feat: 添加 TTS 语音朗读功能 (v0.2.0)

changelog.md

@@ -2,7 +2,19 @@
 
 ## 版本记录
 
-### v0.1.0 (规划中)
+### v0.2.0
+
+- 新增 TTS 语音朗读功能
+  - 集成 mimo-tts client 功能，通过 TCP 连接本地 daemon
+  - 支持配置文件开关（tts.enabled）
+  - 支持命令行切换（/tts on/off/status）
+  - 支持临时 TTS 前缀（`T 消息` 临时开启）
+  - 动态提示符显示 TTS 状态（👀 🔊）
+  - 静默失败处理（网络异常时警告日志）
+
+---
+
+### v0.1.0
 
 - 创建 hxclaw 项目
 - 实现流式输出功能

cmd/hxclaw/internal/config.go

@@ -12,6 +12,7 @@ type ProjectConfig struct {
 	Streaming StreamingConfig `yaml:"streaming"`
 	Markdown  MarkdownConfig  `yaml:"markdown"`
 	UI        UIConfig        `yaml:"ui"`
+	TTS       TTSConfig      `yaml:"tts"`
 }
 
 type StreamingConfig struct {
@@ -29,6 +30,12 @@ type UIConfig struct {
 	UserPrefix string `yaml:"user_prefix"`
 }
 
+type TTSConfig struct {
+	Enabled bool `yaml:"enabled"`
+	Port    int  `yaml:"port"`
+	Auto    bool `yaml:"auto"`
+}
+
 var (
 	defaultCfg = ProjectConfig{
 		Streaming: StreamingConfig{
@@ -43,6 +50,11 @@ var (
 			Logo:       "🦐",
 			UserPrefix: "👀 ",
 		},
+		TTS: TTSConfig{
+			Enabled: false,
+			Port:    9876,
+			Auto:    true,
+		},
 	}
 	projCfg     *ProjectConfig
 	projCfgLock sync.RWMutex
@@ -90,6 +102,9 @@ func LoadProjectConfig() error {
 	if cfg.UI.UserPrefix == "" {
 		cfg.UI.UserPrefix = defaultCfg.UI.UserPrefix
 	}
+	if cfg.TTS.Port <= 0 {
+		cfg.TTS.Port = defaultCfg.TTS.Port
+	}
 
 	projCfg = &cfg
 	return nil

cmd/hxclaw/internal/helpers.go

@@ -49,7 +49,8 @@ func GetConfigPath() string {
 
 // Readline 实例包装
 type Readline struct {
-	rl *readline.Instance
+	rl        *readline.Instance
+	basePrompt string
 }
 
 // NewReadline 创建一个新的 Readline 实例
@@ -68,7 +69,18 @@ func NewReadline(prompt string) (*Readline, error) {
 	if err != nil {
 		return nil, err
 	}
-	return &Readline{rl: rl}, nil
+	return &Readline{rl: rl, basePrompt: prompt}, nil
+}
+
+// SetPrompt 更新提示符
+func (r *Readline) SetPrompt(prompt string) {
+	r.basePrompt = prompt
+	r.rl.SetPrompt(prompt)
+}
+
+// GetBasePrompt 返回基础提示符
+func (r *Readline) GetBasePrompt() string {
+	return r.basePrompt
 }
 
 // Readline 读取一行输入

cmd/hxclaw/main.go

@@ -66,7 +66,8 @@ func main() {
 }
 
 func interactiveMode(agentLoop *agent.AgentLoop, sessionKey string) {
-	prompt := internal.GetProjectConfig().UI.UserPrefix
+	basePrompt := internal.GetProjectConfig().UI.UserPrefix
+	prompt := internal.GetTTSPrompt(basePrompt)
 
 	rl, err := internal.NewReadline(prompt)
 	if err != nil {
@@ -77,6 +78,11 @@ func interactiveMode(agentLoop *agent.AgentLoop, sessionKey string) {
 	}
 	defer rl.Close()
 
+	ttsCfg := internal.GetProjectConfig().TTS
+	if ttsCfg.Enabled {
+		internal.SetTTSEnabled(true)
+	}
+
 	for {
 		line, err := rl.Readline()
 		if err != nil {
@@ -98,14 +104,37 @@ func interactiveMode(agentLoop *agent.AgentLoop, sessionKey string) {
 			return
 		}
 
-		runWithStreaming(agentLoop, input, sessionKey)
+		isTempTTS := false
+		if len(input) > 0 && input[0] == 'T' && (len(input) == 1 || input[1] == ' ') {
+			input = strings.TrimPrefix(input, "T")
+			input = strings.TrimPrefix(input, " ")
+			isTempTTS = true
+		}
+
+		if strings.HasPrefix(input, "/tts") {
+			handleTTSCommand(input, rl, basePrompt)
+			continue
+		}
+
+		if isTempTTS {
+			enabled := internal.ToggleTTS()
+			if enabled {
+				rl.SetPrompt(internal.GetTTSPrompt(basePrompt))
+			}
+		}
+
+		runWithStreaming(agentLoop, input, sessionKey, isTempTTS)
 	}
 }
 
 func simpleInteractiveMode(agentLoop *agent.AgentLoop, sessionKey string) {
 	reader := internal.NewSimpleReader()
+	ttsCfg := internal.GetProjectConfig().TTS
+	if ttsCfg.Enabled {
+		internal.SetTTSEnabled(true)
+	}
 	for {
-		fmt.Print(internal.GetProjectConfig().UI.UserPrefix)
+		fmt.Print(internal.GetTTSPrompt(internal.GetProjectConfig().UI.UserPrefix))
 		line, err := reader.ReadString()
 		if err != nil {
 			if err == internal.ErrEOF {
@@ -126,12 +155,28 @@ func simpleInteractiveMode(agentLoop *agent.AgentLoop, sessionKey string) {
 			return
 		}
 
-		runWithStreaming(agentLoop, input, sessionKey)
+		isTempTTS := false
+		if len(input) > 0 && input[0] == 'T' && (len(input) == 1 || input[1] == ' ') {
+			input = strings.TrimPrefix(input, "T")
+			input = strings.TrimPrefix(input, " ")
+			isTempTTS = true
+		}
+
+		if strings.HasPrefix(input, "/tts") {
+			handleTTSCommandSimple(input)
+			continue
+		}
+
+		if isTempTTS {
+			internal.ToggleTTS()
+		}
+
+		runWithStreaming(agentLoop, input, sessionKey, isTempTTS)
 	}
 }
 
 // runWithStreaming 使用 ProcessDirect 处理请求，支持工具调用和结果显示
-func runWithStreaming(agentLoop *agent.AgentLoop, input, sessionKey string) {
+func runWithStreaming(agentLoop *agent.AgentLoop, input, sessionKey string, tempTTS bool) {
 	startTime := time.Now()
 
 	spinner := internal.NewSpinner("思考中...")
@@ -150,6 +195,11 @@ func runWithStreaming(agentLoop *agent.AgentLoop, input, sessionKey string) {
 	clearSpinnerLine()
 	outputLineByLine(rendered)
 
+	ttsCfg := internal.GetProjectConfig().TTS
+	if ttsCfg.Enabled || tempTTS || internal.IsTTSEnabled() {
+		go internal.SpeakText(resp)
+	}
+
 	elapsed := time.Since(startTime)
 	printElapsed(elapsed)
 }
@@ -218,3 +268,66 @@ func formatDuration(s float64) string {
 	}
 	return fmt.Sprintf("%.1fs", s)
 }
+
+func handleTTSCommand(input string, rl *internal.Readline, basePrompt string) {
+	args := strings.Fields(input)
+	if len(args) == 1 {
+		enabled := internal.ToggleTTS()
+		rl.SetPrompt(internal.GetTTSPrompt(basePrompt))
+		status := "关闭"
+		if enabled {
+			status = "开启"
+		}
+		fmt.Printf("TTS 已%s\n", status)
+		return
+	}
+
+	switch args[1] {
+	case "on":
+		internal.SetTTSEnabled(true)
+		rl.SetPrompt(internal.GetTTSPrompt(basePrompt))
+		fmt.Println("TTS 已开启")
+	case "off":
+		internal.SetTTSEnabled(false)
+		rl.SetPrompt(internal.GetTTSPrompt(basePrompt))
+		fmt.Println("TTS 已关闭")
+	case "status":
+		status := "关闭"
+		if internal.IsTTSEnabled() {
+			status = "开启"
+		}
+		fmt.Printf("TTS 状态: %s\n", status)
+	default:
+		fmt.Println("用法: /tts [on|off|status]")
+	}
+}
+
+func handleTTSCommandSimple(input string) {
+	args := strings.Fields(input)
+	if len(args) == 1 {
+		internal.ToggleTTS()
+		status := "关闭"
+		if internal.IsTTSEnabled() {
+			status = "开启"
+		}
+		fmt.Printf("TTS 已%s\n", status)
+		return
+	}
+
+	switch args[1] {
+	case "on":
+		internal.SetTTSEnabled(true)
+		fmt.Println("TTS 已开启")
+	case "off":
+		internal.SetTTSEnabled(false)
+		fmt.Println("TTS 已关闭")
+	case "status":
+		status := "关闭"
+		if internal.IsTTSEnabled() {
+			status = "开启"
+		}
+		fmt.Printf("TTS 状态: %s\n", status)
+	default:
+		fmt.Println("用法: /tts [on|off|status]")
+	}
+}

project.config.yml

@@ -13,4 +13,10 @@ markdown:
 # UI 配置
 ui:
   logo: "🦐"
-  user_prefix: "👀 "
+  user_prefix: "👀 "
+
+# TTS 语音配置
+tts:
+  enabled: false   # 全局开关（默认关闭）
+  port: 9876     # mimo-tts daemon 端口
+  auto: true     # AI 回复后自动朗读

taolun.md

@@ -205,4 +205,180 @@ func (m model) Update(msg tea.Msg) (tea.Model, tea.Cmd) {
 
 3. 换行控制：
    - "思考完成." 后需要两个换行符（一个换行 + 一个空行）
-   - 流式输出完成后也需要空行分隔
+   - 流式输出完成后也需要空行分隔
+
+---
+
+### 13. 重绘残留问题与新流程
+
+#### 问题描述
+
+之前的流程：
+1. 流式实时打印 token（边收边打）
+2. 完成后 Markdown 重绘
+3. 问题：重绘有残留
+
+#### 解决方案：等待完整响应后输出
+
+改进后的流程：
+1. AI 返回完整数据 ← 等待时间
+2. Markdown 转译
+3. 模拟流式输出（从配置读取速度）
+
+效果更好，无残留问题。
+
+#### 配置化
+
+使用 `project.config.yml` 统一管理配置：
+```yaml
+streaming:
+  line_delay_ms: 1000     # 每行输出后的延迟（毫秒）
+  last_line_delay_ms: 600  # 最后一行延迟（毫秒）
+
+markdown:
+  glamour_style: dark
+  wrap_width: 0       # 自动获取终端宽度
+
+ui:
+  logo: "🦐"
+  user_prefix: "👀 "  # 用户输入前缀
+```
+
+---
+
+### 14. 按行延迟输出的实现
+
+#### 核心逻辑
+
+```go
+func outputLineByLine(text string) {
+    lines := strings.Split(text, "\n")
+    totalLines := len(lines)
+
+    cfg := internal.GetProjectConfig()
+    lineDelay := time.Duration(cfg.Streaming.LineDelayMs) * time.Millisecond
+    lastLineDelay := time.Duration(cfg.Streaming.LastLineDelayMs) * time.Millisecond
+
+    for i, line := range lines {
+        if line == "" {
+            fmt.Println()
+            continue
+        }
+        fmt.Println(line)
+
+        if i < totalLines-1 {
+            time.Sleep(lineDelay)
+        } else {
+            time.Sleep(lastLineDelay)
+        }
+    }
+    fmt.Println()
+}
+```
+
+特点：
+- 空行直接跳过
+- 每行输出后延迟可配置
+- 最后一行延迟可单独配置
+
+---
+
+### 15. 工具调用结果显示问题
+
+#### 问题
+
+使用 `ChatStream` 时，工具调用结果不显示。
+
+#### 原因分析
+
+1. 工具调用结果不在流式响应中返回，而是通过 `bus.PublishOutbound()` 单独发送
+2. `ChatStream` 的 `onChunk` 回调只处理文本内容，不处理工具调用
+3. 工具调用在 `runTurn` 循环中执行，结果通过消息总线发送
+
+#### 解决方案
+
+回退使用 `ProcessDirect`，因为它会正确处理：
+- 工具调用流程
+- 工具结果显示
+- Markdown 渲染和按行输出
+
+---
+
+### 16. 状态栏优化
+
+#### 改动内容
+
+- 图标：`▣`
+- 图标颜色：`#f0c75e`
+- 文字颜色：`#2b2e32`
+- 内容：只显示耗时，如 `▣  耗时: 2.3s`
+
+#### 之前 vs 之后
+
+- 之前：`▣  Tokens: 120  ·  耗时: 2.3s  ·  总Tokens: 350`
+- 之后：`▣  耗时: 2.3s`
+
+---
+
+### 17. 项目配置文件详解
+
+#### project.config.yml 结构
+
+```yaml
+# hxclaw 项目配置文件
+
+# 模拟流式输出配置
+streaming:
+  line_delay_ms: 1000      # 每行输出后的延迟（毫秒）
+  last_line_delay_ms: 600 # 最后一行延迟（毫秒）
+
+# Markdown 渲染配置
+markdown:
+  glamour_style: dark      # 渲染主题：dark, light, dracula, tokyo-night 等
+  wrap_width: 0           # 自动换行宽度（0=自动获取终端宽度）
+
+# UI 配置
+ui:
+  logo: "🦐"              # Logo
+  user_prefix: "👀 "      # 用户输入前缀
+```
+
+#### 配置加载优先级
+
+1. 环境变量 `HXCLAW_CONFIG` 指定路径
+2. 项目根目录 `project.config.yml`
+
+#### 代码实现
+
+```go
+// internal/config.go
+type ProjectConfig struct {
+    Streaming StreamingConfig `yaml:"streaming"`
+    Markdown  MarkdownConfig  `yaml:"markdown"`
+    UI        UIConfig        `yaml:"ui"`
+}
+
+func getConfigPath() string {
+    if path := os.Getenv("HXCLAW_CONFIG"); path != "" {
+        return path
+    }
+    return filepath.Join(".", "project.config.yml")
+}
+```
+
+---
+
+### 18. 行业经验参考
+
+#### CLI 动画最佳实践
+
+- 帧率：75ms/帧（约 13fps）- GitHub Copilot CLI
+- Spinner 动画：70-120ms - ora 库
+- AI 流式输出：30-80ms/字符或行
+- 总动画时长：控制在 3 秒内 - Copilot CLI 原则
+
+#### 关键结论
+
+- 人眼需要约 30-50ms 才能感知单次视觉变化
+- 空白字符不应逐个输出，应批量处理
+- 终端宽度 100% 时 Markdown 渲染会显著增加行数和字符数