持续本地语音识别记录利用工具demo-voxkeep

立项背景：asr和agent技术成熟，人类语音信息的是重要的现实世界信息来源，应当被记录利用
目标功能：实现跨平台的个人机器本地隐私化持续asr结果储存并可选利用
项目功能：
目前仅面向ubuntu桌面端的本地化语音识别及识别结果利用工具。
基线：持续的asr和唤醒词检测。
可选功能：快捷键或唤醒词检测唤醒，然后在光标处插入asr识别结果，
记录asr结果与时间戳到数据库（sqlite），
调用llm/本地agent对语音结果进行反馈（执行操作或直接返回文字结果），
其他可扩展消费asr结果的功能。

遇到的难点及其解决方式：
获取麦克风的方式多样，难以兼容其他平台——复用浏览器音频采集？但浏览器gc限制严重——采用pyaudio
linux桌面环境wayland权限问题无法随意注入文本——降级写入剪贴板并调用ctrl+v
asr技术的迭代迅速——抽象asr接口，asr尽量使用doker部署
asr对gpu性能要求较高——提供可降级模型选择
实现的模块及项目架构（个人项目）：
GitHub链接：https://github.com/zaviro/voxkeep
VoxKeep 采用模块化单体：除 Docker 中的 FunASR 外，均运行于 Linux/Python 3.11 单进程。
bootstrap 是组合根，创建线程和有界队列、管理启停；模块只经public.py 交互，事件集中在 shared。audio_engine 以 sounddevice/NumPy 采集、预处理及三路扇出；capture 由 openWakeWord、Silero VAD 和 FSM 完成唤醒与句窗；transcription 以 asyncio/websockets 接入 FunASR 2-pass；
injection 调用 xdotool、ydotool 或 openclaw；storage 用 sqlite3 单写线程、WAL 和批提交落盘。设计强调回调非阻塞、显式背压、资源单一所有权、消费者先启动及分阶段排空，架构测试锁定模块、麦克风和 SQLite 边界。
配置/CLI 使用 PyYAML/argparse；
开发使用uv、pytest、Ruff、Pyright 及 CI