智能座舱 Multi-Agent 系统 · Cockpit Agent

云边协同的智能座舱 AI Agent 系统。喊一声「小舟小舟」，从毫秒级车控到多日行程规划、分钟级深度调研，一个语音入口全部完成。LLM 只负责理解与规划，确定性系统负责执行——没有任何一条车控指令由 LLM 直接下发。

14 个领域 Agent · 30 个服务一键起栈 · 84 条端侧 capability / 68 个车控对象 · 后端 6865 个通过用例 + 37 条旅程级语料 · 流式 TTS 首帧 469ms / 端到端语音首音频 609ms · 数据源全真实（高德 / 和风 / Exa / Tushare / api-football）· M0a→M4 智能化升级通过跨阶段组合总体验收且 13 张验收主卡全部收口 · M5 数据飞轮落地——修落域 badcase 的标准产物是数据不是正则 · 竞品高阶指令集 25 条语料逐条真栈对标（时间约束 / 真沿途 / 长期记忆消费 / 动态重规划）· 会话真实性走确定性出口——执行入账本、审计与候选集聚合问答零 LLM

能做什么

你说	系统在做什么
「空调调到 22 度」	端侧快路径毫秒级执行，断网可用，全程零 LLM
「接女儿放学，顺路买杯咖啡，五点前要到学校」	关系图谱解析「女儿」的学校 + 真沿途咖啡候选逐家 ETA + 到达时限判定，一轮完成
「咖啡不买了，先去加油站，别迟到」	对进行中导航增量改道：删途经点、就近加油站插入，目的地与时限保持不变
「老婆喜欢吃粤菜」…数天后「晚上找地方和老婆吃饭」	长期记忆改变的是结果集（直接检回粤菜馆），不是一句「已参考您口味」的话术
「打开空调，放首林俊杰，导航去公司」	混合多意图按语义组分流：本地车控/媒体立即执行，慢意图并行上云，同一请求协同完成
「导航去那个像春笋的大楼」	视觉地标 → LLM 解析官方名 → 高德真实 POI 校验后导航
「帮我规划周末去杭州的两天行程」	LLM 提议骨架 + 确定性流水线接地真实 POI + 按真实电量沿路线编织充电站 + 校验每日车程
「创建钓鱼模式：座椅放平、氛围灯调暗」	一句话造场景：LLM 仅创建期编译（过 VAL 词表白名单），激活与执行零 LLM，退出恢复到激活前状态
「到公司之前提醒我交周报」	按导航 ETA 反算提醒时刻，一轮成单，到点主动触达
「明天第一场比赛提醒我观看」	赛事 Agent 与提醒 Agent 跨域交接：开赛前自动提醒
「哪天下雨就把行程换成室内」	按天气预报对既有行程确定性改排
「深入调研固态电池量产进展，不急，查完告诉我」	异步深度调研：秒级受理，后台多视角迭代检索，完成后主动推送带引用的分节报告
「那个调研查得怎么样了」／「别查了」	后台长任务有账本：能问进度、能中途喊停、重启中断后诚实告知而不是假装还在跑
「（看着刚列出的店）第一家和第二家一共多少钱」	候选集是一等会话对象：最值 / 合计 / 序数取值三类聚合在规划之前确定性算出，零 LLM——系统持有的事实绝不让模型编
「你刚才都帮我做了什么」	执行过的动作随轮次入账本，审计追问由确定性出口作答并绑定本会话——说做过的就真做过，历史副作用不会被说成刚刚发生

界面预览

HMI「Aurora Glass · 极光液态座舱」：横屏两栏（左对话流 + 右「上下文舞台」随对话切换场景）、液态玻璃材质、「小舟」光球化身；气泡 ↔ 卡片 ↔ 右舞台三者联动，约 20 类结构化信息卡按 Figma 源逐张重建。

天气（卡片 + 右舞台活场景）	附近 POI（卡片 + 测距地图，「第N个」联动）
行程规划（结构化行程卡 + 危险操作确认条）	设置（语音引擎 / 音色 / LLM 厂商切换）

截图均为真实后端数据（天气=和风、POI/行程=高德）。本地起栈后访问 http://localhost:5173，按住「小舟」光球说话即可流式实时上屏。

设计主张

四条不动摇的架构承诺，每一条都有测试固化：

1. 规划与执行分离——LLM 只产出「意图/计划」，一切车控由确定性 Executor 经 VAL（车控抽象层）权限校验后下发，危险动作强制二次确认。智能可以试错，安全不能。
2. 快慢双系统——高频、确定、安全敏感的指令留在端侧毫秒级响应、断网可用；复杂、跨域、多轮的意图上云由 LLM Planner 编排。时延与可用性是架构约束，不是优化目标。
3. Agent 即插即用——所有 Agent 实现统一 gRPC 契约 + Manifest 声明（能力 / 权限 / 确定性路由兜底 / 卡片优先级），经注册中心发现。新增一个领域 Agent 不改一行编排核心代码，这条铁律由契约测试守护。
4. 真实优先——导航/天气/搜索/新闻/赛事/股票全部接真实数据源；外源数据卡片携带 _prov 溯源标记（真实性 / 来源 / 取数时间，HMI 徽章可见），严格模式 REQUIRE_REAL_PROVIDERS=on 拒绝任何 mock 决议；运行期真实源失败一律诚实降级说拿不到，绝不回退 mock 假数据。演示可以降级，不能造假。

系统架构

flowchart TB
    subgraph EDGE["端侧 · 车机（离线可用）"]
        HMI["HMI 座舱前端<br/>唤醒 KWS · VAD · 流式 ASR/TTS"]
        EGW["Edge Gateway (Go)"]
        EO["Edge Orchestrator<br/>Fast Intent 意图分流"]
        VAL["VAL 车控抽象层<br/>全系统唯一车控出口"]
        HMI <--> EGW
        EGW --> EO
        EO -->|"T0 快路径 · 毫秒级"| VAL
    end
    subgraph CLOUD["云侧 · LLM 编排"]
        CGW["Cloud Gateway (Go)"]
        CP["Cloud Planner<br/>T1 单次 DAG · T2 有界循环"]
        REG["Registry 注册中心<br/>能力语义检索"]
        LLM["LLM Gateway<br/>多模型运行时热切换"]
        MEM["Memory<br/>pgvector 语义记忆"]
        AG["14 × 领域 Agent<br/>统一 gRPC 契约 + Manifest"]
        CGW --> CP
        CP <--> REG
        CP <--> LLM
        CP <--> MEM
        CP <--> AG
    end
    EO <-->|"慢意图上云 · 持久双向流"| CGW
    CP -.->|"DispatchToEdge：车控计划回端，确定性执行 + 权限校验"| VAL

Loading

服务间同步调用走 gRPC（proto/ 为唯一契约源），异步与主动推送走 NATS；短期状态 Redis、长期/向量 PostgreSQL + pgvector。请求按复杂度落入三层运行模型：

层	处理什么	形态
T0 端侧快路径	车控/媒体等高频确定性指令	规则 + 知识库，毫秒级本地执行，离线可用
T1 云端单次 DAG	复杂 / 跨域 / 多意图请求	LLM Planner 一次规划，确定性引擎并行执行
T2 有界 Agentic 循环	需按中间结果调整计划的任务	迭代次数与时间预算受控，自适应再规划

Agent 的接入完全声明式：manifest 声明能力与权限、route_hints 做确定性路由兜底、verification 声明执行后要对账什么、_escalate 做执行期改派、heavy 标记驱动思考与过程区——编排核心对具体 Agent 零硬编码。跨请求存活的长任务（异步深调研等）另有持久任务账本承载「干到哪了 / 还让不让它干」，接入只需调三个 SDK 函数。

安全铁律（架构级，违反即 bug）

1. 车控只能经 VAL 下发，任何组件（含 LLM / Agent）不得直接操作 CAN/SOME-IP。
2. LLM 只负责理解与规划，确定性 Executor/Dispatcher 负责执行。
3. 危险动作（require_confirm=true）必须用户二次确认。
4. 新增 Agent 只通过注册中心接入，不修改编排核心。
5. 密钥只进 .env，不进代码、日志与提交。
6. 敏感数据（精确位置 / 车内音视频 / 支付）默认不出车，上云按 manifest context_scopes 最小化下发。

架构唯一真相源：docs/architecture/cockpit-agent-architecture.md——任何与它冲突的实现都视为 bug。

能力全景

语音：全双工交互回路

从唤醒到打断全链路流式，引擎全部可切换：

• 唤醒：浏览器本地 KWS（sherpa-onnx WASM，自建构建链），预设唤醒词「小舟小舟 / 你好小舟…」，唤醒前音频不出浏览器，唤醒后人声应答。
• 听：silero VAD 端点检测 + DashScope 实时流式 ASR——边说边上屏、停顿定稿自动发送，失败无感回退批处理。
• 说：服务端流式 TTS（文本增量进、PCM 分片出），cosyvoice 首帧 469ms（较批处理提速 4.7~7.2×），另有方言音色引擎；播报中随时打断（barge-in）。
• 免唤醒连续对话：续问窗内直接接话；「退下吧」本地退场不上云。
• 拒识与澄清（置信度三段式）：hands-free 场景下乘客对话等非受话语句静默拒识——不打扰、不落库、不进画像（内置评测误拒 3.4% / 拦截 88.9%）；真歧义句出选择卡问一句再执行，明确句绝不反问。
• 端到端语音直连（可选挡位）：闲聊与常识由语音大模型直接听直接答，首音频 609ms（P50）、多轮更连贯；而需要执行或查实时信息的请求由模型自动交回确定性链——车控没有一条路径绕过权限校验与二次确认（对抗集实测移交率 100%，含「今天真热啊，把空调开低一点」这类夹在闲聊里的动作句）；危险动作的「确认/取消」同样永远由确定性主链裁决——系统在等确认时，语音模型没有替你答应或取消的权力。断线自动重连并重注入上下文，连不上则整条回落常规链路。默认关：它会上传唤醒窗内的原始语音，须用户在设置里显式开启。
• 按声音区分乘员（可选挡位）：唤醒后的第一句话边说边判断是谁在说话（说到 1.5 秒就够），每位乘员的口味、习惯、家人关系、常用地点（家/公司）与提醒各自独立（OwnerKey 数据面隔离——识别对了还要存得下来才算数）。问「你知道我是谁」叫得出名字（身份由系统直答，不交给模型编）。认不出时一律按主驾处理——退回的是开启这个开关之前的行为，而不是某种新的坏状态；两人声音太接近时宁可不下结论。声纹只用于区分记忆，不作为任何权限或支付的凭证（识别错了只该损失个性化，不该损失安全）。
• 看一看（可选挡位）：说「那是什么 / 这是什么车」时抓一帧当前画面交多模态模型识别。只在说这类话时抓，其余时候一帧都不采；图像只在网关内存里活两分钟，不落盘、不进对话链、不进记忆。拿不到画面就直说拿不到，绝不对着空气编一个答案。

端侧：车控与混合多意图

80 条端侧 capability 覆盖 67 个车控/媒体对象（空调 / 座椅 / 车窗 / 氛围灯 / 360 环视 / 蓝牙 / 广播…），知识库驱动归一化、校验、安全门控与话术；混合多意图按语义组分流，本地动作与云端慢意图在同一请求内协同执行。另有 35MB 端侧语义 NLU 以影子模式在线（4.8ms/条给出真概率，只观测不执行——放量是产品决策，数据尺已备好）。

云端：14 个领域 Agent

Agent	一句话能力
navigation	高德导航：POI 检索、视觉地标/俗称解析、途经点（人称与常用地点经关系图谱/画像解析）、到达时限 ETA 判定、路线偏好、进行中路线增量改道
nearby	周边发现（高德 POI 2.0）：餐饮/酒店/景点/影院/停车/充电，价位与营业状态筛选
trip-planner	结构化多日行程：真实 POI 接地 + 电量感知充电编织（含跨城长途段）+ 主题/多城市保序/点名必去点三路入池 + 局部改排不漂移 + 在途状态
charging-planner	充电规划：沿途/目的地充电站、泛目的地候选二次确认
info	天气（和风）/ 搜索（Exa 接地合成：强制引用、无据弃权）/ 新闻 / 股票（Tushare）/ 赛事（api-football）
deep-research	深度调研：多视角子问题 → 有界并行检索 → 带引用分节报告 + 渐进语音简报，支持异步分钟级
reminder	自然语言日程/提醒/待办：改期 / snooze / 重复规则、到点主动触达、跨域交接
scene-orchestrator	用户自定义场景：一句话创建、环境自适应策略求值、退出真恢复、执行后诚实对账
road-safety	路况安全与响应式主动播报
parking-payment	停车缴费：查费只读、缴费经统一支付网关出扫码付款码（支付宝当面付/微信 Native 双渠道，Agent 不持支付凭证；金额以订单快照为单一真相）
manual-rag	车主手册问答（RAG）
chitchat	闲聊与常识直答（墙钟/日期按系统时钟确定性直答，绝不让 LLM 编时刻）
vision	看一看：对着窗外问「那是什么」，抓当前画面单帧交多模态模型识别（图像只在网关内存活两分钟，不落盘、不进对话链）
mcp-bridge	受控 MCP 生态桥：一个 Agent 承载 N 个外部 MCP server，人工准入 + 版本锁定 + schema 指纹三重锁定；写操作有确认闸、请求指纹幂等、账本落账、超时不确定口径与补偿声明。已接入麦当劳/瑞幸官方 MCP 复合工作流（stdio+streamable_http 双传输）：自然语言选店/选品/规格 → 确定性预览计价 → 确认后创建未支付订单 → 安全支付入口 → 查单；瑞幸另支持再次确认取消，麦当劳无远程取消。两家另有只读当店菜单（luckin.menu / mcd.menu，带真实价格与商品图，图链域名走精确白名单，不合规静默退回纯文字）。系统不代用户最终付款。演示商户仍以卡片与话术恒标注。

回答模式判据化路由：一句话精确落到直答 / 联网查询 / 新闻 / 深度调研四模式（常识不联网、时效必联网、浏览一批走新闻、系统了解升调研），评测先行（五桶语料 + 混淆矩阵；留存基线 175/177=98.9%，2026-07-12 MiMo 历史批次，不代表当前主/对比模型）；Agent 误接时经 _escalate 机制零播报自动改派。

规划知识按需供给（skills/）：多日行程、导航顺路、条件依赖、充电分流这类组合判据以声明式文件供给 Planner——词法+语义双通道检索注入（fail-open 回词法），每份知识自带 golden 经 CI 门禁与真栈 A/B、逐 skill 消融验证「真的让规划变对了」；加规划知识=投一个文件，不改编排核心。

落域准确率靠数据增长，不靠人写正则：一条 话术 → 正确落域 的范例投进 skills/exemplars/，检索后作 few-shot 影响 Planner 判断——它是权威链最软层，不做硬路由，所以写错只是噪声而不是事故（确定性 route_hints 在 LLM 之后硬改写计划，写错会把模型判对的结果踩掉）。配套的是规则的出口：对每条 hint 的命中语料做跨模型双臂裸跑，「模型自己已经会了」的规则出退役提案；规则曾从 32 条压到 10 条，后因真实反例恢复 research.status，当前为 11 条——规则第一次可以减少，也能被新证据恢复。落域质量另有分布级尺子（canonical/paraphrase 拆列 + 分域混淆矩阵），与只防倒退的回归闸分开。

记忆、上下文与个性化

• 语义记忆（pgvector）：自动从对话抽取偏好与个人实体，语义召回注入规划与闲聊；隐私分级、可查可删。
• 上下文装配：统一 token 预算内装配能力目录（语义预筛）+ 对话历史 + 长期记忆 + 结构化焦点态（跨轮指代不靠啃原文；候选集与执行事实是焦点态的一等成员）；敏感上下文按 manifest 最小化下发。
• 主动性有治理层：七路主动（routine / 场景触发 / 路况播报 / 提醒到点与到地 / 深调研完成 / 晨间早报 / 低电量顺路建议）先过统一主动引擎——情境断言在投递时刻复核、跨生产方去重、驾驶负荷高时攒着说、同窗到达的合并成一条，再经 NATS 到 HMI。治理器缺席即自动回落直发，不会静默吞掉用户显式约定的提醒。

多 LLM / 多引擎运行时

• LLM：MiMo / MiniMax / DeepSeek / 通义千问四厂商进程内注册表，HMI 设置页运行时热切换、切换持久化；请求级 pin、429 与流式故障分类降级、跨厂商备份档（active 厂商整链耗尽后兜底一跳，pinned 请求恒不跨）、健康探针；embedding 与 chat 厂商解耦。
• ASR：DashScope 实时流式（qwen3 / fun 双协议）+ 分块回退；TTS：cosyvoice / qwen3（含方言）/ MiMo / MiniMax 四引擎，「引擎 → 音色」两级选择。
• 评测报告锁定 provider（中途漂移即作废），跨模型对比可信。

可观测与 badcase 闭环

trace_id 从 HMI 气泡角标一键复制，贯通到每一跳 LLM 调用（tokens / 时延 / 门控内容）；collector SQLite 持久化；Dashboard 四视图——会话三级下钻、总览、日志、badcase 收藏一键重放对照，另有 LLM 消耗归属视图。Prometheus /metrics + OTel span 导出 + Grafana 仪表盘经 --profile observability 可选启用。

快速开始

依赖：Python 3.11+；target=local 的完整真栈才需要 Docker Desktop。本地开发另需 Go 1.24+、Node 20+、buf。 真栈支持本地 / 云端两档（仓库根 dev-stack.local 声明目标，统一入口 scripts/dev_stack.py 提供 status / deploy / verify / hmi）；新克隆缺省即 target=local，下述本地步骤开箱可用。 云档操作与切换红线见 docs/dev-guide.md §可切换真栈。

cp .env.example .env         # 不配任何密钥也能跑：LLM 落 MockProvider，外部数据源走 mock
make proto                   # 生成 gRPC 代码（改 proto 后必跑）
python test/smoke_edge.py    # 可选：不起 Docker 先做端侧冒烟
make up                      # 起全栈 30 个服务

Windows PowerShell：

Copy-Item .env.example .env
./scripts/gen-proto.ps1
python test/smoke_edge.py
docker compose -f compose.yaml up --build -d

起栈后：

• HMI 座舱 http://localhost:5173 —— 点击/按住「小舟」光球说话，或直接打字。
• 可观测台 http://localhost:5174 —— 会话下钻、trace、LLM 消耗归属。

注意：

• 只能从根 compose.yaml 启动（make up 已封装）；直接用 deploy/docker-compose.yaml 启动会丢失根 .env，真实 Provider 会静默回退 mock。
• 真实数据源与 LLM 凭证键见 .env.example；Dashboard 的车辆动态调试接口仅限本地演示，非开发环境设 DEBUG_VEHICLE_CONTROL=false。

工程与验证

测试分层金字塔，全部单命令可复现：

层	是什么	现状
单测 / 契约	全服务 pytest（编排 / Agent / 安全 / 记忆 / 网关 / 共享运行时）单命令一次跑通	6865 passed / 32 skipped / 0 failed（2026-08-20，两趟根跑 24m24s / 25m36s 逐字同数；skip 数随部署形态变，见 AGENTS.md §4.0）
前端	HMI node --test / Dashboard vitest	279 / 17（2026-08-19 实测）
评测基线	端侧意图覆盖（8k+ 真实说法语料）、云侧路由、四模式路由、拒识/澄清、L0–L3 对抗落域	对比/参考基线 147/147，L1/L2 各 2×3 独立进程，资格 eligible=True（DeepSeek / f0af9c0）；MiniMax 主模型同口径 141/147、eligible=False，不可混写成跨模型全绿（其余报告型基线见 docs/reviews/eval/README.md）
单链路 e2e	WS 全链路 / 记忆 / 上下文 / 韧性自愈 / TTS 流 / 语音回路 / 降级矩阵 / 任务账本 / 执行对账 / 主动治理 / 声纹 / 视觉 / S2S	真栈脚本，接入 run_e2e（Windows/Linux 清单一致）
L3 旅程级	37 条语料：跨 Agent 自主执行（把事办完）× 全场景连续对话	回归级 15/15 常绿（红灯单条重跑定性制）
L4 HMI CDP	真浏览器渲染 / 点击 → WS 帧断言	二次交互用例
CI 阻断门禁	四条确定性门禁（零 LLM / 零网络）：skill 契约、范例契约、意图对抗 L0 strict、能力完整性（新增一个车控能力漏一处即红）	全部 blocking，见 .github/workflows/ci.yml
CI	push 全量（绿 = 本地全量绿）；nightly 断言型 e2e（mock 车道 = 不经过模型判断的那部分——端侧快路径 / 兜底 Agent / 确定性解析 / 协议层；模型路由类断言归 live 车道）+ nightly 自进化流水线（badcase 挖掘 → 归因 → 门禁）	GitHub Actions + Task Scheduler

make test                          # = python -m pytest --import-mode=importlib -q
make gate-intent-l0                # 意图对抗 L0 门禁（strict）——本地与 CI 唯一入口
cd hmi && npm test && npm run build
cd dashboard && npm test && npm run build

# 全栈起来后
python test/e2e_ws.py              # WS 全链路冒烟
make e2e                           # 本地全量 e2e 清单（Windows: ./scripts/run_e2e.ps1）
python test/e2e_journeys.py        # L3 旅程级（--provider 锁定评测用 LLM）
node test/hmi_cdp/run_cases.mjs    # L4 真浏览器 CDP

三条工程文化：

• 文档先行：101 篇按日期编号的设计与落地记录（docs/design/，截至 2026-08-19），每个主题先对齐设计再动手；「架构唯一真相源」制度化。
• badcase 驱动：真机/真麦反馈 → Dashboard trace 下钻 → 修复 → 原句真栈复验，全环节留档。
• 铁律测试化：「新增 Agent 不改编排核心」「危险动作必确认」等架构约定由契约测试固化，违反直接红灯。

目录结构

proto/            gRPC 契约——所有接口的唯一真相源
gateway/          Go 接入网关（edge/ 端侧、cloud/ 云侧）
orchestrator/     edge/ 端侧编排 + FastIntent + VAL（PoC 模拟）；cloud/ 云端 LLM Planner
agents/           14 个领域 Agent；_sdk/ 公共 SDK（BaseAgent / 检索与接地内核 / 任务账本）
skills/           Planner 智能供给声明式载体：guides/ 领域组合判据、policies/ 跨域软约束、
                  exemplars/ **落域范例库**（话术→正确落域的数据，权威链最软层）——投文件即生效，全部进 CI 门禁
llm-gateway/      LLM 多模型网关——LLM / Embedding / ASR / TTS 的唯一出口
registry/         Agent 注册中心（manifest + 能力语义检索）
memory/           记忆 / 画像服务（pgvector）
security/         权限引擎、scope 定义、内容审核、注入防护
payment-gateway/  统一支付网关（Agent 不持支付凭证）
proactive/        统一主动引擎——「该不该现在打扰驾驶员」的唯一裁决点
observability/    NATS 事件出口、collector、trace / 指标
hmi/              React 座舱前端（Aurora Glass）
dashboard/        React 开发 / 演示可观测台
runtime/          共享运行时（gRPC keepalive / mTLS / 优雅停机 + 主动消息出口）
deploy/           docker-compose / 证书生成
test/             e2e、评测基线、旅程语料、CDP 用例
docs/             架构（真相源）、设计记录、指南

文档导航

想了解	看这里
当前真实进展、接手第一步、自检入口	AGENTS.md
工程约定、目录规范、安全红线	CLAUDE.md
为什么这么设计（架构唯一真相源）	docs/architecture/cockpit-agent-architecture.md
分期计划与量产 DoD	docs/architecture/phase1-implementation-plan.md
各主题设计与落地记录（101 篇，按日期，截至 2026-08-19）	docs/design/
怎么接真实 Provider（高德/和风样板）	docs/guides/provider-integration.md
怎么跑意图落域对抗测试、怎么修落域 badcase	docs/guides/intent-adversarial-testing.md
环境 / 端口 / 命名 / 错误码速查	docs/dev-guide.md、docs/conventions.md
测试分层与运行说明	test/README.md

各服务子目录另有自己的 README。

现状与边界

当前为 Phase 1 工程化 PoC：T0 / T1 / T2 运行模型、云端中枢、语音回路、记忆/上下文、可观测与旅程级验证体系均已落地。距量产的已知边界如实列出：

• VAL 为 Python 模拟（orchestrator/edge/val.py）：真实 SOME-IP/CAN 对接、车规资源约束与 OTA 属量产阶段。
• 停车 / 手册仍为 mock Provider（严格模式默认豁免域），按环境接入。
• 单实例状态：Cloud Gateway 车辆长连状态在单实例内存；Registry 已有 PostgreSQL 持久化与周期重注册自愈，多实例扩展待做。
• 安全能力已落地，本地开发档默认关：两层会话鉴权（AUTH_REQUIRED）与服务间 mTLS（GRPC_TLS）经 env 门控，开启即全栈生效——云端真栈档已实际开启会话鉴权（AUTH_TOKENS 畸形条目 fail-closed）；真实 IdP、证书轮换属后续。
• 声学层指标（真麦命中率 / 误唤醒率）属人工验收范畴；浏览器内 KWS / VAD 链路已真机验证。
• MCP 生态桥已接真实商户，但仍是 PoC 账号模型：麦当劳/瑞幸官方复合工作流已打通到“创建未支付订单、展示受控支付入口、查单”，瑞幸可再次确认取消；不执行最终付款，麦当劳官方工具面无远程取消。写工具不可自动重放，支付链接经桥与 payment-gateway 双层 host 白名单。两家凭证当前都是服务级全局 token/账号，只允许网关权威 scope 下的已认证主用户使用；多乘员独立商户账号、token 自动刷新、通用 HTTP 工具面均未产品化。商户与支付 host 必须由运行时安全配置提供，空配置 fail-closed。

实时状态、测试证据与待办清单以 AGENTS.md 为准。

许可

本项目以 Apache License 2.0 发布。