docs: update AGENTS.md with voiceprint, session, memory architecture

AGENTS.md

@@ -7,6 +7,7 @@ asr/
 ├── asr_agent/                  # 服务端（Python）
 │   ├── dispatcher.py           # HTTP Dispatcher — 多房间调度
 │   ├── worker.py               # VAD → ASR → LLM → TTS 完整流水线
+│   ├── voiceprint.py           # 声纹识别 + 对话记忆（Zvec + JSON）
 │   ├── whisper_asr/            # ASR 核心引擎
 │   │   ├── audio_processor.py  # AudioBuffer 环形缓冲
 │   │   ├── qwen_engine.py      # Qwen3-ASR 本地引擎
@@ -111,6 +112,53 @@ sequenceDiagram
 | **LLM** | Mimo v2.5 / vLLM | `LLM_PROVIDER` 切换；流式 SSE + `<think>` 过滤 |
 | **TTS** | Mimo v2.5 API | 24kHz PCM，并行生成 + 顺序入队播放 |
 | **播放** | 单轨 `LocalAudioTrack` | `play_q` 队列 + `_player` 协程持续 drain |
+| **声纹** | scipy MFCC + Zvec | 自动注册 / 识别说话人，识别结果注入 LLM 上下文 |
+| **记忆** | Zvec + JSON | 声纹向量存 Zvec；对话历史存 JSON，按用户隔离 |
+
+## 声纹识别
+
+```mermaid
+flowchart LR
+    A[音频输入] --> B[MFCC 特征提取<br/>120维]
+    B --> C[Zvec 向量检索<br/>余弦相似度]
+    C -->|匹配 >0.65| D[返回已知用户]
+    C -->|无匹配| E[自动注册新用户]
+    D --> F[注入 LLM 上下文]
+    E --> F
+    F --> G[个性化回复]
+    
+    B --> H[对话记忆<br/>JSON 持久化]
+    H -->|同一说话人| I[恢复历史会话]
+    I --> F
+```
+
+## 会话管理
+
+```mermaid
+sequenceDiagram
+    participant A as App
+    participant D as Dispatcher
+    participant W as Worker
+    
+    Note over A,W: 首次连接
+    A->>D: POST /connect {identity}
+    D-->>A: {room: "room-xxx", token}
+    Note over A: 保存 room
+    
+    Note over A,W: 暂停 → 继续
+    A->>D: POST /connect {identity, room: "room-xxx"}
+    D->>D: 检测 room-xxx 存活
+    D-->>A: {room: "room-xxx", token}
+    Note over A,W: 同房间 → Worker 保持 → 上下文不丢
+```
+
+## 三层记忆系统
+
+| 层级 | 存储 | 键 | 生命周期 | 用途 |
+|------|------|-----|---------|------|
+| **房间会话** | `self.hist` (内存) | 房间号 | APP 暂停→继续 | 当前对话上下文 |
+| **声纹向量** | Zvec 嵌入式 DB | 声纹特征 | 永久 | 说话人识别 |
+| **对话记忆** | JSON 文件 | `speaker_id` | 永久 | 跨会话历史 |
 
 
 
@@ -131,6 +179,7 @@ python3 -m py_compile asr_agent/dispatcher.py
 # 2. 上传文件到服务器
 sshpass -p '123456' scp asr_agent/worker.py ubuntu@200.200.18.11:/tmp/asr_build/worker.py
 sshpass -p '123456' scp asr_agent/dispatcher.py ubuntu@200.200.18.11:/tmp/asr_build/dispatcher.py
+sshpass -p '123456' scp asr_agent/voiceprint.py ubuntu@200.200.18.11:/tmp/asr_build/voiceprint.py
 sshpass -p '123456' scp -r asr_agent/whisper_asr ubuntu@200.200.18.11:/tmp/asr_build/
 
 # 3. 服务器构建镜像
@@ -151,6 +200,7 @@ docker run -d --name asr-dispatcher --network host --restart unless-stopped \
   -e LLM_PROVIDER=mimo \
   -e ASR_PROVIDER=mimo \
   -v /data/models:/data/models:ro \
+  -v /data/voiceprints:/data/voiceprints \
   asr-dispatcher:v1
 '
 
@@ -176,6 +226,8 @@ curl -s -X POST http://localhost:10005/connect -H "Content-Type: application/jso
 | `MIMO_KEY` | — | Mimo API Key |
 | `MIMO_API_BASE` | `https://token-plan-cn.xiaomimimo.com/v1` | Mimo API 地址 |
 | `VAD_MODEL_PATH` | `whisper_asr/silero_vad.onnx` | Silero VAD 模型路径 |
+| `VP_DB_PATH` | `/data/voiceprints` | 声纹数据库目录 |
+| `VP_SIMILARITY_THRESHOLD` | `0.65` | 声纹匹配余弦相似度阈值 |
 
 ## 端口
 
@@ -196,6 +248,16 @@ curl -s -X POST http://localhost:10005/connect -H "Content-Type: application/jso
 5. App 断开 → Worker 退出 → 房间释放
 ```
 
+### 暂停 → 继续
+
+```
+1. App 暂停 → 保存 room 名称
+2. App 继续 → POST /connect {identity, room: "room-xxx"}
+3. Dispatcher 检测 room-xxx 是否存活
+4. 存活 → 返回相同 room，Worker 保持，上下文不丢
+5. 已释放 → 创建新 room + 新 Worker，声纹记忆恢复上下文
+```
+
 ## Flutter App 编译
 
 ```bash