AudioGraphy

场景化对话智能引擎

把一次接待的零散录音，变成带时间码和原话依据的业务事实：走到哪个阶段、客户要什么、卡在哪个异议、下一步该做什么——每条结论都能点回它来自的那句话。

Turn scattered recordings of one customer visit into evidence-bound business facts.

产品定位

AudioGraphy 不是只服务某一种销售流程的录音工具，而是一套把非结构化对话还原为业务过程的场景化引擎。

它接收一次业务交互中的多段短录音或长录音，完成接待还原、ASR、语义切分、标签派生、关系建图与证据绑定。阶段模型、Prompt、标签体系和证据规则共同定义“怎样切、怎样理解”，因此同一套引擎可以适配汽车销售、零售导购、外贸洽谈、咨询服务等不同过程。

工作方式

一段原始汽车销售对话：

客户 · 12:41　“这款配置可以，但价格还是超预算。如果今天能把金融方案算清楚，我可以先约周末试驾。”

AudioGraphy 不只保存这句话，而是把它转译为可以计算和追溯的业务事实：

业务维度	结构化结果	证据
当前阶段	报价与异议处理	`12:41–12:49` 原始录音及转写
客户意向	中高意向	明确提出条件并愿意预约试驾
核心异议	价格超出预算	“价格还是超预算”
下一步行动	测算金融方案、预约周末试驾	“算清楚……先约周末试驾”
关系图谱	客户 → 关注 → 金融方案；试驾 → 前置于 → 成交推进	节点、边与证据引用绑定

flowchart LR
    A("多段录音<br/>长音频") --> B("接待发现<br/>时间线还原")
    B --> C("VAD · ASR<br/>说话人识别")
    C --> D("场景化<br/>对话切分")
    D --> E("阶段 · 意图 · 异议<br/>行动 · 风险")
    E --> F("标签事实<br/>证据绑定")
    E --> G("关系 · 时序 · 状态<br/>溯源图谱")
    F --> H("单次复盘<br/>跨接待洞察")
    G --> H

    classDef input fill:#1d4ed8,stroke:#93c5fd,stroke-width:2px,color:#ffffff
    classDef stage fill:#6d28d9,stroke:#c4b5fd,stroke-width:2px,color:#ffffff
    classDef fact fill:#047857,stroke:#6ee7b7,stroke-width:2px,color:#ffffff
    classDef insight fill:#b45309,stroke:#fcd34d,stroke-width:2px,color:#ffffff
    class A input
    class B,C,D,E stage
    class F,G fact
    class H insight

一个引擎，多种切分语义

同一套引擎，换一组场景资产就换一种切分语义：

场景	阶段模型	典型转译结果	状态
汽车销售	11 阶段，含金融与置换分支	车型偏好、预算、竞品、试驾意向	已交付
金店零售（珠宝）	9 阶段，含试戴与议价	商品偏好、价格敏感度、购买信号	已交付
其他零售导购	沿用金店模型或自定义	同上	可扩展
外贸洽谈	7 阶段，含条款与交期	MOQ、Incoterms、交期风险	规划中

阶段定义在 core/dialogue_segmentation.py，跳转与回退由阶段序自动判定。

场景并不是一组页面文案。它由四类可版本化资产共同决定：

阶段模型：定义业务过程、跳转、回退与异常路径。
Prompt：定义领域实体、关系、摘要和语义边界。
标签体系：定义阶段、意图、异议、行动、风险等值域。
证据规则：规定结论必须绑定的文本、时间码、来源与置信度。

产品界面

以下界面为 Mock 数据。

接待时间线：从多段录音回到一次完整业务过程

关系图谱：让对话单元、标签与证据形成可解释结构

标签治理：从标签定义、金标评估到发布门禁

核心能力

能力	AudioGraphy 做什么	业务价值
输入与还原	发现同一次接待中的多段录音，重算顺序与时间轴；对长音频执行可信边界复核	从散落文件还原完整业务过程，源录音仍可追溯
场景化切分	从 ASR Segment 生成业务对话单元，支持人工拆分、相邻合并与状态链重建	分析粒度从“整段录音”下沉到“业务动作”
双重转译	已交付阶段、意图、异议、行动和风险的语义转译；规划多语言翻译	将自然对话变为可统计、可比较的业务事实
证据化标签	标签绑定体系版本、模型版本、置信度、文本和双时间坐标	每个结论都能回到原始声音，不产生无来源洞察
图谱洞察	单次关系/时序/状态/溯源图谱，以及跨接待路径、回退、冲突、趋势和共现	解释一次接待，也能比较门店、销售和场景差异
治理与部署	金标、评估、Shadow/Canary、回滚、审计、隐私擦除及 Mock/CPU/GPU 部署	模型结果可验证、可恢复、可治理、可私有化部署

标签从抽取到优化的闭环

标签能力不是一次性调用模型，而是一条有版本、有证据、有质量门禁的状态链：

flowchart LR
    A["标签体系草稿"] --> B["发布不可变 Schema 版本"]
    B --> C["Tagger 版本与抽取任务"]
    C --> D["标签事实 + 原文 / 时间码证据"]
    D --> E{"低置信度、冲突或抽样"}
    E -->|进入复核| F["人工裁决"]
    E -->|直接通过| G["当前有效事实"]
    F --> G
    F --> H["冻结金标集"]
    H --> I["隐藏留出集评估"]
    I --> J{"质量门禁"}
    J -->|通过| K["Shadow → Canary → Production"]
    J -->|未通过| L["生成新的优化候选版本"]
    K --> M["线上审计、漂移与回滚"]
    M --> L
    L --> I

构建与分类：已发布的 Schema 定义标签键、值域、证据要求和规则；Tagger 版本绑定具体 Schema，不能跨版本写入模糊结果。
执行与恢复：独立 tag-worker 使用租约、心跳、断点和超时回收执行抽取与评估任务，失败任务可重试，取消和幂等状态持久化。
复核与学习数据：低置信度、冲突及抽样结果进入人工复核；关键真值必须经过两轮独立盲审和第三人仲裁，裁决追加不可变事实、反馈、Badcase 与经验，再按血缘冻结为金标版本。
评估与发布：候选版本只能在隐藏留出集上计算指标，通过门禁后才可进入 Shadow、Canary 和 Production；线上异常可以回滚。
六阶段 Harness：Context、Tools、Generation、Orchestration、Memory、Output 均随 Tagger 版本冻结；每次执行保存解析配置、场景画像和逐阶段 trace，可按输入快照重放。
真实优化任务：达到“新增 T2/T3 反馈 ≥ 200、每个受影响标签域 ≥ 30”的覆盖门后，API 才在同一事务创建持久化 optimize Job；Worker 执行有界 trial 并保存指标、胜出项和候选 Tagger，基线、金标、cohort 与真值均由服务端冻结，不能由浏览器注入。
优化边界：优化只创建 draft 候选并重新评估，不会在生产版本上原地“自学习”或绕过发布门禁。真实推理质量取决于所配置的模型 Adapter 与金标质量。

全域图谱的数据一致性

/graph 将“实体关系”和“主题聚类”作为同一工作区的两个真实 Tab。主题聚类查询始终绑定一个已成功的 Leiden 任务和层级；搜索由服务端在该任务的完整摘要集合中执行，而不是只过滤前端已显示的八个社区。

摘要策略将 Level 0 与叶子社区定义为 eager、中间层定义为 lazy。若一个非空任务的目标层级尚无精确任务快照摘要，API 返回 409 SUMMARY_NOT_READY，界面展示可重试状态；系统不会拿当前图谱重建旧任务结果，以免发生跨快照数据混用。

/reception-flow 保留为“状态路径”而不是重复图谱：它聚合多次接待的阶段转移、完成率、置信度、跳步和异常回退，用于流程挖掘；/graph 解释全域实体与主题关系，/tag-insights 比较标签版本、冲突和证据。三者的分析主体、问题和交互均不同。

图谱和洞察响应都有显式输出预算。全域图谱边窗口默认受服务端预算控制且硬上限为 5,000，响应返回 total / returned / truncated / render_budget；标签矩阵、证据和差异明细同样分页或截断并保留全量 KPI。前端按路由拆分图谱运行时，切换 Tab 时主动释放画布和布局资源，避免把“大结果可查询”误做成“大结果一次性渲染”。

进度与 Roadmap

Note

当前版本已交付完整的音频处理与语义转译链路。纯文本直接输入、多语言翻译，以及原文—译文—时间码映射属于下一阶段，不作为当前可用能力宣传。

能力成熟度

能力域	已交付	持续增强	下一阶段
输入	多段/长音频、接待合并、批处理 ASR	Streaming VAD/ASR、真实模型稳定性	纯文本直接输入、音频与文本混合接待
切分	ASR Segment、业务单元、人工 split/merge	自定义阶段模板与切分评估	外贸等可安装场景包
转译	阶段、意图、异议、下一步、合规风险	Prompt/Tagger 版本优化	多语言翻译、原文—译文—时间码映射
图谱	关系、时序、状态、溯源、Leiden 主题聚类	大规模图谱性能与增量聚类	跨语言实体与主题对齐
治理	版本、复核、金标、评估、同输入 JSD 漂移、灰度、审计、回滚	大规模窗口性能与阈值调优	场景包评测与发布市场
部署	Mock、CPU、单 GPU、多 GPU	真实租户压测与任务队列	分布式分析存储

迭代时间线

里程碑	关键交付
M1–M3	多租户基础、索引与图谱 RAG 主链路
M4	Real Adapter 契约：VAD、OpenAI 兼容 LLM、BGE-M3 与模型拓扑
M5	FunASR、离线评估 CLI、指标与 Markdown/JSON 报告
M6	音频加密、PII 清洗、保留与 DSAR、Eval REST、中文实体归并、Prometheus
M7	CLAP 音频嵌入、CAM++ 声纹、说话人连接、三通道检索
M8	Streaming VAD/ASR、会话状态机、增量切片与增量图更新
M9	双时态边、Leiden 社区、社区摘要、全局搜索、图压缩与说话人复核
M10	接待智能工作台、场景切分、跨接待洞察及标签治理闭环
Next	纯文本输入、多语言翻译、外贸场景包与统一多源对话模型

Tip

截至 2026-07-24 的 M10 联合验收记录了后端 2251 个测试、90.47% 覆盖率和前端 131 个测试。数字是带日期的验收快照，最新状态以 CI 与 M10 验收报告为准。

快速启动

一键脚本覆盖从零到可登录的完整路径（生成随机密钥的 .env → 下载 VAD 权重 → 启动等健康 → 建管理员 → 五项体检）：

./scripts/deploy.sh init --profile mock   # 或 cpu / gpu / gpu-multi
./scripts/deploy.sh up
./scripts/deploy.sh admin --email you@example.com
./scripts/deploy.sh verify

想理解每一步在做什么，往下读手工版本；内网私有化（离线镜像与模型缓存打包）与数据备份见部署指南的 §8 / §9。

Docker Compose：Mock 全栈

Mock profile 不下载模型、不需要 GPU，适合产品体验、功能验证和前后端联调。

cp .env.example .env

# --wait 会等到 backend 健康检查通过为止。backend 启动时先跑 alembic upgrade head，
# 冷启动约 30 秒，不加 --wait 直接 curl 会连接被拒。
docker compose --profile mock up -d --wait
docker compose --profile mock ps
curl --fail http://127.0.0.1:8000/health

创建第一个账号。 数据库是空的，也没有自助注册接口，所以在这一步之前任何人都登录不进去。仓库刻意不预置演示账号——一个众所周知的默认口令比没有账号更糟：

BOOTSTRAP_ADMIN_EMAIL=you@example.com \
BOOTSTRAP_ADMIN_PASSWORD='选一个至少 12 位的密码' \
docker compose --profile bootstrap run --rm bootstrap-admin

命令可重复执行：租户或用户已存在时只会提示并跳过，--reset-password 是改动既有账号的唯一方式。本地不用 Docker 时等价命令是 python backend/scripts/bootstrap_admin.py --email you@example.com（不传密码则交互式询问）。

服务	地址
Web	`http://127.0.0.1:5173`
API	`http://127.0.0.1:8000/api/v1`
Swagger	`http://127.0.0.1:8000/docs`
Prometheus	`http://127.0.0.1:8000/metrics`
Adminer	`http://127.0.0.1:8081`

登录后界面是空的——先导入一条录音，再决定要不要接真实模型。

换成真实模型：一条命令，不需要 GPU

上面的 mock profile 是给「先看看长什么样」用的，它的模型全是假的。真实模型也都在 compose 里，CPU 就能跑：

# 在 .env 里打开真实 Adapter
ADAPTER_ASR_MODE=real
ADAPTER_EMBED_MODE=real
ADAPTER_VOICEPRINT_MODE=real
ENABLE_VOICEPRINT=true
ADAPTER_VAD_MODE=real
ADAPTER_LLM_MODE=real
OPENAI_BASE_URL_STRONG=http://ollama:11434/v1
OPENAI_BASE_URL_WEAK=http://ollama:11434/v1
LLM_STRONG_MODEL=qwen2.5:7b
LLM_WEAK_MODEL=qwen2.5:7b
OPENAI_API_KEY=ollama

# VAD 容器的 2 MB 权重要先就位，否则它一直 unhealthy，--wait 会一直等下去
mkdir -p models && curl -Lo models/silero_vad.onnx \
  https://github.com/snakers4/silero-vad/raw/master/src/silero_vad/data/silero_vad.onnx

docker compose --profile models-cpu --profile models-cpu-llm up -d --wait
docker exec $(docker compose ps -q ollama) ollama pull qwen2.5:7b

首次启动会下载模型权重（约 10 GB），之后走缓存卷。有 GPU 就换 models-single-gpu / models-multi-gpu，vLLM 替掉 Ollama，其余不变。

各环节由谁提供

环节	`mock`	`models-cpu` + `models-cpu-llm`	说明
数据库、迁移、多租户	✅ 真实	✅ 真实	—
JWT 鉴权、RBAC、审计	✅ 真实	✅ 真实	生产需替换 `JWT_SECRET`
音频静态加密（PIPL）	✅ 真实	✅ 真实	主密钥由 `master-key-init` 生成
接待时间线与分段编辑	✅ 真实	✅ 真实	物理拼接依赖 ffmpeg，镜像已内置
图存储与检索	✅ 真实算法	✅ 真实算法	mock 下输入来自假抽取，结论不可信
ASR 转写	❌ 固定话术池	✅ funASR	`funasr` 容器
LLM 抽取与问答	❌ 固定模板	✅ Qwen2.5-7B	`ollama` 容器；GPU 下换 vLLM
文本 Embedding	❌ 伪随机向量	✅ BGE-M3	`bge-m3-cpu` 容器
声纹与说话人合并	❌ 关闭	✅ CAM++	`campplus-service` 容器
VAD 语音端点检测	❌ 按文件大小推算	✅ Silero VAD	`silero-vad-service` 容器；模型文件即上面那条 `curl`
CLAP 音频嵌入	❌ 关闭	❌ 需 GPU	CLAP 服务强制 CUDA，CPU profile 不含
流式实时转写	❌ 路由不注册	❌ 路由不注册	需 `ENABLE_STREAMING=true`
Leiden 聚类、双时态边	❌ 不激活	❌ 不激活	需 `ENABLE_ADVANCED_GRAPH=true`

Important

VAD 容器不打包模型权重——就是上面那条 curl。Silero 的 ONNX 只有 2 MB 且是 MIT，但本仓库不代为分发、也不为一个自己不构建的模型二进制背书；流式那条用的是同一个文件。缺失时容器会一直 unhealthy 并在 /health 里说明原因，而不是静默返回空 segments——那种退化和「这段录音没有人说话」在下游无法区分。

一句话记住：models-cpu 只有 ASR / Embedding / 声纹，不含 LLM，所以两个 profile 要一起开，问答页才不是固定文案。完整的部署矩阵与显存规划见部署指南。

常用命令：

# 查看 API、标签任务 Worker 与前端日志
docker compose logs -f backend tag-worker frontend

# 重启应用服务
docker compose restart backend tag-worker frontend

# 停止并保留数据卷
docker compose --profile mock down

展开：本地运行前后端

环境要求：Python 3.13、Node.js 22、npm，以及 Docker Compose v2。

先在项目根目录启动 MySQL：

docker compose up -d mysql

终端一，启动后端：

cd backend
python3.13 -m venv .venv
source .venv/bin/activate
python -m pip install -e ".[dev]"

mkdir -p .local/working
python scripts/init_master_key.py \
  .local/audiography_master.key \
  --state-dir .local/working

export MYSQL_HOST=127.0.0.1
export MYSQL_PORT=3307
export WORKING_DIR=.local/working
export MASTER_KEY_PATH=.local/audiography_master.key

alembic upgrade head

# 创建第一个租户和管理员（不传 --password 会交互式询问，不回显）
python scripts/bootstrap_admin.py --email you@example.com

uvicorn audio_graphy.main:app --reload --port 8000

终端二，启动前端：

cd frontend
npm ci
npm run dev

展开：构建 Sites 交互演示

cd frontend
npm ci
npm run build:sites

Sites 使用独立 D1 保存交互演示状态，与生产 MySQL 数据隔离，表结构定义在 frontend/db/schema.ts。

托管平台的项目配置（frontend/.openai/）绑定特定部署账号，不随开源仓库发布——自行部署时按所用平台生成即可。

完整模型配置与生产检查见部署指南；接待处理接口和业务不变量见接待对话智能工作台。

架构与部署

flowchart LR
    subgraph CLIENT[" 接入 "]
        direction TB
        UI("Web 工作台<br/>React · Arco · AntV G6")
        EXT("外部系统<br/>CRM · BI · 企微")
    end

    subgraph SERVICE[" 服务层 · FastAPI "]
        direction TB
        API("REST API<br/>JWT · RBAC · 多租户")
        OPEN("Open API<br/>API Key · 幂等上传")
        QUERY("GraphRAG 检索<br/>Local · Global · Rerank")
    end

    subgraph WORKERS[" 后台进程 "]
        direction TB
        PIPE("处理管线<br/>VAD → ASR → 切分 → 建图")
        TAGW("Tag Worker<br/>抽取 · 评估 · 灰度发布")
        CBW("回调投递<br/>HMAC 签名 · 退避重试")
    end

    subgraph DATA[" 数据层 "]
        direction TB
        MYSQL[("MySQL<br/>业务 · 审计 · 向量 · Outbox")]
        GRAPH[("图谱与文件<br/>GraphML · 加密音频")]
    end

    MODELS("模型服务 · Compose Profile<br/>funASR · Silero VAD · BGE-M3 · CAM++ · vLLM / Ollama")

    UI --> API
    EXT -- "上传 · 状态查询" --> OPEN
    API --> QUERY
    API --> MYSQL
    OPEN --> MYSQL
    QUERY --> GRAPH
    QUERY --> MYSQL
    MYSQL -. "出队" .-> PIPE
    MYSQL -. "出队" .-> CBW
    PIPE --> GRAPH
    PIPE --> MODELS
    TAGW --> MYSQL
    TAGW --> MODELS
    CBW -- "签名回调" --> EXT

    classDef client fill:#1d4ed8,stroke:#93c5fd,stroke-width:2px,color:#ffffff
    classDef service fill:#6d28d9,stroke:#c4b5fd,stroke-width:2px,color:#ffffff
    classDef worker fill:#b45309,stroke:#fcd34d,stroke-width:2px,color:#ffffff
    classDef data fill:#047857,stroke:#6ee7b7,stroke-width:2px,color:#ffffff
    classDef model fill:#0e7490,stroke:#67e8f9,stroke-width:2px,color:#ffffff
    class UI,EXT client
    class API,OPEN,QUERY service
    class PIPE,TAGW,CBW worker
    class MYSQL,GRAPH data
    class MODELS model
    style CLIENT fill:transparent,stroke:#94a3b8,stroke-dasharray:6 4
    style SERVICE fill:transparent,stroke:#94a3b8,stroke-dasharray:6 4
    style WORKERS fill:transparent,stroke:#94a3b8,stroke-dasharray:6 4
    style DATA fill:transparent,stroke:#94a3b8,stroke-dasharray:6 4

部署 Profile

Profile	模型服务	GPU	适用场景
`mock`	全部 Adapter 保持 Mock	0	开发、CI、产品演示
`cache-redis`	可选 Redis LLM 热缓存（与任一模型 Profile 组合）	0	多进程共享热缓存
`models-cpu`	FunASR、BGE-M3、CAM++（不含 LLM）	0	CPU 验证与离线小批量
`models-cpu-llm`	Ollama（OpenAI 兼容 CPU LLM，与 `models-cpu` 组合）	0	无 GPU 的真实抽取与问答
`bootstrap`	一次性建号任务（`compose run --rm bootstrap-admin`）	0	首次部署建管理员
`prompt-lab`	独立 optimizer-worker（提示词编译）	0	启用提示词实验室后台
`models-single-gpu`	vLLM、BGE-M3、CLAP、CAM++	1	单卡推理
`models-multi-gpu`	Strong/Weak LLM 分卡及完整音频模型	2+	多卡生产拓扑

外部系统对接(Open API)

机器对机器三件套:外部系统凭 API key 上传录音(external_ref 幂等)、按自己的 ref 查询计算状态、终态时收到 HMAC 签名回调(与状态转移同事务落库,at-least-once + 退避 + dead_letter)。回调只带 id 与状态,不带转写内容 ——开放接口是事件通道,不是数据出口。完整契约与验签示例见对接指南。

私有化部署

单机 Docker Compose 就是交付形态，不依赖任何外部 SaaS。内网离线环境用 scripts/offline_bundle.sh 在有网机器上把该 profile 的全部镜像、VAD 权重与模型缓存卷打成介质，目标机导入后 deploy.sh up --offline（禁 build 禁 pull，缺什么立即失败而不是偷偷出网）。业务数据只有三个卷（MySQL、音频与图谱、 PIPL 主密钥），备份与恢复的完整命令在部署指南 §8 / §9。

LLM 多级缓存

MySQL 是 LLM 结果的持久化与跨进程 singleflight 层。未配置 Redis 时使用有界进程内 TTL/LRU 热缓存；配置 Redis 且启动探测成功后改用 Redis，运行中故障会自动降级，本身不会让业务请求失败。每个 HTTP 请求还带有生命周期内 memo，先于热缓存消除同一请求中的顺序重复调用，请求结束即释放。精确缓存、热缓存和 MySQL 持久层可独立回退；仅关闭持久层时，无来源关联的请求仍可使用热缓存，带 provenance 的请求则安全绕过，避免失去 DSAR 反向索引。

# 可与 mock 或真实模型 Profile 同时启用
REDIS_URL=redis://redis:6379/0 \
  docker compose --profile mock --profile cache-redis up -d

Compose 内置 Redis 限制为 128 MiB、容器上限 192 MiB，使用 LRU 且关闭 AOF/RDB；需要长期复用的数据只保存在 MySQL。外部 Redis 建议使用独立实例或独立 DB，应用只操作自己的命名空间，不会执行 KEYS、FLUSHDB 或修改全局淘汰策略。Redis/MySQL 都不保存原始 prompt；校验后的输出先压缩，再使用租户、namespace 和 recipe 绑定的 AES-256-GCM 密文保存。语义缓存、候选批判断和自适应 gleaning 默认关闭，需在金标质量门禁通过后逐项开启；hybrid 规则短路默认开启（ENABLE_HYBRID_RULE_SHORT_CIRCUIT=false 可全局关闭，含重算路径）。来源删除会先写入 MySQL 墓碑，并把 Redis/本地清除意图放入持久队列；即使 Redis 当时不可用，在途 leader 也不能复活结果，恢复后会自动完成物理清除。

默认安全边界

所有业务数据按租户隔离，接待授权使用稳定用户 ID，不以销售姓名作为权限主键。
PII 在进入标签和图谱前清洗；音频支持分块认证加密、保留期和 DSAR 物理擦除。
生成标签必须绑定版本与证据；人工裁决产生新事实，不静默覆盖历史结果。
应用、数据库和模型诊断端口默认仅绑定 127.0.0.1。
Mock、真实模型、Streaming 和 Advanced Graph 能力均通过显式 Profile 或开关启用。

模型端口、硬件边界、密钥、VAD 契约和生产检查清单见部署指南。

技术栈

层	主要技术
后端	Python 3.13、FastAPI、SQLAlchemy、Alembic
数据	MySQL 8、文件索引、NetworkX 图存储
前端	React 18、TypeScript、Vite、Arco Design、AntV G6
模型	FunASR、vLLM、BGE-M3、CLAP、CAM++、Silero VAD
工程	Docker Compose、GitHub Actions、Ruff、mypy、pytest、Vitest、Playwright

文档索引

Note

M 系列过程文档（PRD / 架构 / QA 报告）沿用 AI 辅助的 SOP 流程产出。文中出现的许清楚 / 高见远 / 寇豆码 / 严过关 / 齐活林是流程角色标签（PM / 架构 / 工程 / QA / 交付），不是真实贡献者；验收记录由 AI 代行角色产出，并由维护者复核。

产品

接待对话智能工作台：接待合并、场景切分、证据、标签、自动化与工作台不变量。
标签治理闭环：标签 Schema、抽取任务、人工复核、金标评估、发布门禁与回滚不变量。
M10 验收报告：产品、数据、安全、性能、部署与自动化验收结论。

架构

总体设计：早期总体设计、核心模型与路线图。
Advanced Graph：双时态、Leiden、全局搜索、压缩与说话人复核。
Streaming 架构：Streaming VAD/ASR、会话与增量图谱。
架构决策记录：长期有效的技术裁决。
- ADR-0001 声纹采样：采样来源、加权均值策略、质量门控与代表模板选取。
架构图资产：索引、查询、存储分层与标签版本图。

部署与合规

外部系统对接指南 — Open API:上传、状态查询、签名回调
部署指南：模型 Profile、端口、密钥、安全边界和 VAD 部署。
PIPL 实现指南：音频加密、PII、保留、DSAR 与审计。

质量与评估

离线评估：评估 CLI、指标与报告。
Eval REST：服务化评估与 position de-bias。
M9 QA：Advanced Graph 验收证据。

参与项目

贡献指南：开发环境、代码规范、提交与 PR 流程。
安全策略：漏洞私密报告通道与范围界定。

许可

本项目以 MIT License 发布。

致谢

设计范式承袭自 VideoRAG、LightRAG、nano-graphrag、微软 GraphRAG 与 Graphiti。

本仓库不包含上述任何项目的源码，也不依赖它们。 各项目的许可、版权方，以及哪些是承袭、哪些是逐字沿用的接口约定、哪些是独立实现，逐条列在 NOTICES.md。

AudioGraphy — 让声音不止被转写，更被理解。

Name		Name	Last commit message	Last commit date
Latest commit History 117 Commits
.github		.github
backend		backend
docker		docker
docs		docs
examples/eval		examples/eval
frontend		frontend
mysql		mysql
scripts		scripts
.env.example		.env.example
.gitignore		.gitignore
.pre-commit-config.yaml		.pre-commit-config.yaml
CONTRIBUTING.md		CONTRIBUTING.md
LICENSE		LICENSE
NOTICES.md		NOTICES.md
README.md		README.md
SECURITY.md		SECURITY.md
docker-compose.frontend-prod.yml		docker-compose.frontend-prod.yml
docker-compose.streaming-vad.yml		docker-compose.streaming-vad.yml
docker-compose.yml		docker-compose.yml

Navigation Menu

Repository files navigation

AudioGraphy

产品定位

工作方式

一个引擎，多种切分语义

产品界面

接待时间线：从多段录音回到一次完整业务过程

关系图谱：让对话单元、标签与证据形成可解释结构

标签治理：从标签定义、金标评估到发布门禁

核心能力

标签从抽取到优化的闭环

全域图谱的数据一致性

进度与 Roadmap

能力成熟度

迭代时间线

快速启动

Docker Compose：Mock 全栈

换成真实模型：一条命令，不需要 GPU

各环节由谁提供

架构与部署

部署 Profile

外部系统对接(Open API)

私有化部署

LLM 多级缓存

默认安全边界

技术栈

文档索引

产品

架构

部署与合规

质量与评估

参与项目

许可

致谢

About

Releases

Packages

Contributors

Languages

Folders and files

Latest commit

History

Repository files navigation

AudioGraphy

产品定位

工作方式

一个引擎，多种切分语义

产品界面

接待时间线：从多段录音回到一次完整业务过程

关系图谱：让对话单元、标签与证据形成可解释结构

标签治理：从标签定义、金标评估到发布门禁

核心能力

标签从抽取到优化的闭环

全域图谱的数据一致性

进度与 Roadmap

能力成熟度

迭代时间线

快速启动

Docker Compose：Mock 全栈

换成真实模型：一条命令，不需要 GPU

各环节由谁提供

架构与部署

部署 Profile

外部系统对接(Open API)

私有化部署

LLM 多级缓存

默认安全边界

技术栈

文档索引

产品

架构

部署与合规

质量与评估

参与项目

许可

致谢

About

Resources

Contributing

Security policy

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages