel.jsx          # 文字对话 UI（消息列表 + SSE 流式显示）
├── SessionHistoryPanel.jsx # 会话历史侧边栏（新建/切换/删除会话）
└── SettingsPanel.jsx      # 设置面板（模型/音色/系统角色/VAD）
```

### 8.2 useNativeVoiceChat Hook

管理 Native WebSocket 语音通话完整生命周期：

- **start(options)**：连接 WebSocket → 采集麦克风 PCM → 发送音频帧
- **stop()**：断开 WebSocket → 返回字幕和 sessionId
- **toggleMute()**：静音/取消静音
- **状态**：isActive, isMuted, isConnecting, subtitles, duration, error

### 8.3 nativeVoiceService.js

封装 Native WebSocket 语音连接：

- **connect(options)**：建立 WebSocket 连接，初始化音频采集（getUserMedia + Web Audio API 降采样）
- **disconnect()**：关闭连接、停止音频
- **setMuted(muted)**：控制麦克风
- **事件回调**：onSubtitle（字幕）、onConnectionStateChange（连接状态）、onError（错误）
- **音频播放**：接收 PCM 音频帧，通过 Web Audio API 播放

---

## 9. 环境变量

### 必需

| 变量 | 说明 |
|------|------|
| `VOLC_S2S_APP_ID` | S2S 端到端语音 AppID |
| `VOLC_S2S_TOKEN` | S2S Token |
| `VOLC_ARK_ENDPOINT_ID` | 方舟 LLM 推理接入点 ID |

### 可选

| 变量 | 说明 |
|------|------|
| `COZE_API_TOKEN` | Coze 智能体 Token（文字对话） |
| `COZE_BOT_ID` | Coze Bot ID |
| `VOLC_ARK_KNOWLEDGE_BASE_IDS` | 方舟私域知识库数据集 ID（逗号分隔） |
| `VOLC_ARK_API_KEY` | 方舟 API Key |
| `VOLC_WEBSEARCH_API_KEY` | 联网搜索 Key |
| `VOLC_S2S_SPEAKER_ID` | 自定义音色 ID |
| `ENABLE_NATIVE_VOICE_GATEWAY` | 语音网关开关（默认开启，设 false 关闭） |
| `MYSQL_HOST/PORT/USER/PASSWORD/DATABASE` | MySQL 配置 |

---

## 10. 部署架构

```
互联网用户
    │
    ▼ HTTPS (443) + WSS
┌──────────────┐
│   Nginx      │  ← 宝塔面板管理
│  (反向代理)   │
│  SSL 终止    │
└──────┬───────┘
       │ http://localhost:3001
       ▼
┌──────────────┐
│   PM2        │  ← ecosystem.config.js
│  bigwo-server│
│  (Node.js)   │
└──────┬───────┘
       │
       ├── MySQL 8 (localhost:3306)
       ├── 火山 Realtime Dialog (wss://openspeech.bytedance.com)
       ├── 方舟 LLM API (ark.cn-beijing.volces.com)
       └── Coze API (api.coze.cn)
```

### PM2 配置

- 进程名：`bigwo-server`
- 工作目录：`/www/wwwroot/demo.tensorgrove.com.cn/server`
- 日志路径：`/var/log/bigwo/server-out.log`、`server-error.log`
- 内存限制：512M 自动重启

---

## 11. 工具定义（tools.js）

系统定义了 5 个 Function Calling 工具：

| 工具 | 参数 | 说明 |
|------|------|------|
| `search_knowledge` | query: string | **核心工具**，强制优先调用 |
| `query_weather` | city: string | 天气查询（Mock） |
| `query_order` | order_id: string | 订单查询（Mock） |
| `get_current_time` | 无 | 当前时间 |
| `calculate` | expression: string | 数学计算 |

### search_knowledge 查询链

```
方舟私域知识库 (30s 超时)
  │ POST https://ark.cn-beijing.volces.com/api/v3/chat/completions
  │ metadata.knowledge_base: { dataset_ids, top_k: 3, threshold: 0.5 }
  │
  │ 失败 ↓
  ▼
本地知识库 (即时，关键词匹配)
  │ 覆盖：退货、退款、配送、保修、会员
```

---

## 12. 安全与限制

- **API 签名**：所有火山引擎 API 调用使用 AK/SK HMAC 签名
- **FC 回调签名**：ServerSignature 校验（当前信任模式）
- **计算工具防注入**：仅允许 `0-9 + - * / ( ) . %` 字符
- **CORS**：已开启（`cors()` 中间件）
- **Body 限制**：1MB
- **会话过期**：文字对话 30 分钟自动清理
- **环境变量**：敏感信息存于 `.env`，启动时校验

---

## 13. 已知问题与优化方向

1. **天气和订单工具为 Mock**：queryWeather 和 queryOrder 使用硬编码数据，可接入真实 API
2. **本地知识库简陋**：searchLocalKnowledge 仅 5 条硬编码记录，需接入真实知识库
3. **方舟 LLM Mock 模式**：未配置 VOLC_ARK_ENDPOINT_ID 时返回硬编码回复
4. **文字对话依赖 Coze**：Coze 未配置时文字对话模式不可用，可考虑 fallback 到 arkChatService
5. **知识库冷启动**：方舟 KB 首次查询较慢（~10s），后续查询 ~3-5s