docs: 文档与代码一致性检查与修复

- 修复心跳 Bug：应用层 ping 不更新 lastPong，60 秒后连接会被错误断开
- 03-接口文档：audio/mpeg→audio/mp3、STTConfig/TTSConfig 补充 Model 字段、
  APP_ENV 环境变量名修正、配置搜索路径补充、.env 加载说明、Vite proxy 说明修正
- 02-系统架构：补充 ConfigPanel/Toast 组件、Model Router/Rate Limiter 标注规划中、
  补充 Gin 框架、MVP 存储改为 Memory、AI 服务 provider 更新、Orchestrator 伪代码对齐
- 04-技术选型：新增 AI 服务栈选型章节（STT/LLM/TTS）、PostgreSQL 标注规划中
- 06-语音交互：VAD 参数名修正、STT 改为一次性识别描述、音频编码格式补充
- 07-视觉理解：关键帧检测代码改为 TypeScript、分辨率修正、阈值逻辑统一
- 08-成本控制：变量名修正、未实现功能标注规划中、对话历史裁剪策略补充
- CLAUDE.md：同步更新技术栈、模块结构、存储策略描述

docs/08-成本控制.md

@@ -27,15 +27,12 @@
 | 本地预筛选 | 中 | 高 | 用轻量模型判断"是否值得问 LLM" |
 
 ```typescript
-// 混合策略：定时低频 + 事件高频
-const NORMAL_INTERVAL = 5000;  // 正常 5 秒一帧
+// 混合策略：定时低频 + 事件高频（sampling.ts）
+const IDLE_INTERVAL = 5000;    // 空闲 5 秒一帧
 const ACTIVE_INTERVAL = 1000;  // 用户说话时 1 秒一帧
 
-let isUserSpeaking = false;
-
-setInterval(() => {
-  captureAndSend(isUserSpeaking ? "low" : "high");
-}, isUserSpeaking ? ACTIVE_INTERVAL : NORMAL_INTERVAL);
+// SamplingController 根据 VAD 状态切换采样间隔
+// detail_level 通过 session config 静态配置，不随说话状态动态变化
 ```
 
 ## 策略二：端云协同——把计算推到边缘
@@ -43,11 +40,11 @@ setInterval(() => {
 不是所有计算都需要上云。可前置到客户端的计算：
 
 - **VAD 语音检测**：浏览器端完成，减少无效音频上传（节省 ~70% 带宽）
-- **人脸/物体检测**：用 ONNX Runtime 跑轻量模型（如 YOLOv8-nano ~6MB，推理 ~30ms），只在检测到新物体时触发 LLM
-- **重复画面过滤**：计算帧间相似度，相似度 > 90% 直接跳过
-- **敏感内容过滤**：NSFW 检测前置，避免无效 API 调用
+- **人脸/物体检测**（规划中）：用 ONNX Runtime 跑轻量模型（如 YOLOv8-nano ~6MB，推理 ~30ms），只在检测到新物体时触发 LLM。当前 MVP 使用 Canvas 像素比较做关键帧检测
+- **重复画面过滤**：计算帧间相似度，对话模式 similarity > 0.9 跳过，观察模式 similarity < 0.85 触发
+- **敏感内容过滤**（规划中）：NSFW 检测前置，避免无效 API 调用
 
-## 策略三：模型分级——用对模型做对事
+## 策略三：模型分级——用对模型做对事（规划中）
 
 不是每个问题都需要最贵的模型：
 
@@ -58,20 +55,10 @@ setInterval(() => {
   └── 代码/推理 → o1 ($15/1M tokens)
 ```
 
-```typescript
-async function routeQuery(image: string, question: string) {
-  const complexity = await classifyComplexity(question);
-  const modelMap = {
-    simple: "gpt-4o-mini",    // "这是什么？"
-    moderate: "gpt-4o",       // "分析这张图"
-    complex: "o1"             // "推理/规划"
-  };
-  return callLLM(modelMap[complexity], image, question);
-}
-```
+> 当前 MVP 阶段使用单一模型（默认 GPT-4o），模型分级路由为未来优化方向。通过配置 `ai.llm.model` 可手动切换模型。
 
-## 策略四：缓存与复用
+## 策略四：缓存与复用（规划中）
 
-- **语义缓存**：相似问题直接返回缓存结果（如反复问"这是什么"）
-- **上下文复用**：连续对话中，未变化的图像不必重复发送
-- **Prompt 压缩**：精简 system prompt，减少每轮的固定 token 开销
+- **语义缓存**（规划中）：相似问题直接返回缓存结果（如反复问"这是什么"）
+- **上下文复用**：连续对话中，未变化的图像不必重复发送（已通过重复画面过滤实现）
+- **对话历史裁剪**：前端按 `MAX_HISTORY_ROUNDS = 10` 裁剪，后端按 `defaultHistorySize = 20` 裁剪，限制每轮的固定 token 开销