关键点：
- 唤醒词（Wake Word）：OpenWakeWord，说"你好管家"才启动识别，避免误触发
- VAD（语音端点检测）：WebRTC VAD，检测起止点，喂给本地ASR
- 本地 ASR：sherpa-onnx
- Qwen3-VL 意图解析，System Prompt 要求模型输出自然语言，转为可执行 JSON 指令，比如： {"device":"living_room_light", "action":"turn_on", "value":null}
- 本地 TTS：sherpa-onnx-vits-zh-ll
- mac-名字映射：把json里的device名字映射到MAC
- 数据引擎：根据设备物模型内容+具体mac+目标action，封装出最终指令
- RAG增强检索
- 会话记忆
- 保留最近 N 轮对话上下文给 Qwen3-VL（messages = {"role":"user",...},...）
- 维护家庭设备状态缓存（人体存在传感器、环境温度）供模型参考做上下文推理