memEcho 对话回声分析

解决什么问题

一段会议录音或聊天记录被转成文字后，常见的处理是"顺一遍内容再贴个总结"，但这样会把观察到的表达和说话人内心状态混为一谈：谁说了支持，谁只是没反对，谁的情绪只体现在措辞里，这些都被压成同一段话。更麻烦的是，情绪分数在不同说话人之间被直接比较，而它们并没有经过相同的校准。memEcho Conversation Analysis 要解决的就是：让每次分析都有可回溯的证据，并把概率推断和已确认事实分开放。

工作方式

技能以单次会话为单位，核心流程分六步：

• 确立来源与目标：保留说话人标签、时间戳与上下文，确定需要细看的 target_participant_ids；多说话人场景下必须先确认哪个是"我"，不能从姓名、代词或声音特征猜测。
• 选择保真度模式：connected_full（授权的 memEcho 服务处理原始媒体）、local_enhanced（本地转录或声学工具）、text_only（只分析语言表达）、insufficient（素材不足时明确要求补充），每次只选一种并如实披露。
• 按契约构建请求：遵循 input-contract.md，可选的 scripts/validate_contract.py 只读取 JSON、不写文件、不联网。
• 五模块分析：内容纪要区分已讨论确认与分析师建议的动作；内容解析把每段话拆为事实主张、观点与态度；VAD 轨迹描述效价、唤醒与主导性的变化并引用依据；自我回声以本人视角复盘表达效果；陪练模式仅在请求时启动交互循环。
• 证据链接输出：每个结论都带时间戳或段落 ID、置信度与合理的替代解释，默认输出 Markdown。
• 记忆单独确认：长期记忆默认关闭，写入前需要显式同意。

边界与注意点

• 只读用户提供的文本或授权附件，不请求密钥、不联网、不写长期记忆、不推断生物特征身份。
• 描述关联只用"随后出现""与之相关"，除非有独立证据，否则不说"导致"；不进行操纵式教练。
• text_only 模式下 acoustic_weight 设为 0，不推断音高、能量或停顿；不把不同说话人的原始 VAD 分数当可比较量。
• 涉及录音与转录时需确认用户有权处理内容，尤其是包含第三方的场合。