dudu — 桌面端联调验收报告（#12 / #1C）

一、结论速览

验收项	结果	说明
12A mac 全链路（快捷键→采集→流式→浮层→注入）	通过	真实 App + 模拟快捷键，mock 文本成功注入 TextEdit，计费准确
12A Windows 全链路	未执行	Windows 机（ssh windows）缺 Rust/Node 工具链，需先装环境
12B release_to_commit < 300ms	部分达标	P50 261ms ✅ / P95 918ms ❌（受两轮 provider 异常拖累）
12B first_partial P95 < 500ms	未达标	P50 845ms / P95 3870ms——gummy partial 下发节奏本身 ~750-850ms，目标需重新校准
12C 断连重建	通过	服务端重启后桌面端数秒内自动重连（18E 生效）
12C SESSION_LIMIT（3 分钟截断）	通过	198s 推流在 180s 准时截断：先定稿下发全部 final，再发 SESSION_LIMIT
12C RATE_LIMITED（30 次/30 分钟）	通过	第 31 个会话被精确拒绝，前 30 个正常
12C QUOTA_EXCEEDED（试用/余额用尽）	通过	扣穿当句不掐断、final 不丢；再次 start 预检拒绝（帧序备注见 §五）
1C 浮层不抢焦点 + 注入	TextEdit 通过	会话期间焦点保持在目标 App，注入成功；微信/浏览器/IDE 三目标待人工点验
商业链路（登录/购买/入账）	通过	mock 扫码登录、下单、回调入账、回调重放幂等、订单状态全部正确

联调中发现并已修复：overlay/tray 为 transparent: true 窗口，但未启用 macOSPrivateApi——macOS 上 WKWebView 透明必须开启该项，否则浮层带不透明底色。本次已在 tauri.conf.json 加 "macOSPrivateApi": true、 Cargo.toml 加 macos-private-api feature（cargo check 通过）， 视觉效果需真机目测确认。

二、测试环境与方法

项	值
服务端	本机 `go run ./cmd/server`（:8080）+ docker compose pg/redis；先 mock 后切 gummy 真实 provider（key 经 rbw 管道注入环境，未落盘）
桌面端	`npm run tauri dev` 调试构建，settings.json 预置 mock 登录 token 指向 localhost
快捷键模拟	osascript System Events 按住/松开 Cmd+Shift+Space（3s）
延迟/异常压测	自制无头 WS 客户端 `wslat`（Go + gorilla），按协议 100ms/3200B 实时推流真实中文语音（macOS say 合成 8.6s / 1s / 198s 三种）走 `/v1/asr/stream` 真实网关路径
测试账号	mock 微信登录建两个 trial 用户；用户一经 mock 支付购入 pack_100（6000s 余额）

延迟指标口径

first_partial：首帧音频发出 → 收到首个 partial（客户端视角，含网关中继与 provider 全链路）
release_to_commit：发出 stop → 收到定稿 final（对应桌面端「松开→注入」的服务端部分）

三、12A 全链路（mac）

mock 扫码登录：POST /v1/auth/qr → 手动打回调（模拟扫码）→ 轮询 confirmed 拿 JWT ✅
App 启动即与服务端建立 WS 预连接 + REST 轮询（lsof 确认 4 条连接）✅
TextEdit 聚焦 → 模拟按住快捷键 3s → 松开 → mock provider 脚本文本「帮我把这份周报整理一下，重点突出本周的进展。」完整注入 TextEdit ✅
会话期间前台应用保持为目标 App（浮层 focusable:false 生效，即 1C 验证点）✅
计费：3s 会话后 /v1/me 的 trial_used_today 精确 +3 ✅

Windows 侧同方法可复用：装好 rustup + Node + VS Build Tools 后 clone 仓库 npm i && npm run tauri dev，注入走 SendInput（10F）。

四、12B 延迟基线（gummy 真实 provider，10 轮 × 8.6s）

指标	P50	P95	目标	判定
first_partial	845ms	3870ms	P95 < 500ms	未达标
release_to_commit	261ms	918ms	< 300ms	P50 达标 / P95 超

10 轮 final 文本完全一致且正确（含标点/数字 ITN：「今天下午3点，我们开个短会，…」），识别质量稳定
8/10 轮 first_partial 集中在 840-944ms——与 gummy partial 下发节奏（约 0.75-0.85s/个）一致，首包时延已贴近 provider 下限，非网关开销
2/10 轮异常（3302/3870ms，release 同步劣化到 592/918ms），服务端无任何告警日志——疑似 DashScope 会话建立耗时波动

超短句补充数据（RATE 测试顺带产出，1s 语音 × 30 轮）

release_to_commit P50 = 2192ms / P95 = 3732ms——远高于长句的 261ms
原因：短句常在 provider 尚未出 partial 时就 stop（30 轮中 16 轮 0 partial），定稿要等 provider 收尾 flush
体验含义：说「好的」这类两三字短语，松开后约 2 秒才上屏，是当前链路最明显的体验短板

建议（已入 backlog）

first_partial P95<500ms 目标与 gummy 实际下发节奏矛盾，建议重校准为「P50≤900ms / P95≤1500ms」或换更快首包的 provider 档位
短句定稿慢（P50 2.2s）：浮层在 stop 后无 final 期间应有「定稿中」状态；调研 gummy 快速定稿参数或 stop 时本地提交最后 partial 的策略
网关为 provider 会话建立耗时与 partial 间隔加观测日志/metrics，否则线上无法定位此类波动
排查慢会话（3 轮 3.2-3.9s 首包）：确认是否 DashScope 冷启动，可考虑 provider 侧连接预热

五、12C 异常路径

场景	做法	观察	判定
断连重建	App 保持连接时重启服务端进程	桌面端数秒内自动重连（lsof 确认新连接），无需用户操作	通过
SESSION_LIMIT 3 分钟截断	余额账号推 198s 长音频	180s 准时截断：219 个 partial、全部 final 先定稿下发，随后 `SESSION_LIMIT:单次最长 3 分钟，松开后可继续`，会话关闭	通过
RATE_LIMITED 30 次/30 分钟	同设备连发 31 个 1s 短会话	第 1-30 个会话全部正常识别并计费；第 31 个 start 被拒：`RATE_LIMITED:操作过于频繁，稍后再试`——滑动窗口精确在第 31 次生效	通过
QUOTA_EXCEEDED 试用+余额用尽	Redis 置试用已用 177/180s 后推 8.6s 音频；再次 start	剩 3s 时 start 预检放行 → 推流中扣穿 → 下发 `QUOTA_EXCEEDED:今日试用已用完，去购买时长` → 随后仍 flush 当句 final（已识别内容不丢，实测收到截至扣穿点的定稿文本）；再次 start 在预检被直接拒绝	通过

以上为协议/服务端行为验证；桌面端 overlay 对各错误码的文案呈现（19C 实现）需人工目测一遍。

QUOTA 帧序备注（跨端确认项）

实现顺序为「先发 QUOTA_EXCEEDED 错误帧 → 再 Close provider flush 当句 final」，与 16E 文案（「本句 final 后下发」）顺序相反，但内容不丢
桌面端已核对无碍：on_server_msg 对 error 帧不丢弃会话，错误帧之后的 final 照常进 CommitBuffer，松键时注入
Android / iOS 键盘需各自确认：收到 error 帧后不立即关闭会话/连接，仍处理后续 final 并 commitText 上屏，否则移动端会「扣了费但字没上屏」

六、商业链路（登录 → 购买 → 入账）

GET /v1/packs：三档时长包（100/500/2000 分钟）正常返回 ✅
POST /v1/orders：下单返回 native code_url ✅
POST /v1/pay/notify（mock 明文回调）：SUCCESS，余额 +6000s，订单转 paid，账号 trial→ok ✅
回调重放幂等：同 transaction_id 二次回调返回 SUCCESS 但余额不重复入账 ✅

再次强调（17I 已标注）：MockPay 不验签，/v1/pay/notify 现等于公开充值接口，上线前必须换 wechatpay-go 真实验签。

七、遗留项（需人工 / 后续）

项	负责	说明
真人麦克风实说验证	人工 · 2 分钟	App 正在运行且已登录：任意输入框按住 Cmd+Shift+Space 说话即可（服务端 gummy）
1C 三目标注入点验	人工 · 3 分钟	微信 / 浏览器 / IDE 各注入一次；同时目测浮层深色玻璃是否透明（本次修复效果）
辅助功能/麦克风权限引导	人工	正式打包后首启流程（11F）在无权限干净环境走一遍
Windows 全链路	装环境后复测	ssh windows 可达但缺 rustup/Node/VS Build Tools
overlay 错误态文案目测	人工	断网/超限场景下浮层文案（19C）
first_partial 目标重校准 + provider 观测日志	开发	见 §四建议，建议并入 #22 backlog