[Voice] 接入 ESP32-S3 Linx WSS Transport 与重连状态机

[ZhaoXingPeng]

结论与下一步

本子 Issue 把 Linx 的 ESP32-S3 平台传输层单独落地：用 ESP-IDF esp_websocket_client==1.8.0 建立 WSS、TLS、鉴权 Header、事件队列、分片重组和断线状态机。先合入可在主机验证的纯 C++ 重组核心，再用已连接的 ESP32-S3 做真实 WSS/hello/重连验证；本 Issue 不接 I2S/AFE/Opus。

为什么这样拆

旧 voicelife-pcb-native-mvp 已在目标硬件上验证了几个不能丢的约束：采集/编码/发送与接收/解码/播放必须分任务；队列必须有界；网络不能反向阻塞麦克风；打断或 decoder reset 要递增 generation 并清理旧播放数据。MVP 的全局 Application 状态机、FreeRTOS event bits 和具体板卡宏不进入核心，本 Issue 只迁移这些可验证的传输边界。

本期范围

• 新增 components/voicelife_linx_esp，公共头文件不暴露 ESP-IDF 类型。
• 固定 espressif/esp_websocket_client==1.8.0，使用 WSS 与证书 bundle；禁止跳过证书名校验，禁止日志输出 token。
• 配置 Authorization: Bearer、Protocol-Version、Device-Id、Client-Id，并保留 secret:// 凭据引用边界。
• 实现平台无关的 WebSocket 分片重组器：text/binary/continuation、data_ptr、data_len、payload_len、payload_offset、fin；设置消息大小上限，重连/关闭时清理残片，generation 不匹配的数据丢弃。
• ESP 事件回调只复制事件到有界队列并更新连接状态，不在 callback 内 stop/destroy；由专用任务完成发送、分发和资源回收。
• Transport 的连接状态至少区分 disconnected/connecting/connected/reconnecting/failed，并为 hello 超时、网络超时、关闭重连提供明确错误。
• 复用 🎙️ feat: 建立可插拔语音会话与 Provider 契约 #106 的 Linx Provider/Codec 契约；Provider 继续负责协议字段映射，Transport 不解析业务事件。

明确不做

• 不在本 Issue 接入 I2S、AFE/Wake/VAD/AEC、Opus 编解码和真实播放。
• 不把任意非 ESP32 板卡做成同一份固件；其他板卡只在调研矩阵中登记。
• 不把 AK/SK、token、Wi-Fi 密码、Device UUID 写入仓库、Profile 或日志。
• 不把 MQTT 当作已经等价的 Linx WebSocket 实现。

验收标准

• 主机 TDD 覆盖单帧、分片 text/binary、非法 continuation、超长消息、关闭/重连清理和 generation 隔离。
• ESP-IDF 6.0.2 / ESP32-S3 构建通过，依赖锁定为 esp_websocket_client==1.8.0。
• 真实板在 115200 稳定串口下记录 WSS headers、TLS、Linx hello、hello 超时/断线重连；不输出敏感值。
• 事件回调不执行 stop/destroy，队列满时有明确丢弃/失败策略，且不阻塞音频数据面。
• PR 关联 [Voice] 建立可插拔实时音频与 Linx/xiaozhi Provider 契约 #105 与 [Epic] VoiceLife 设备端 MVP 模块化开发与交付 #91，说明对 voicelife-pcb-native-mvp 的迁移取舍，并附本地测试、固件构建和真机证据。

依赖与风险

本 Issue 依赖 PR #106 的 Provider 契约；在 #106 合并前可使用堆叠分支开发，但 PR 不宣称已独立基于 main。真实 Linx 凭据只从 GitHub Secrets/本机受控配置注入，无法提供凭据时只验收 TLS/echo 或离线 fixture，不伪造云端通过。

Refs #91
Refs #105

[ZhaoXingPeng]

参考旧 MVP 的迁移结论

本次 Transport/Voice 骨架参考了 voicelife-pcb-native-mvp 的源码、测试记录和音频文档，保留已经被真实设备验证过的工程约束：

• 音频输入按 16 kHz PCM、10 ms 帧处理；上行 Opus 以 60 ms 组帧。
• 编解码队列容量先按 2 设计；上行队列满时丢最旧帧，不能让网络反压 AFE。
• AFE 只允许一个所有者任务串行执行控制、reset 和 fetch，并复用 WakeNet/MultiNet/VAD/AEC。
• 播放清理和迟到结果使用 playback generation 隔离；Flush 与 generation 检查必须处于同一临界区。
• 2 秒、64 KiB 的 PSRAM 唤醒音频环形缓冲、120 ms 输入预热和 15 秒 ADC/DAC 空闲关闭列入后续 Adapter 约束。

有一处旧资料与源码不一致：旧 audio/README.md 写的是低成本 AEC，但源码实际使用 AFE_MODE_HIGH_PERF 与 AEC_MODE_VOIP_HIGH_PERF。新架构以源码和当前板实测为准，不把旧文档参数直接复制成设计结论。

证据边界也已明确：旧 MVP 的云端/真机通过记录只能作为迁移依据，不能替代新架构的验收。#107 当前已完成主机契约测试、架构边界检查和 ESP-IDF 6.0.2 / ESP32-S3 构建；真实板 WSS、Linx hello、断线重连及最终麦克风/扬声器闭环仍待按稳定 115200 串口流程验证。