ARIA-AGENT/issue.md

ARIA Issues & Features

Erledigt

• Bildupload funktioniert (Shared Volume /shared/uploads/)
• Sprachnachrichten werden als Text angezeigt (STT → Chat-Bubble)
• Cache leeren + Auto-Download von Anhaengen
• ARIA liest Nachrichten vor (TTS via Piper)
• Autoscroll zur letzten Nachricht (inverted FlatList)
• Bilder im Chat groesser + Vollbild-Vorschau
• Ohr-Button → Gespraechsmodus (Auto-Aufnahme nach ARIA-Antwort)
• Play-Button in ARIA-Nachrichten fuer Sprachwiedergabe
• Chat-Suche in der App (Lupe in Statusleiste)
• Watchdog mit Container-Restart (2min Warnung → 5min doctor --fix → 8min Restart)
• Abbrechen-Button im Diagnostic Chat
• Nachrichten Backup on-the-fly (/shared/config/chat_backup.jsonl)
• Grosse Nachrichten satzweise aufteilen fuer TTS
• RVS Nachrichten vom Smartphone gehen durch
• Stimmen-Einstellungen (Ramona/Thorsten, Speed pro Stimme)
• Highlight-Trigger konfigurierbar in Diagnostic
• XTTS v2 Integration (Gaming-PC, GPU, Voice Cloning)
• XTTS Voice Cloning (Audio-Samples hochladen, eigene Stimme)
• TTS Engine waehlbar (Piper/XTTS) in Diagnostic + App
• Auto-Update System (APK via RVS WebSocket)
• Auto-Update: APK-Installation via FileProvider
• Auto-Update: "Auf Updates pruefen" Button in App-Einstellungen
• Audio-Queue (sequentielle Wiedergabe, kein Ueberlappen)
• Textnachrichten werden von ARIA beantwortet (Bridge chat handler fix)
• Mehrere Anhaenge + Text vor dem Senden (Pending-Vorschau)
• Paste-Support fuer Bilder in Diagnostic Chat
• Markdown-Bereinigung fuer TTS (fett, kursiv, code, links, etc.)
• SSH Volume read-write fuer Proxy (kein -F Workaround mehr)
• Diagnostic: Sessions als Markdown exportieren (Download-Button)
• Speech Gate: Aufnahme wird verworfen wenn keine Sprache erkannt (verhindert dass Umgebungsgeraeusche an Whisper gehen)
• Session-Persistenz: Gewaehlte Session bleibt ueber Container-Restarts erhalten (sessionFromFile-Flag, atomic write)
• Diagnostic: "ARIA denkt..." bleibt nicht mehr stehen (pipelineEnd broadcastet immer idle, auch bei Timeout/Fehler/Disconnect)
• App: "ARIA denkt..." Indicator + Abbrechen-Button (Bridge spiegelt agent_activity via RVS)
• Whisper STT: Model-Auswahl in Diagnostic (tiny/base/small/medium/large-v3), Hot-Reload in Bridge, Default auf medium
• App: Audio-Aufnahme explizit 16kHz mono (spart Resample, optimal fuer Whisper)
• Gespraechsmodus: Speech-Gate strenger (-28dB / 500ms) — keine Umgebungsgeraeusche mehr
• Gespraechsmodus: Max-Dauer 30s pro Aufnahme, Cache-Cleanup alter Files, Messages-Array gekappt (500)
• Diagnostic: Archivierte Session-Versionen (.reset.*) werden angezeigt + exportierbar — OpenClaw resettet Sessions bei erster Nutzung nach Container-Restart, Inhalt ist aber in .reset. Dateien gesichert
• tools/export-jsonl-to-md.js: CLI-Konverter fuer beliebige Session-JSONL zu Markdown
• NO_REPLY-Filter in Bridge + Diagnostic — still verworfen (kein Chat, kein TTS)
• Audio-Ducking + Exklusiv-Focus (Kotlin AudioFocusModule): andere Apps leiser bei TTS, pausiert bei Aufnahme
• TTS-Cleanup serverseitig: Code-Bloecke raus, Einheiten ausgeschrieben (22GB → Gigabyte), Abkuerzungen buchstabiert (CPU), URLs zu "ein Link". <voice></voice> Tag wird bevorzugt wenn ARIA ihn liefert.
• QR-Code Onboarding: Diagnostic generiert QR, App scannt (bestehender QRScanner funktioniert out of the box)
• TTS-Audio-Cache im Filesystem: Piper-Audio wird mit messageId verknuepft, als WAV in DocumentDirectory/tts_cache gespeichert, Play-Button spielt aus Cache statt regenerieren
• Config via Diagnostic: RVS-Credentials + Aria-Auth-Token via /api/runtime-config, persistiert in /shared/config/runtime.json, Bridge liest beim Start (Overrides der ENV)

Offen

Bugs (Prioritaet)

• App: Audioausgabe hoert ab und zu einfach auf (mitten im Satz oder zwischen Chunks)
• NO_REPLY wird als "NO" im Chat angezeigt — sollte still verworfen werden (Token nicht gesaeubert)

App Features

• Wake Word on-device (Porcupine "ARIA" Keyword, Phase 2 — passives Lauschen)
• Chat-History zuverlaessiger laden (AsyncStorage Race Condition)
• Background Audio Service (TTS auch bei minimierter App)
• Audio-Ducking: andere App-Audio-Ausgaben leiser stellen waehrend ARIA spricht (AudioFocus API)
• Audio-Muten waehrend Aufnahme/Ohr-Modus: andere Audio stumm (wie WhatsApp-Sprachaufnahme)
• Spracheingabe-Timeout erhoehen fuer laengere Texte
• Generierte TTS-Audiodaten in der Chat-Nachricht einbetten (oder lokal cachen), Play-Button spielt aus Cache statt Regenerierung via XTTS. Base64 im Tag (invisible) oder lokaler Datei-Cache mit Referenz in der Message.
• QR-Code Onboarding: Diagnostic generiert QR mit RVS-Credentials, App scannt — keine manuelle Eingabe mehr

TTS / Audio

• XTTS Audio-Streaming (PCM-Stream statt WAV-Dateien, eliminiert Stottern komplett)
• Audio-Normalisierung (Lautstaerke zwischen Chunks angleichen)
• Piper Voices Download ueber Diagnostic (neue Sprachen/Stimmen)
• TTS-Text-Aufbereitung: Code-Bloecke rausfiltern, Einheiten ausschreiben ("22GB" → "zweiundzwanzig Gigabyte"). Zwei Varianten denkbar: (a) server-side Cleanup in Bridge, (b) ARIA schreibt <voice></voice> Block der in UI hidden bleibt aber fuer TTS genutzt wird.
• Piper evtl. komplett entfernen (klingt schlecht vs. XTTS) — oder nur als Fallback wenn XTTS offline ist

Architektur

• Bilder: Claude Vision direkt nutzen (aktuell nur Dateipfad an ARIA)
• Auto-Compacting und Memory/Brain Verwaltung (SQLite?)
• Diagnostic: System-Info Tab (Container-Status, Disk, RAM, CPU)
• RVS Zombie-Connections endgueltig loesen
• Alle .env-Variablen ueber Diagnostic konfigurierbar machen (kein File-Sync mehr noetig, da alle ARIA-Container auf der gleichen VM laufen). Fallback .env bleibt fuer initialen Bootstrap.
• XTTS-Container: kleine Web-Oberflaeche fuer Credentials/Server-Config, oder zentral aus Diagnostic per RVS push
• Root-Cause OpenClaw Session-Reset: Herausfinden warum Sessions beim ersten chat.send nach Container-Restart verworfen werden (abortedLastRun / systemSent Theorie pruefen, ggf. Flag preemptiv patchen)