编辑 | blame | 历史 | 原始文档

Phase 1 Coding Plan

File: phase-1.md
Date: 2026-08-30
Updated: 默认 chat.conversation pending；配网/开机主动发起；三通道才切换
Based on: Master Plan · Architecture Audit · Client Plan V1.1 · Server Plan V1.1 · Cross-System Review
本阶段产出设计与编码任务清单。按本文件实施；与 V1.1 Plan 冲突时，以本文为准。

0. Cross-System Review 结论

Client Plan 与 Server Plan 方向可协同（Server 编排、Client 执行、Chat 热路径不动、MCP 优先），但不能按两份文档的「原文 Phase 1」各自开工。必须先对齐下面三条，否则复读和翻译都会做不完或破坏 Chat。

0.1 已经对齐（保持）

契约	含义
权威状态在 Server	设备不持久化 App/Task 历史
固件无业务分支	禁止 `if (app == english)`
DeviceState ≠ InteractionMode	不把复读/翻译塞进 Listening/Speaking 迁移表
协议语义冻结	`hello/listen/abort/tts/stt/mcp` 不改字段含义
可复用硬件	Sening `self.mp3.play` / `self.mp3.stop` / `self.power_off`；`PauseSdCardMp3`

0.2 原文冲突与 Phase 1 决议

缺口	原文	决议
App 层	Client 说 Phase 1 不做 App；Server 说 App 表 Phase 3	做薄 App Runtime（仅 Server JSON + `active_app_id`）。设备无 App 目录、无 App Store
复读 N 次	双方都假设 Server 循环等 `play.completed`	当前 `self.mp3.play` 立即返回 `accepted`。N 次循环放进设备 Skill 参数 `repeat`；Server 只下发 `name/repeat/power_off_after`
翻译	Client 把 TRANSLATION Mode 放到 Phase 3	App 复用 ASR+TTS 管线，跳过闲聊 LLM，只暴露翻译 MCP
软关机	两份 Plan 都未写入复读验收	复用现有 `self.power_off` → `RequestPowerOffStandby`
双 MQTT	允许并存	色宁 snlp MQTT 是小程序即时启动 / 计划任务的控制面（优先级最高）。`START_APP_TASK` 只表达「启动哪个 App/Task」，具体调用哪些 Skill 由该 Task 的配置决定。禁止用 `PLAY_MEDIA` 冒充「启动 App」。

0.3 协同总图（Phase 1）

进入通道（优先级从高到低）
  ① 小程序即时开始  ──色宁 MQTT──►  最高，打断一切
  ② 小程序 Schedule ──到点/闹钟唤醒──►  可打断 chat
  ③ 离线语音切换    ──MultiNet 口令──►  交互选 App/Task
                    │
                    ▼
              统一 start_app_task(app, task, params, source)
                    │
                    ▼
                    App Runtime (Server + 设备执行器)
                    active_app_id 默认 = chat
         ┌──────────────────┼──────────────────┐
         │                  │                  │
      chat               english_learning   english_translation
      mode=CHAT          mode=PLAY_AUDIO    mode=TRANSLATION
         │                  │                  │
         └──────── Device Skill（MCP / 本地播放器）──────┘

同一时刻只运行一个 App / 一个 Task。

默认（没有更高优先级入口时）：永远是第一个 App 的 default Task = chat.conversation（原有小智对话能力，但更主动开口）。

事件	进入
首次配网成功	`chat` / default task `conversation`，小智先发起（如「我们来聊天吧」）
之后普通开机 / 软硬关机再启动	继续这份 chat pending task，不要停在纯等待问话的 Idle
用户说「我们来聊天吧 / 聊会天吧」或唤醒回聊天	切回（或保持）`chat.conversation`
小程序即时 / 计划到点 / 离线切 App	才离开 chat
RTC 闹钟且 pending 不是 chat（例如复读）	执行该计划 Task，不要先闲聊

1. Phase 1 目标

做 全面但薄的 App 框架，并在框架上跑三个 App：

chat（default App + default Task） — 原有小智对话能力；配网后与每次默认开机都进入并 主动发起聊天，不是只等用户提问
english_learning — 听·复读机：本地 SD 卡 MP3 播放 N 次，结束后 可选软关机
english_translation — 英语翻译 App：Server 插入 只做翻译的 MCP；该 App 下不闲聊、不调其他插件

1.1 非目标（明确不做）

跟读、录音归档、Assessment、TaskInstance 正式表
Xiaozhi 协议新 type=task（小程序走色宁 MQTT，见 §2.7）
家长小程序 UI / 完整 Java Scheduler 微服务 / App Store 上架
成语接龙、数字背诵、口算等尚未存在的 Task 本体（语音菜单只预留意图槽）
合并 Xiaozhi MQTT 与 snlp/v1 为一条物理连接
改 Opus 热路径、DeviceState 合法迁移表
非 Sening 板的 SD 复读（翻译 App 不依赖 SD，可全板）
用 play_music（Server TTS 通道）冒充复读

必须写入本阶段框架（挂钩可测，小程序可后做）： 三种进入通道、优先级抢占、关机唤醒后续跑计划任务、离线口令不再是空回调。

2. 框架设计（本阶段重点）

2.1 概念

概念	Phase 1 落地	不落地
App	Server 注册表 + 连接上 `active_app_id`	固件 App Manager、SD `/apps` 安装
Task	`english_learning` 内一个「复读」动作	Workflow / StepInstance
InteractionMode	连接字段 `CHAT \\| PLAY_AUDIO \\| TRANSLATION`	新 DeviceState
Skill	现有 MCP tools + 扩展参数	设备侧 ASR/评分
Default App / Task	`chat` + `conversation`	无 App 的空 Idle

Chat 就是设备上的第一个 App，其 default Task 名为 conversation：等于今天小智硬件的听/说/LLM 对话，加上「小智更多地主动开口」。

没有小程序即时、没有到期计划、没有离线切 App 时，**任何启动都进入或恢复这一 Task**，不要停在「配好网后干等用户先说话」。

2.1.1 启动解析：默认永远是 chat.conversation

设备本地持久化一份 current/pending：

pending_task = {
  app_id, task_id, params, source, updated_at
}

出厂 / 首次配网成功后的初值：

app_id  = chat
task_id = conversation
source  = default_chat

每次开机（含软关机再启动、断电再上电）按下面解析，**从上到下第一条命中**：

1. 通道① 缓存的即时 MQTT 指令尚未执行 → 执行它
2. 通道② 闹钟到期且 pending 不是 chat.conversation → 执行计划 Task
3. 否则 → 恢复 pending；若空或非法 → chat.conversation

因此：

第一次配网成功 → 进入第一个 App 的 default Task：chat.conversation
之后关机再开 → 默认仍是这份 chat pending（继续聊天 Task），不是空白 Idle
只有小程序即时、小程序计划、离线语音切换才会改写 pending 并离开 chat
计划 Task 跑完若配置「回到 default」→ pending 写回 chat.conversation

conversation 也是一个正式 Task，不是「没有 Task」。三通道切换时，chat 与复读、翻译同一套 start_app_task。

2.2 App 注册表（Server，配置驱动）

建议文件：xiaozhi-esp32-server/main/xiaozhi-server/data/apps.json
（或 config.yaml 下 apps:。优先独立 JSON，避免和模型配置缠在一起。）

{
  "default_app_id": "chat",
  "apps": {
    "chat": {
      "name": "聊天",
      "mode": "CHAT",
      "default_task": "conversation",
      "tool_policy": "inherit_agent",
      "system_prompt_mode": "agent_proactive",
      "tasks": {
        "conversation": {
          "interaction_mode": "CHAT",
          "skills": [],
          "note": "原有 Xiaozhi Chat Runtime；由 Runtime 主动发起，不另挂 MCP"
        }
      }
    },
    "english_learning": {
      "name": "英语学习",
      "mode": "PLAY_AUDIO",
      "tool_policy": "allowlist",
      "tools": ["switch_app", "start_repeater", "self.mp3.play", "self.mp3.stop", "self.mp3.get_list", "self.power_off"],
      "system_prompt_mode": "none",
      "tasks": {
        "repeater": {
          "interaction_mode": "PLAY_AUDIO",
          "skills": [
            { "name": "self.mp3.play", "args_from": ["name", "repeat", "power_off_after"] }
          ]
        }
      }
    },
    "english_translation": {
      "name": "英语翻译",
      "mode": "TRANSLATION",
      "tool_policy": "allowlist",
      "tools": ["switch_app", "translate"],
      "system_prompt_mode": "translator",
      "tasks": {
        "live_translate": {
          "interaction_mode": "TRANSLATION",
          "skills": [
            { "name": "translate", "side": "server_mcp" }
          ]
        }
      }
    }
  }
}

inherit_agent：沿用当前 Agent 已绑定的插件 + 设备 MCP（**现网行为**）
allowlist：只把名单里的工具交给 LLM / 编排器
固件 不读取 此文件

2.3 连接态（Server 内存，不建表）

在 ConnectionHandler 增加：

active_app_id: str = "chat"
interaction_mode: str = "CHAT"    # 与当前 App.mode 同步

切换 App：

switch_app(app_id)
  → 校验注册表
  → 停当前动作（复读则 MCP self.mp3.stop）
  → active_app_id / interaction_mode 更新
  → 刷新工具列表（invalidate ToolManager cache）
  → 按 system_prompt_mode 切换提示词

switch_app 在 chat 与各 App 白名单中都可用，以便「退出翻译 / 退出复读，回到聊天」。

2.4 Mode 对实时链路的分流

插入点：startToChat / ConnectionHandler.chat 之前（receiveAudioHandle.py、connection.py）。

mode	ASR	LLM chat()	TTS	设备播放
CHAT	是	是（现网）	是	否（除非插件）
PLAY_AUDIO	否（忽略上行当对话）	否	仅启动时一句提示（可选）	SD MP3
TRANSLATION	是	否	是（翻译结果）	否

PLAY_AUDIO 期间若收到**用户唤醒词** / 用户主动 listen：复位 chat，走现网。不要在复读中把用户说话送进 LLM。
RTC 闹钟唤醒走通道②，不走这条复位。

2.5 工具过滤

插入点：UnifiedToolHandler.get_functions() / ToolManager.get_all_tools()。

if tool_policy == inherit_agent:
    现网全集
else:
    只保留 allowlist 中存在的工具（含设备 MCP 名 sanitize 后）

翻译 App 下禁止出现 weather / play_music / 设备拍照等。
这是「只做翻译的 MCP」能成立的前提：不是 MCP 自己谦虚，而是 App 白名单把别的工具摘掉。

2.6 Client 框架职责（薄）

设备 不实现业务 App（无 EnglishLearningApp 类），但必须有 进入通道网关：

Chat Runtime 协议与热路径保持（hello/listen/tts）
配网成功与默认开机进入 chat.conversation，并让小智 主动开口（见 §3.1）
Skill 可被 MCP 调用
self.mp3.play 支持 repeat + power_off_after（仅当 Task 配置了该 Skill）
音频互斥继续用 PauseSdCardMp3
软关机继续用 RequestPowerOffStandby
色宁 MQTT 能下发 START_APP_TASK 并抢占当前任务（§2.7 通道①）
开机解析 pending：无更高优先级则恢复 chat.conversation；闹钟非 chat 计划则执行计划（§2.1.1）
离线语音命令回调进入切换入口；「我们来聊天吧 / 聊会天吧」映射回 chat.conversation

2.7 三种进入 App / Task 的方式（框架核心）

将来进入「某 App 的某 Task」只有三条通道。Phase 1 就把 优先级、抢占、载荷、关机唤醒 定死，避免以后每个 App 自己抢设备。

统一入口：
  start_app_task(app_id, task_id, params, source)

source:
  mqtt_immediate   优先级 3  最高
  schedule         优先级 2
  voice            优先级 1
  default_chat     优先级 0

抢占规则：

新请求.priority > 当前.priority  → 中断当前 App/Task，立刻切换
新请求.priority = 当前.priority  → 同通道后到覆盖（小程序连点两次：后者生效）
新请求.priority < 当前.priority  → 拒绝或忽略（例如复读由 MQTT 拉起时，语音切翻译无效）

「中断」统一动作（设备侧，与业务无关）：

停止当前正在跑的 Skill（播、听、TTS、显示任务等）
→ 再按「新 Task 配置」执行其 skills[]

固件仍然不写 if english；MQTT/语音/闹钟只带 app_id + task_id + JSON params。
执行哪些 Skill 不由通道决定，只由该 App/Task 的配置决定。

技能解析（所有通道共用，必须明确）

START_APP_TASK / start_app_task
        │
        ▼
查 App 注册表[app_id].tasks[task_id]
        │
        ▼
读取该 Task 的：
  interaction_mode
  skills[]          ← 真正要调用的能力
  params schema
        │
        ▼
按 skills[] 依次（或按 Step）调用
  设备 MCP Skill（如 self.mp3.* / self.power_off / display）
  和/或 Server Skill（如 translate MCP / ASR / TTS）

要点：

通道只负责「何时、用什么优先级启动哪个 Task」，不负责「这个 Task 播放 MP3」。
self.mp3.play 只是 english_learning.repeater 这份配置里的 Skill，不是所有 App/Task 的默认技能。
翻译 Task 配的是 Server MCP translate；将来跟读会配 play + listen；口算会配 speak + listen + Server 判题。同一条 MQTT START_APP_TASK 都能启动。
PLAY_MEDIA 是色宁历史上的「播本地文件」指令，**不是 App 协议**。即使某 Task 的 Skill 语义上也是播放，也应走该 Task 配置的 Skill 名（Phase 1 复读用 self.mp3.play），不要让小程序直接发 PLAY_MEDIA 冒充「打开英语 App」。

Phase 1 已有 Task 与 Skill 对照：

App	Task	配置中的 skills（示例）
`chat`	`conversation`（default）	现有 Chat Runtime；小智主动发起，无强制额外 MCP
`english_learning`	`repeater`	`self.mp3.play`（+ 可选 `self.power_off`）
`english_translation`	`live_translate`	Server MCP `translate` + 现有 TTS

通道① 小程序即时开始（优先级最高）

手机小程序
  选 App → 选 Task → 立即开始
    → 色宁 MQTT 下发 START_APP_TASK（只带 app_id / task_id / params / source）
    → 无论当前是 chat、翻译还是别的 Task，全部中断
    → start_app_task(...)
    → 按该 Task 配置的 skills[] 执行（复读才会调到 self.mp3.play；翻译则调 translate）

为什么走色宁 MQTT 而不是 Xiaozhi WS： 小程序可能在设备 Idle、软关机恢复前、或对话通道未打开时就要能下发；色宁 snlp/v1/{device_id}/cmd/ctl|task 已常驻。Xiaozhi type=mcp / Server MCP 仍是 Skill 调用面。MQTT 的 START_APP_TASK 是 Task 启动面。二者不要混成一条「播放指令」。

建议新 action（挂在现有 BoardMqtt_DispatchAction）：

{
  "header": { "device_id": "...", "req_id": "...", "timestamp": 0 },
  "action": "START_APP_TASK",
  "payload": {
    "app_id": "english_learning",
    "task_id": "repeater",
    "params": {
      "name": "lesson001.mp3",
      "repeat": 10,
      "power_off_after": false
    },
    "source": "mqtt_immediate"
  }
}

payload.params 的字段由 该 Task 的 schema 决定，不是全局固定为 MP3 文件名。复读 Task 才需要 name/repeat/power_off_after；翻译 Task 可以几乎无 params；跟读以后会有 resource_id 等。

设备 ack 走现有 rpt/ack。若当前有低优先级任务：先停再按新 Task 的 skills[] 启动。

Phase 1 编码： 协议 + 抢占 + 能启动本阶段已有 task（repeater / translate / 回 chat）。小程序 UI 可后做，用 MQTT 客户端联调即可。

通道② 小程序 Schedule（优先级第二）——关机自动执行的主目标

小程序设置计划
  例如：每天 07:00 英语学习 / 听-复读 或 跟读
    → Server 保存 Schedule（权威）
    → 同步到设备：RTC 闹钟 SET_ALARM + 本地 pending_task
    → 到点：
         若设备开着且当前是 chat（或更低优先级）→ 切换并开始
         若设备软关机 / 硬件关机后由 RTC 唤醒 → 联网后立刻执行 pending，不进 chat

这是 小智硬件重启 / 闹钟唤醒的主要产品目标：不是为了回到待机聊天，而是到点自动泛听、跟读等。

现有代码已经具备半截能力，**尚未接到 App/Task**：

已有	缺口
MQTT `SET_ALARM` / `UNSET_ALARM` + DS3231	闹钟只唤醒，不带 app/task
软关机 `RequestPowerOffStandby`，闹钟 `schedule_power_off_restore_from_alarm`	`RestoreFromPowerOffStandby` 只 `ResumePlaylistIfUnfinished`
软关机期间关闭唤醒词与离线命令	符合「关机后只有闹钟能拉起来」

Phase 1 必须补的设备语义：

NVS / SD 保存 pending_task.json
  { app_id, task_id, params, source: "schedule", alarm_id }

闹钟触发且从 power-off 恢复
  → 若 pending 是非 chat 的计划 Task → 执行它，禁止先闲聊
  → 若 pending 是 chat.conversation 或没有非 chat 计划 → 进入 chat.conversation 并主动开口
  → 计划 Task 成功结束后按配置写回 chat.conversation

开机且已在 chat：到点同等抢占（priority 2 > 0）。
正在执行 MQTT 即时任务（priority 3）时：本次 Schedule 触发跳过或延后，不抢 MQTT。

Server 侧完整 Plan 表、家长日历 UI：**本阶段不建 Java 表**；可用 apps.json + 设备闹钟 + pending 文件先跑通「7 点唤醒后自动复读」。跟读 Task 本体仍非本阶段，但 pending 的 task_id 字段必须预留。

通道③ 离线语音交互切换（优先级第三）

硬件 已经实现离线语音识别（ESP-SR MultiNet），目的就是为将来切 App / Task / InteractionMode 做准备。**当前版本没有接到切换。**

现状（Sening）：

位置	行为
`afe_wake_word.cc` / `custom_wake_word.cc`	MultiNet 检测离线命令
口令	仅 `切换模式`（拼音 `qie huan mo shi`）
`Application` → `Board_Handle_Offline_Command`	匹配后只 `ESP_LOGI`，无切换
`CustomWakeWord` 的 `index.json` commands	已有 `command / text / action` 结构，可扩展，尚未用于 App

目标体验（将来，不限于本阶段三个 App）：

小智：现在我们来做个游戏吧，
      是想做数字背诵、成语接龙，
      还是 10 以内加减法口算，还是 xx？
用户：（离线命令 / 短句）
程序能判定意图 → start_app_task(对应 app, 对应 task, source=voice)
意图不清 → 再问一次 / 留在当前 App

判定原则：

优先本地 MultiNet 口令（低延迟、可在未开 Xiaozhi 对话通道时工作）
口令表按「当前交互步」加载（菜单步只有几个候选，不要一次注册全部业务句）
本地无法判定时，才允许走云端 ASR+意图（此时已在 chat 管线，priority 仍算 voice）
语音不能打断通道① MQTT 即时任务，也不能打断正在执行的通道② 计划任务

Phase 1 编码（挂钩，不是做完整游戏平台）：

Board_Handle_Offline_Command 不再空转：进入 voice_entry（例如打开「选 App」菜单态）
Phase 1 菜单必须包含回到聊天：「我们来聊天吧」「聊会天吧」→ chat.conversation（最常用）
其它候选：english_learning.repeater / english_translation；「数字背诵 / 成语接龙 / 口算」作意图槽预留
不在固件写死游戏业务；口令 → app_id+task_id 映射表（JSON/Assets），与 MQTT 载荷同一套

与唤醒词分工：

配网成功 / 普通开机     → chat.conversation（主动开口）
「我们来聊天吧」等口令  → chat.conversation
唤醒词                   → 回到或保持 chat.conversation（可接着主动一句）
离线「切换模式」         → 通道③ 选其它 App/Task
RTC 闹钟 + 非 chat 计划  → 通道② 计划 Task，不要先闲聊

软关机期间两者都关闭（现有逻辑），只有闹钟能恢复。

2.8 进入通道 vs Server App Runtime

通道	设备是否必须在线 Xiaozhi WS	权威
① MQTT 即时	不必先开对话通道	小程序请求；设备立即抢占执行
② Schedule	到点时再联网即可	Server 存计划；设备存闹钟 + pending
③ 语音	纯口令可离线判定；澄清对话需要 WS	Server 注册表；本地只做口令→id

三通道汇合到同一套 start_app_task → 查 Task 配置 → 调 skills[]。MQTT 不要再为「播放」单独走 PLAY_MEDIA 业务分支，否则同一复读 Task 会出现两套执行器。其它 Task 也一样：通道不绑定某种 Skill。

3. App 规格

3.1 chat · default Task `conversation`

这是设备上的 第一个 App、默认 Task，对应原有小智 AI 硬件的对话功能。

何时进入（只应这些，外加启动解析）：

首次配网成功
之后每次开机 / 软硬关机再启动，且没有更高优先级的计划 Task
口令或对话：「我们来聊天吧」「聊会天吧」、唤醒回聊
switch_app("chat") / MQTT app_id=chat, task_id=conversation
其它 Task 正常结束且配置回到 default

何时不进 chat： 小程序即时开始了别的 Task；闹钟唤醒的 pending 是复读/翻译等非 chat 计划。

协议与状态机： Listening ↔ Speaking、hello/listen/tts、Agent 插件保持。框架只把这条链路登记为 chat.conversation。

与原程序的差异（本阶段要做）：小智更多地发起，而不是完全被动等用户问。

原行为：配网后 Idle → 等唤醒 → 等用户说话 → 再答。
目标行为：进入 conversation 后，小智 先开口 邀请聊天，并在冷场时可以再发起一轮，而不是一直沉默。

Phase 1 主动发起的最小实现（不另造 App）：

进入 chat.conversation
  → 打开音频通道（若尚未打开）
  → TTS 主动句（配置或角色提示驱动）
     例：「我们来聊天吧。」「想聊点什么呀？」
  → 进入 Listening，等用户
  → 之后按现网 ASR → LLM → TTS
  → 若长时间无用户说话：可再主动一句（次数/间隔可配，避免死循环催促）

实现落点建议：

Server：system_prompt_mode = agent_proactive（鼓励先问、短句发起）；可选连接建立后下发一句 tts 而不等用户 STT
Client：配网成功 / 默认开机解析到 conversation 后，不要只停在 Idle 等按键；应走现有「开始听」路径并允许先播 TTS
口令「我们来聊天吧」与主动句共用同一 Task，不要做成第二个聊天 App

pending： 关机前若正在 chat，pending 保持 chat.conversation。再开机继续该 Task（可再主动打个招呼，不必复述关机前最后一句，但角色记忆仍走现有 Server memory）。

回归红线： 用户一旦开始说话，打断、TTS、已有插件与现网一致。主动开口不得改 Opus 热路径或 listen 语义。

3.2 english_learning · 听-复读机

用户体验

进入英语学习 / 开始复读
  → 播放 SD 卡上指定 MP3
  → 完整播放 N 次（文件已在本地，不下载）
  → 若 power_off_after=true：软关机（现有 power-off standby）
  → 否则停在 Idle；唤醒回到 chat

参数（Server 下发，设备执行）

参数	说明
`name`	与 `self.mp3.get_list` 的 `files[].name` 完全一致
`repeat`	正整数 N，整首循环次数（不是服务器连调 N 次 play）
`power_off_after`	bool，默认 false

为什么循环在设备上

self.mp3.play 今日在文件开始播放后即返回 {"accepted":true}，15s 内同名重复调用还会 duplicate_ignored。Server 无法可靠「播完再调下一次」。把 repeat 放进播放器循环，不依赖新协议事件，也不把「英语」写进固件。

编排（Server）

插件 start_repeater(name, repeat, power_off_after)：

active_app_id = english_learning，mode = PLAY_AUDIO
可选 TTS：「开始复读 N 次」（短、可关）
Device MCP：self.mp3.play + 新参数
Action.RECORD 或 NONE，**不再** chat()

缺文件：先 self.mp3.get_list，没有则 TTS 提示并保持 chat。

软关机

设备在第 N 次自然结束（非 stop、非 TTS 打断）后，若 power_off_after：调用现有 Application::RequestPowerOffStandby()（与 self.power_off 同一路径）。
被唤醒词/按键/self.mp3.stop 打断则 不关机，并应让 Server 在下次 listen 时回到 chat。

目标板： sening-xiaozhi-s3。其他板无 SD MP3 时：start_repeater 返回明确错误，不得改 Chat。

3.3 english_translation

用户体验

进入英语翻译
用户说中文 → 设备播英文
用户说英文 → 设备播中文
不闲聊、不讲笑话、不调天气
「退出翻译」→ chat

Server MCP（本阶段核心新增）

在 data/.mcp_server_settings.json 注册独立 MCP Server，例如名 english-translate：

{
  "mcpServers": {
    "english-translate": {
      "command": "python",
      "args": ["mcp_servers/translate/server.py"]
    }
  }
}

MCP 工具（建议只暴露一个）：

translate(text, source_lang?, target_lang?)

规则：

未指定语言：中文→en，英文→zh；其它语言默认译成中文
只返回译文，无解释、无拼音课、无 follow-up 提问
实现：MCP 进程内用独立「翻译系统提示」调现有 LLM HTTP（读 xiaozhi 配置），**不要**走 ConnectionHandler.chat（避免套娃闲聊）
该 MCP 不注册 play_music / 设备控制

实时路径

ASR 文本
  → interaction_mode == TRANSLATION
  → 直接 ServerMCPExecutor.execute("translate", {text})
  → TTS 播 result
  → 不进入 chat()、不写长 Dialogue（可选记一条 history）

不要：先让闲聊 LLM「决定是否翻译」。工具白名单 + 旁路 chat() 双保险。

4. 时序

4.1 复读

用户（在 chat）：「复读 lesson001 三遍然后关机」
  → LLM function call start_repeater
  → Server: app=english_learning, mode=PLAY_AUDIO
  → MCP self.mp3.play(name=lesson001.mp3, repeat=3, power_off_after=true)
  → 设备本地播放 3 次
  → RequestPowerOffStandby

用户唤醒
  → listen/detect
  → Server 复位 app=chat, mode=CHAT
  → 现网对话

4.2 翻译

用户：「打开翻译」
  → switch_app(english_translation)
  → 工具列表仅 switch_app + translate
用户说话 → ASR
  → translate MCP → TTS
用户：「退出翻译」
  → switch_app(chat)

4.3 Default：配网与每次开机

首次配网成功
  → pending = chat.conversation
  → start_app_task(chat, conversation, source=default_chat)
  → 小智主动：「我们来聊天吧」
  → Listening

之后关机再启动（无到期的非 chat 计划）
  → 读取 pending = chat.conversation
  → 再次进入该 Task，小智可再主动招呼
  → 不是空白 Idle 干等问话

4.3b 用户要聊天

离线或对话：「我们来聊天吧 / 聊会天吧」
  → start_app_task(chat, conversation, source=voice)
  → 打断当前更低优先级；若正在 MQTT 即时任务则不抢
  → 小智主动接话

4.4 小程序即时开始（通道①）

MQTT START_APP_TASK app=english_learning task=repeater
  → 若正在翻译或 chat 或语音菜单：全部中断
  → 播 SD 复读

4.5 计划任务 + 关机唤醒（通道②）

SET_ALARM 07:00 + pending_task=repeater
  → 夜间软关机（power_off）
  → 07:00 DS3231 闹钟
  → RestoreFromPowerOffStandby
  → 执行 pending_task（不要先 chat）

4.6 离线语音切换（通道③）

用户说「切换模式」（现有 MultiNet 口令）
  → Board_Handle_Offline_Command 进入 voice_entry
  → （Phase 1）可再听「打开翻译 / 开始复读 / 回到聊天」
  → start_app_task(source=voice)
  → 若当前是 MQTT 即时任务：忽略语音切换

5. Client 改动清单

仓库：xiaozhi-esp32-2.2.6
原则：最小改动；业务名不上固件。

ID	任务	文件	说明
C1	`self.mp3.play` 增加 `repeat`（int，默认 1）、`power_off_after`（bool，默认 false）	`main/boards/sening-xiaozhi-s3/sening_xiaozhi_s3.cc`	工具描述同步更新；`repeat=1` 兼容旧调用
C2	SD 播放器支持循环 N 次	`sening` 的 `SDCard_Play_MP3*` 实现处（`system.c` / 播放任务）	自然播完才计数；`self.mp3.stop`、TTS Pause 打断则取消剩余次数且不关机
C3	N 次完成且 `power_off_after` → `RequestPowerOffStandby`	同上 + `application.cc` 已有接口	禁止新写一套关机
C4	保持 `PauseSdCardMp3` 与 Chat TTS 互斥	`application.cc`	不改热路径；复读中 TTS 仍可暂停 MP3
C5	确认 `self.mp3.get_status` 能区分 playing / 循环剩余（可选）	`sening_xiaozhi_s3.cc`	Phase 1 可选字段 `repeat_left`；非必须
C6	禁止新增 English App 类、DeviceState、Xiaozhi `type=task`	—	Review 红线
C7	MQTT `START_APP_TASK` 分发 + 抢占 + 按 task 配置调 skills[]	`mqtt.c` 分发；执行走统一 start_app_task	不要在 MQTT 里写死 play MP3；ack 走 `rpt/ack`
C8	pending 持久化；开机解析 §2.1.1	NVS/SD + `RestoreFromPowerOffStandby`	默认恢复 `chat.conversation`；仅非 chat 计划闹钟才不进闲聊
C9	离线命令回调改为进入通道③，不再只打日志	`system.c` `Board_Handle_Offline_Command`；口令表可扩	先支持切到已有 App/Task；游戏类 task_id 预留

非 Sening 板：不改 SD/MQTT/RTC。MCP 无 self.mp3.play 时由 Server 报错。离线 MultiNet 在其它板若存在，同样只做挂钩、不做英语业务。

6. Server 改动清单

仓库：xiaozhi-esp32-server
物理边界：只动 xiaozhi-server (Python)。manager-api 不改表。

6.1 框架

ID	任务	建议路径
S1	App 注册表加载	`core/app_runtime/registry.py` + `data/apps.json`
S2	连接态默认 `chat` / `conversation` / CHAT	`core/connection.py`	与设备 pending 对齐
S2b	进入 conversation 后主动 TTS 发起（我们来聊天吧）	连接欢迎 / 角色 prompt	不要等用户第一句才说话；可配置开关
S3	`switch_app` 插件	`plugins_func/functions/switch_app.py`
S4	工具白名单过滤	`unified_tool_handler.py` 或 `unified_tool_manager.py`；切换后 `refresh_tools()`
S5	`startToChat` / `chat` 前按 mode 分流	`receiveAudioHandle.py`、`connection.py`
S6	用户唤醒 / `listen.state=detect` 复位 default app	`listenMessageHandler.py`	不要在闹钟 pending 执行期间当成用户唤醒清任务
S14	统一 `start_app_task(app, task, params, source)` + 优先级	`core/app_runtime/`	MQTT/语音/插件都走这里
S15	通道③：云端仅作口令不够时的澄清；默认不覆盖 MQTT/Schedule	同上	与离线命令映射表对齐

chat 下 S4 必须等价于现网（inherit_agent），否则 default App 验收失败。

6.2 复读

ID	任务	建议路径
S7	`start_repeater` 插件	`plugins_func/functions/start_repeater.py`
S8	通过 DeviceMCPExecutor 调 `self.mp3.play`	复用现有 device MCP，不要走 `play_music`
S9	Agent 插件绑定	管理端或配置把 `switch_app`、`start_repeater` 加到目标 Agent；chat 需要能切 App

6.3 翻译 MCP

ID	任务	建议路径
S10	独立 MCP Server 进程，只注册 `translate`	`main/xiaozhi-server/mcp_servers/translate/server.py`
S11	写入 `data/.mcp_server_settings.json`	现有 `ServerMCPManager` 会加载
S12	TRANSLATION 模式：ASR 后直接 `execute_tool(translate)` 再 TTS	不要先 `chat()`
S13	translator 系统提示（仅 switch_app 时给 LLM 用）	短：说明当前是翻译机、退出需调用 switch_app

translate 的 LLM 调用应使用独立短 prompt，温度低，禁止 function call。

6.4 配置示例（S11）

"english-translate": {
  "command": "python",
  "args": ["mcp_servers/translate/server.py"]
}

工作目录为 xiaozhi-server。依赖：现有 mcp Python 包（Server 已用）。

7. 协议与消息

Phase 1 不新增 Xiaozhi WS type=task。小程序/计划走 色宁 MQTT。

方向	消息	用途
下行 WS	现有 `type=mcp` `tools/call`	play / stop / power_off / 设备列表
下行 WS	现有 `type=tts`	翻译结果、复读提示、语音菜单提问
上行 WS	现有 `listen` / `mcp` result	用户唤醒复位、工具返回
下行 MQTT	新 `START_APP_TASK`	通道①即时开始；可带 `source=schedule` 作补发
下行 MQTT	现有 `SET_ALARM`	通道②到点唤醒
上行 MQTT	现有 `rpt/ack`	启动/失败回执
—	不新增 play.completed	由设备内部 repeat 消化

MCP play 参数向后兼容：旧客户端无 repeat 时按 1 次、不关机。

8. 数据库 / API

项	Phase 1
MySQL 新表	无
`/task/instance`	无
chat_history	翻译可继续按现网上报文本；不强制新 audio 字段
Redis	不存 App 状态（连接内存即可；断线即回 default）

Xiaozhi WS 断线重连 = 新 session_id = 默认 chat。
例外： 设备本地 pending_task（通道②）在闹钟唤醒后仍然执行，不依赖旧 session_id。不恢复「半截被用户打断的复读」。

9. 实施顺序（建议 PR 切片）

P1-A  框架骨架
      S1–S5、S14、switch_app
      + 进入通道：优先级、C7 抢占、C9 离线口令挂钩、C8 pending 形状
      验收：默认仍是完整 Chat；switch_app 往返不破坏对话
      验收：MQTT START_APP_TASK 能打断 chat；离线「切换模式」不再是空 log

P1-B  翻译 App
      S10–S13
      验收：翻译 App 内只出译文；无天气/音乐工具；退出回 chat

P1-C  复读机
      C1–C4 + S7–S9
      验收：SD 文件播 N 次；可选软关机；打断不关机；Chat TTS 仍能暂停 MP3

P1-D  回归
      不切 App 的长对话、打断、已有插件、OTA、配网

先 A 再 B 再 C：翻译不依赖 SD，可在非 Sening 上先测框架。

10. 测试计划

10.1 chat default（`conversation`）

[ ] 首次配网成功后自动进入 chat.conversation，且小智 先说话
[ ] 关机再开（无其它计划）仍进入 chat.conversation，不是纯 Idle
[ ] 用户说话后的打断、TTS、原插件与现网一致
[ ] 「我们来聊天吧 / 聊会天吧」切回 conversation
[ ] 从不调用其它通道时，不会自己跳到复读/翻译

10.2 框架

[ ] switch_app("english_translation") 后工具列表不含 weather
[ ] switch_app("chat") 后工具列表恢复
[ ] 非法 app_id 被拒绝并留在当前 App
[ ] MQTT START_APP_TASK 正在翻译时能中断并改去复读（通道① > ③/chat）
[ ] 复读由 MQTT 拉起时，离线「切换模式」不能把它切走
[ ] 软关机 + SET_ALARM + pending 复读：闹钟唤醒后直接播放，不先进入闲聊
[ ] 用户唤醒词仍回到 chat（与闹钟唤醒区分）
[ ] 「切换模式」触发 voice_entry（不再只打日志）

10.3 翻译

[ ] 中文句 → 英文 TTS
[ ] 英文句 → 中文 TTS
[ ] 不回答「讲个笑话」类闲聊（应翻译该句或提示说要译的内容，由 translate prompt 定一条并写进测试）
[ ] 「退出翻译」回到 chat，笑话类恢复可用

10.4 复读（Sening + 卡上已有 mp3）

[ ] get_list 有文件
[ ] N=2 完整听完两遍
[ ] power_off_after=false 结束后可唤醒进 chat
[ ] power_off_after=true 结束后进现有软关机（唤醒词关闭，与今日 self.power_off 一致）
[ ] 播放中 stop 或唤醒：剩余遍数取消、**不**关机
[ ] 复读中若有 Chat TTS，MP3 pause/resume 行为不回归

10.5 负例

[ ] 无 self.mp3.play 的板调用 start_repeater → 语音错误，Chat 仍可用
[ ] 不出现 play_music 播课程

11. 验收标准（Phase 1 Done）

框架： 第一个 App 的 default Task 是 chat.conversation；配网后与默认开机都进入它；同时只有一个 active。
主动聊天： 进入 conversation 后小智先发起，不是完全被动等问。用户应答后的对话链路与现网一致。
三通道： 只有小程序即时、计划、离线切换才会离开 chat；闹钟非 chat pending 才跳过闲聊。
复读 / 翻译： 见原验收。
边界： 无 Java 新表、无 Xiaozhi type=task、无固件英语业务类、无音频热路径重写。

12. 风险与技术债（记入 Phase 2，本阶段接受）

债	说明
复读仅 Sening	其它板需后续把 play_audio 提为核心 Skill
无 play.completed 协议	Server 不知道播到第几遍；状态以设备为准
App 状态不落库	WS 断线即回 chat；pending_task 必须在设备本地，否则闹钟唤醒丢失
翻译 MCP 再调一次 LLM	比「改系统提示硬译」多一跳；换的是工具隔离与「只做翻译」
双控制面	小程序/闹钟走 snlp；对话/技能走 Xiaozhi WS+MCP。不在 Phase 1 合并
离线命令词很少	现仅「切换模式」；菜单口令与游戏 Task 后续加 Assets/命令表
小程序未做	通道①②用 MQTT/闹钟联调；UI 后置

13. 编码约束（给实施 Agent）

先读再改：application.cc JSON/MCP、sening_xiaozhi_s3.cc mp3/power_off、connection.py、receiveAudioHandle.py、unified_tool_handler.py、server_mcp/mcp_manager.py。
每个 PR 先跑 Chat 回归再合业务。
禁止为 Demo 新增 EnglishRepeatManager / TranslationApp 固件类。
禁止修改 hello/listen/tts/stt 语义。
repeat 默认 1，保证旧 MCP 调用者兼容。
进入通道必须带 source 与优先级；禁止三个入口各写一套 stop/play。
普通开机 / 配网成功禁止做成「只 Idle 等用户」；默认 pending 是 chat.conversation 并允许先 TTS。
仅当闹钟 pending 为 非 chat 计划 Task 时，禁止先走闲聊。

实施从 P1-A 开始。未完成 A（含进入通道挂钩与默认 conversation）之前不要改播放器循环。