dlinkclaw-openclaw 2026.10.16 → 2026.10.18

package/dist/package.json

@@ -1,6 +1,6 @@
 {
     "name": "dlinkclaw-openclaw",
-    "version": "2026.10.16",
+    "version": "2026.10.18",
     "description": "DLinkClaw OpenClaw channel plugin — 朵联 OpenClaw 接入通道",
     "keywords": [
         "DLinkClaw",
@@ -68,7 +68,7 @@
             "selectionLabel": "朵联(DLinkClaw)",
             "docsPath": "/channels/dlinkclaw-openclaw",
             "docsLabel": "dlinkclaw-openclaw",
-            "blurb": "朵联 DLinkClaw OpenClaw 接入通道, 本地部署连接朵联客户端, 支持企业微信、QQ、钉钉、飞书, 无需公网IP.",
+            "blurb": "朵联 DLinkClaw OpenClaw 接入通道, 本地或云端部署OpenClaw连接朵联客户端, 支持企业微信、QQ、钉钉、飞书, 无需公网IP.",
             "aliases": [
                 "dlink",
                 "DLinkClaw",

package/dist/src/channel.js

@@ -27,9 +27,9 @@ export const dlChannel = {
     capabilities: {
         chatTypes: ['direct', 'group'],
         reactions: true,
-        polls: true,
-        edit: true,
-        groupManagement: true,
+        polls: false,
+        edit: false,
+        groupManagement: false,
         threads: true,
         reply: true,
         media: true,
@@ -38,6 +38,7 @@ export const dlChannel = {
         tts: {
             voice: {
                 synthesisTarget: 'voice-note',
+                transcodesAudio: true,
                 captionedFinalText: true
             }
         }

package/dist/src/client/message.js

@@ -3,6 +3,10 @@ import { md5 } from "./crypto.js";
 import { createChannelHistoryWindow } from "openclaw/plugin-sdk/reply-history";
 import { buildChannelInboundEventContext } from "openclaw/plugin-sdk/channel-inbound";
 import { uuidStr } from "../utils.js";
+/** 2026-10-18：只有包含复选框行(- [ ] / - [x] / - [/])的内容才算任务清单。 */
+function isTaskListContent(content) {
+    return /(^|\n)\s*[-*]\s*\[[ xX/~%>]*\]\s*\S/.test(content);
+}
 //入站队列最大数
 const MESSAGE_QUEUE_SIZE = 2_000;
 // Message accumulator: stores the accumulated payload and original message fields by streamId
@@ -424,12 +428,12 @@ async function resetSession({ client, sessionKey, streamId, agentId }) {
         });
         return true;
     }
-    const prompt = `请根据以下聊天记录，生成一个不超过128字的标题，概括这次对话的主题：
-          ${msgList.join('\n')}
-  
-          要求：
-          - 标题长度 ≤ 128 字
-          - 简洁准确地概括对话核心内容
+    const prompt = `请根据以下聊天记录，生成一个不超过128字的标题，概括这次对话的主题：
+          ${msgList.join('\n')}
+  
+          要求：
+          - 标题长度 ≤ 128 字
+          - 简洁准确地概括对话核心内容
           - 直接输出标题，并在标题末尾符加上标记"[tag_reset]"，不要多余文字`;
     const askAgent = await client.exeCmd({
         cmd: 'agent.ask',
@@ -567,12 +571,12 @@ async function archiveSession({ client, sessionKey, streamId, agentId, chatId, c
     }
     const newSessionKey = `agent:${agentId}:${channelId}-${newSuffix}:${chatType}:${chatId.toLowerCase()}`;
     //生成标题（在新的 agent 会话中执行）
-    const prompt = `请根据以下聊天记录，生成一个不超过128字的标题，概括这次对话的主题：
-          ${msgList.join('\n')}
-  
-          要求：
-          - 标题长度 ≤ 128 字
-          - 简洁准确地概括对话核心内容
+    const prompt = `请根据以下聊天记录，生成一个不超过128字的标题，概括这次对话的主题：
+          ${msgList.join('\n')}
+  
+          要求：
+          - 标题长度 ≤ 128 字
+          - 简洁准确地概括对话核心内容
           - 直接输出标题，并在标题末尾符加上标记"[tag_archive]"，不要多余文字`;
     const askAgent = await client.exeCmd({
         cmd: 'agent.ask',
@@ -1090,7 +1094,7 @@ export async function routeAndDispatchMessage(ctx) {
                             streamId,
                             content,
                             status: 'read',
-                            kind: 'plan',
+                            kind: isTaskListContent(content) ? 'plan' : 'block',
                         });
                     }
                 },
@@ -1172,11 +1176,12 @@ export async function routeAndDispatchMessage(ctx) {
                     }
                     if (strs.length > 0) {
                         logger.info(`onPlanUpdate 输出 >>> ${strs.join('')}`);
+                        const joined = strs.join('');
                         await client.publishProcessingState({
                             streamId,
-                            content: strs.join(''),
+                            content: joined,
                             status: 'read',
-                            kind: 'plan'
+                            kind: isTaskListContent(joined) ? 'plan' : 'block'
                         });
                     }
                 },

package/dist/src/services/index.js

@@ -147,10 +147,14 @@ export class CmdHandler {
                                 LAST_PUSHED_CONTENT.clear(); // 简单上限保护，避免 Map 无限增长
                             }
                             LAST_PUSHED_CONTENT.set(streamId, content);
+                            // 2026-10-18 修复（石头哥：任务清单里显示成中间文本）：
+                            // 只有包含复选框行（- [ ] / - [x] / - [/]）的内容才是真正的任务清单；
+                            // 其余中间文本降级为 block，避免污染客户端的任务清单 store。
+                            const isTaskList = /(^|\n)\s*[-*]\s*\[[ xX/~%>]*\]\s*\S/.test(content);
                             this.dlClient.publishProcessingState({
                                 streamId,
                                 content,
-                                kind: 'plan',
+                                kind: isTaskList ? 'plan' : 'block',
                                 status: 'read'
                             });
                         }

package/ext_capabilities/workrelay-speak/CLONE_GUIDE.md

@@ -1,129 +1,129 @@
-# WorkRelay 语音合成（TTS）扩展能力 — 声音克隆配置说明书
-
-> 适用：已安装 workrelay-speak 扩展能力（默认 Kokoro 预设声音可用）的用户，
-> 需要**克隆自己的声音**（做视频配音、个性化语音等场景）时的进阶配置。
-
----
-
-## 一、原理说明
-
-- WorkRelay TTS 扩展能力基于 Docker 部署的 **Voicebox** 服务，默认使用 **Kokoro** 小模型（82M，50+ 预设音色，开箱即用）。
-- **Kokoro 不支持声音克隆**（只支持预设音色）。
-- **声音克隆需要 Qwen3-TTS（千问）模型**（1.7B，约 4.6GB），Voicebox 内置支持 zero-shot 克隆：
-  上传一段参考音频 + 逐字稿 → 生成克隆声音 profile → 用该 profile 合成语音。
-
----
-
-## 二、准备工作
-
-| 项目 | 要求 |
-|---|---|
-| 已安装 workrelay-speak 扩展 | Voicebox 容器运行中（`docker ps` 能看到 voicebox） |
-| 参考音频 | 1~5 段**清晰人声**（10~30 秒/段，44.1kHz 或 48kHz 更佳，无明显噪音） |
-| 逐字稿 | 每段音频对应的**逐字文本**（必须和音频内容一字不差，克隆质量关键） |
-| 磁盘空间 | ≥ 5GB（千问模型 4.6GB） |
-
-> 音频格式支持 wav / mp3 / m4a / webm 等（opuse/webm 会自动转码）。
-
----
-
-## 三、配置步骤
-
-### 第 1 步：下载千问 TTS 模型
-
-> ⚠️ 容器内直连 huggingface.co 通常不通（国内网络），需在**宿主机**预下载后放入容器缓存卷。
-
-```bash
-# 1) 安装下载工具（宿主机执行，一次性）
-python3 -m pip install --break-system-packages huggingface_hub
-
-# 2) 找到容器缓存卷路径
-HF_VOL=$(docker volume inspect voicebox_huggingface-cache -f '{{.Mountpoint}}')
-
-# 3) 下载千问 1.7B 模型（约 4.6GB，视网速 5~30 分钟）
-HF_LOC=$(python3 -m pip show huggingface_hub | grep Location | awk '{print $2}')
-sudo env PYTHONPATH="$HF_LOC" HF_HUB_DISABLE_PROGRESS_BARS=1 python3 -c "
-from huggingface_hub import snapshot_download
-snapshot_download('Qwen/Qwen3-TTS-12Hz-1.7B-Base', cache_dir='$HF_VOL')
-print('模型下载完成')
-"
-```
-
-### 第 2 步：让容器离线加载模型
-
-```bash
-# 在 Voicebox 仓库目录生成 override 配置并重建容器
-cd ~/.workrelay/voicebox
-cat > docker-compose.override.yml <<'EOF'
-services:
-  voicebox:
-    environment:
-      - HF_HUB_CACHE=/home/voicebox/.cache/huggingface
-      - HF_HUB_OFFLINE=1
-EOF
-docker compose up -d
-# 等待容器 healthy（约 30 秒）
-```
-
-### 第 3 步：创建克隆声音 profile
-
-```bash
-# 创建克隆 profile（cloned 类型）
-curl -X POST http://127.0.0.1:17600/profiles \
-  -H "Content-Type: application/json" \
-  -d '{"name":"我的克隆声音","description":"我的声音克隆","language":"zh","voice_type":"cloned"}'
-# 记下返回的 "id"（形如 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx），下面用 <PROFILE_ID> 代替
-```
-
-### 第 4 步：上传参考音频样本
-
-```bash
-# 每段音频一条命令；reference_text 必须与音频内容逐字一致！
-curl -X POST "http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples" \
-  -F "file=@/path/to/sample1.wav" \
-  -F "reference_text=这段音频里说的话，逐字写在这里"
-
-# 建议上传 2~5 段同一个人不同语句的样本，克隆效果更好
-```
-
-### 第 5 步：用克隆声音合成
-
-```bash
-# 方式 A：命令行直接合成（WR_VOICEBOX_PROFILE_ID 指向克隆 profile）
-WR_VOICEBOX_PROFILE_ID=<PROFILE_ID> \
-  ~/.workrelay/speak/workrelay-tts.sh "用克隆声音说的测试文字" /tmp/clone-test.wav
-
-# 方式 B：让 OpenClaw 默认用克隆声音回复（写入 profile_id 文件，覆盖默认预设）
-echo "<PROFILE_ID>" > ~/.workrelay/speak/profile_id
-```
-
-> 引擎无需手动指定：克隆 profile 未设引擎时，脚本自动使用 qwen（千问）。
-> 想切回默认 Kokoro 预设声音：`rm -f ~/.workrelay/speak/profile_id` 即可。
-
----
-
-## 四、验证
-
-```bash
-# 检查克隆 profile 及样本
-curl http://127.0.0.1:17600/profiles/<PROFILE_ID>
-curl http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples
-
-# 试听合成的 wav
-ls -la /tmp/clone-test.wav
-```
-
----
-
-## 五、常见问题
-
-| 问题 | 原因 / 解决 |
-|---|---|
-| 合成报 `Profile not found` | profile_id 写错，或 profile 被删；重新创建并核对 |
-| 合成报模型下载失败/连不上 HF | 模型未预下载或 override 未生效；重做第 1、2 步 |
-| 克隆声音不像 | 样本太短/有噪音/逐字稿不匹配；换更清晰样本、多传几段 |
-| 想恢复默认声音 | 删除 `~/.workrelay/speak/profile_id` |
-
----
-
-*文档版本：2026-08-12（基于 WorkRelay workrelay-speak 扩展能力实测）*
+# WorkRelay 语音合成（TTS）扩展能力 — 声音克隆配置说明书
+
+> 适用：已安装 workrelay-speak 扩展能力（默认 Kokoro 预设声音可用）的用户，
+> 需要**克隆自己的声音**（做视频配音、个性化语音等场景）时的进阶配置。
+
+---
+
+## 一、原理说明
+
+- WorkRelay TTS 扩展能力基于 Docker 部署的 **Voicebox** 服务，默认使用 **Kokoro** 小模型（82M，50+ 预设音色，开箱即用）。
+- **Kokoro 不支持声音克隆**（只支持预设音色）。
+- **声音克隆需要 Qwen3-TTS（千问）模型**（1.7B，约 4.6GB），Voicebox 内置支持 zero-shot 克隆：
+  上传一段参考音频 + 逐字稿 → 生成克隆声音 profile → 用该 profile 合成语音。
+
+---
+
+## 二、准备工作
+
+| 项目 | 要求 |
+|---|---|
+| 已安装 workrelay-speak 扩展 | Voicebox 容器运行中（`docker ps` 能看到 voicebox） |
+| 参考音频 | 1~5 段**清晰人声**（10~30 秒/段，44.1kHz 或 48kHz 更佳，无明显噪音） |
+| 逐字稿 | 每段音频对应的**逐字文本**（必须和音频内容一字不差，克隆质量关键） |
+| 磁盘空间 | ≥ 5GB（千问模型 4.6GB） |
+
+> 音频格式支持 wav / mp3 / m4a / webm 等（opuse/webm 会自动转码）。
+
+---
+
+## 三、配置步骤
+
+### 第 1 步：下载千问 TTS 模型
+
+> ⚠️ 容器内直连 huggingface.co 通常不通（国内网络），需在**宿主机**预下载后放入容器缓存卷。
+
+```bash
+# 1) 安装下载工具（宿主机执行，一次性）
+python3 -m pip install --break-system-packages huggingface_hub
+
+# 2) 找到容器缓存卷路径
+HF_VOL=$(docker volume inspect voicebox_huggingface-cache -f '{{.Mountpoint}}')
+
+# 3) 下载千问 1.7B 模型（约 4.6GB，视网速 5~30 分钟）
+HF_LOC=$(python3 -m pip show huggingface_hub | grep Location | awk '{print $2}')
+sudo env PYTHONPATH="$HF_LOC" HF_HUB_DISABLE_PROGRESS_BARS=1 python3 -c "
+from huggingface_hub import snapshot_download
+snapshot_download('Qwen/Qwen3-TTS-12Hz-1.7B-Base', cache_dir='$HF_VOL')
+print('模型下载完成')
+"
+```
+
+### 第 2 步：让容器离线加载模型
+
+```bash
+# 在 Voicebox 仓库目录生成 override 配置并重建容器
+cd ~/.workrelay/voicebox
+cat > docker-compose.override.yml <<'EOF'
+services:
+  voicebox:
+    environment:
+      - HF_HUB_CACHE=/home/voicebox/.cache/huggingface
+      - HF_HUB_OFFLINE=1
+EOF
+docker compose up -d
+# 等待容器 healthy（约 30 秒）
+```
+
+### 第 3 步：创建克隆声音 profile
+
+```bash
+# 创建克隆 profile（cloned 类型）
+curl -X POST http://127.0.0.1:17600/profiles \
+  -H "Content-Type: application/json" \
+  -d '{"name":"我的克隆声音","description":"我的声音克隆","language":"zh","voice_type":"cloned"}'
+# 记下返回的 "id"（形如 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx），下面用 <PROFILE_ID> 代替
+```
+
+### 第 4 步：上传参考音频样本
+
+```bash
+# 每段音频一条命令；reference_text 必须与音频内容逐字一致！
+curl -X POST "http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples" \
+  -F "file=@/path/to/sample1.wav" \
+  -F "reference_text=这段音频里说的话，逐字写在这里"
+
+# 建议上传 2~5 段同一个人不同语句的样本，克隆效果更好
+```
+
+### 第 5 步：用克隆声音合成
+
+```bash
+# 方式 A：命令行直接合成（WR_VOICEBOX_PROFILE_ID 指向克隆 profile）
+WR_VOICEBOX_PROFILE_ID=<PROFILE_ID> \
+  ~/.workrelay/speak/workrelay-tts.sh "用克隆声音说的测试文字" /tmp/clone-test.wav
+
+# 方式 B：让 OpenClaw 默认用克隆声音回复（写入 profile_id 文件，覆盖默认预设）
+echo "<PROFILE_ID>" > ~/.workrelay/speak/profile_id
+```
+
+> 引擎无需手动指定：克隆 profile 未设引擎时，脚本自动使用 qwen（千问）。
+> 想切回默认 Kokoro 预设声音：`rm -f ~/.workrelay/speak/profile_id` 即可。
+
+---
+
+## 四、验证
+
+```bash
+# 检查克隆 profile 及样本
+curl http://127.0.0.1:17600/profiles/<PROFILE_ID>
+curl http://127.0.0.1:17600/profiles/<PROFILE_ID>/samples
+
+# 试听合成的 wav
+ls -la /tmp/clone-test.wav
+```
+
+---
+
+## 五、常见问题
+
+| 问题 | 原因 / 解决 |
+|---|---|
+| 合成报 `Profile not found` | profile_id 写错，或 profile 被删；重新创建并核对 |
+| 合成报模型下载失败/连不上 HF | 模型未预下载或 override 未生效；重做第 1、2 步 |
+| 克隆声音不像 | 样本太短/有噪音/逐字稿不匹配；换更清晰样本、多传几段 |
+| 想恢复默认声音 | 删除 `~/.workrelay/speak/profile_id` |
+
+---
+
+*文档版本：2026-08-12（基于 WorkRelay workrelay-speak 扩展能力实测）*

package/ext_capabilities/workrelay-speak/HARDWARE.md

@@ -1,84 +1,84 @@
-# WorkRelay 语音功能最低硬件配置
-
-## 一、语音转录（faster-whisper）
-
-| 项目 | 最低要求 | 推荐配置 |
-|------|----------|----------|
-| **CPU** | 双核 2.0GHz+ | 四核 2.5GHz+ |
-| **内存** | 4GB 可用 | 8GB+ |
-| **磁盘** | 2.5GB 可用 | 5GB+ |
-| **OS** | Linux / macOS | Ubuntu 22.04+ |
-| **Python** | 3.8+ | 3.10+ |
-
-**额外依赖：** `pip`, `git`（标准 Linux 发行版自带）
-
-**实测数据（8核 31GB Linux CPU）：**
-- 首次加载模型：10-20 秒
-- 10 秒语音转录：2-5 秒
-- 30 秒语音转录：5-10 秒
-
-> ⚠️ 不支持原生 Windows（需 WSL2）
-
----
-
-## 二、语音合成 / 声音克隆（Voicebox TTS，Docker）
-
-| 项目 | 最低要求 | 推荐配置 |
-|------|----------|----------|
-| **CPU** | 双核 2.0GHz+ | 四核 3.0GHz+ |
-| **内存** | 4GB 可用 | 8GB+ |
-| **磁盘** | 10GB 可用 | 15GB+ |
-| **OS** | Linux（需 Docker） | Ubuntu 22.04+ |
-| **Docker** | 24.0+ | 27.0+ |
-| **GPU** | 无（CPU 推理） | NVIDIA CUDA（加速 5-10x） |
-
-**额外依赖：** `docker`, `docker compose v2`, `git`
-
-**Docker 资源（默认 Kokoro 引擎）：**
-- Voicebox 镜像：~11GB（含全部 TTS 引擎依赖）
-- Kokoro 模型：~350MB（默认，安装时自动预下载）
-- 运行内存：~2-3GB（Docker 内，Kokoro CPU 推理）
-
-**实测数据（8核 31GB Linux CPU，Kokoro）：**
-- 短句（10 字）：1-3 秒
-- 中句（30 字）：3-8 秒
-- 长句（100 字）：10-20 秒
-
-> 默认使用 Kokoro（82MB）轻量引擎，开箱即用；
-> 如需声音克隆或更高音质，可另配 Qwen3-TTS 1.7B（~4.6GB，内存需求 6GB+），详见 `CLONE_GUIDE.md`。
-
----
-
-## 三、两个功能同时启用
-
-| 项目 | 最低要求 | 推荐配置 |
-|------|----------|----------|
-| **CPU** | 四核 2.5GHz+ | 八核 3.0GHz+ |
-| **内存** | 12GB 可用 | 16GB+（配置给 Docker 8GB） |
-| **磁盘** | 15GB 可用 | 25GB+ |
-| **GPU** | 无 | NVIDIA CUDA |
-
-**内存分配建议（16GB 总内存场景）：**
-- faster-whisper 模型常驻：~2GB
-- Voicebox Docker 容器：~6-8GB
-- 剩余系统缓冲：~6-8GB
-
----
-
-## 四、客户端提示文案建议
-
-### 转录
-```
-最低：2核 CPU + 4GB 内存 + 2.5GB 磁盘
-推荐：4核 CPU + 8GB 内存 + 5GB 磁盘
-不支持原生 Windows（需 WSL2）
-首次安装需下载 1.6GB 模型文件
-```
-
-### 语音合成
-```
-最低：2核 CPU + 4GB 内存 + 10GB 磁盘 + Docker
-推荐：4核 CPU + 8GB 内存 + 15GB 磁盘 + Docker
-首次安装需下载 Docker 镜像 + Kokoro 模型（~350MB）
-默认 Kokoro 轻量引擎，CPU 推理快，开箱即用
-```
+# WorkRelay 语音功能最低硬件配置
+
+## 一、语音转录（faster-whisper）
+
+| 项目 | 最低要求 | 推荐配置 |
+|------|----------|----------|
+| **CPU** | 双核 2.0GHz+ | 四核 2.5GHz+ |
+| **内存** | 4GB 可用 | 8GB+ |
+| **磁盘** | 2.5GB 可用 | 5GB+ |
+| **OS** | Linux / macOS | Ubuntu 22.04+ |
+| **Python** | 3.8+ | 3.10+ |
+
+**额外依赖：** `pip`, `git`（标准 Linux 发行版自带）
+
+**实测数据（8核 31GB Linux CPU）：**
+- 首次加载模型：10-20 秒
+- 10 秒语音转录：2-5 秒
+- 30 秒语音转录：5-10 秒
+
+> ⚠️ 不支持原生 Windows（需 WSL2）
+
+---
+
+## 二、语音合成 / 声音克隆（Voicebox TTS，Docker）
+
+| 项目 | 最低要求 | 推荐配置 |
+|------|----------|----------|
+| **CPU** | 双核 2.0GHz+ | 四核 3.0GHz+ |
+| **内存** | 4GB 可用 | 8GB+ |
+| **磁盘** | 10GB 可用 | 15GB+ |
+| **OS** | Linux（需 Docker） | Ubuntu 22.04+ |
+| **Docker** | 24.0+ | 27.0+ |
+| **GPU** | 无（CPU 推理） | NVIDIA CUDA（加速 5-10x） |
+
+**额外依赖：** `docker`, `docker compose v2`, `git`
+
+**Docker 资源（默认 Kokoro 引擎）：**
+- Voicebox 镜像：~11GB（含全部 TTS 引擎依赖）
+- Kokoro 模型：~350MB（默认，安装时自动预下载）
+- 运行内存：~2-3GB（Docker 内，Kokoro CPU 推理）
+
+**实测数据（8核 31GB Linux CPU，Kokoro）：**
+- 短句（10 字）：1-3 秒
+- 中句（30 字）：3-8 秒
+- 长句（100 字）：10-20 秒
+
+> 默认使用 Kokoro（82MB）轻量引擎，开箱即用；
+> 如需声音克隆或更高音质，可另配 Qwen3-TTS 1.7B（~4.6GB，内存需求 6GB+），详见 `CLONE_GUIDE.md`。
+
+---
+
+## 三、两个功能同时启用
+
+| 项目 | 最低要求 | 推荐配置 |
+|------|----------|----------|
+| **CPU** | 四核 2.5GHz+ | 八核 3.0GHz+ |
+| **内存** | 12GB 可用 | 16GB+（配置给 Docker 8GB） |
+| **磁盘** | 15GB 可用 | 25GB+ |
+| **GPU** | 无 | NVIDIA CUDA |
+
+**内存分配建议（16GB 总内存场景）：**
+- faster-whisper 模型常驻：~2GB
+- Voicebox Docker 容器：~6-8GB
+- 剩余系统缓冲：~6-8GB
+
+---
+
+## 四、客户端提示文案建议
+
+### 转录
+```
+最低：2核 CPU + 4GB 内存 + 2.5GB 磁盘
+推荐：4核 CPU + 8GB 内存 + 5GB 磁盘
+不支持原生 Windows（需 WSL2）
+首次安装需下载 1.6GB 模型文件
+```
+
+### 语音合成
+```
+最低：2核 CPU + 4GB 内存 + 10GB 磁盘 + Docker
+推荐：4核 CPU + 8GB 内存 + 15GB 磁盘 + Docker
+首次安装需下载 Docker 镜像 + Kokoro 模型（~350MB）
+默认 Kokoro 轻量引擎，CPU 推理快，开箱即用
+```