Приложение добавляет OpenAI-совместимый HTTP-сервер и KMP-обёртку LiteRT

app-phone/build.gradle.kts

@@ -101,8 +101,11 @@ dependencies {
     implementation(libs.koog.openai.client)
     implementation(libs.koog.http.client.okhttp)
 
-    // LiteRT-LM (Google) — локальный LLM (Gemma 4 E2B, .litertlm, GPU/CPU)
-    implementation(libs.litertlm.android)
+    // LiteRT-LM (Google) — локальный LLM (Gemma 4 E2B, .litertlm, GPU/CPU):
+    // KMP-обёртка pw.binom.litert (универсальный контракт RAW-инференса + google-бэкенд)
+    implementation(libs.litert.google)
+    // универсальный контракт (LiteLlm/LiteRequest…) — импортируется напрямую
+    implementation(libs.litert.api)
 
     // Silero-VAD на sherpa-onnx (SherpaStreamingVad / VadSegmenter), JitPack
     implementation("com.github.k2-fsa.sherpa-onnx:sherpa-onnx:v1.13.6")

app-phone/src/main/kotlin/pw/binom/viewmate/phone/DebugHttpServer.kt

@@ -1,6 +1,5 @@
 package pw.binom.viewmate.phone
 
-import com.google.ai.edge.litertlm.Backend
 import pw.binom.viewmate.phone.agent.LlmModelChoice
 import pw.binom.viewmate.phone.agent.LocalLlmClient
 import java.io.BufferedReader

app-phone/src/main/kotlin/pw/binom/viewmate/phone/OpenAiHttpServer.kt

@@ -0,0 +1,310 @@
+package pw.binom.viewmate.phone
+
+import ai.koog.prompt.executor.clients.openai.base.models.OpenAIMessage
+import io.ktor.http.ContentType
+import io.ktor.http.HttpHeaders
+import io.ktor.http.HttpStatusCode
+import io.ktor.server.application.Application
+import io.ktor.server.application.ApplicationCall
+import io.ktor.server.cio.CIO
+import io.ktor.server.engine.EmbeddedServer
+import io.ktor.server.engine.embeddedServer
+import io.ktor.server.request.receiveText
+import io.ktor.server.response.respondText
+import io.ktor.server.response.respondTextWriter
+import io.ktor.server.routing.get
+import io.ktor.server.routing.post
+import io.ktor.server.routing.routing
+import kotlinx.coroutines.delay
+import kotlinx.serialization.Serializable
+import kotlinx.serialization.encodeToString
+import kotlinx.serialization.json.Json
+import kotlinx.serialization.json.JsonArray
+import kotlinx.serialization.json.JsonElement
+import kotlinx.serialization.json.JsonObject
+import kotlinx.serialization.json.JsonPrimitive
+import kotlinx.serialization.json.contentOrNull
+import kotlinx.serialization.json.jsonPrimitive
+import pw.binom.viewmate.phone.agent.ChatMessage
+import pw.binom.viewmate.phone.agent.ChatRole
+import pw.binom.viewmate.phone.agent.LlmClient
+import java.util.UUID
+
+/**
+ * OpenAI-совместимый HTTP-сервер (Ktor-CIO, в стиле [WifiServerTransport]):
+ * - POST /v1/chat/completions — stream=false → JSON chat.completion,
+ *   stream=true → SSE-чанки chat.completion.chunk + [DONE];
+ * - GET /v1/models, GET / — самодокументация.
+ *
+ * Мессиджи запроса парсятся DTO koog [OpenAIMessage] (парсер OpenAI-клиента:
+ * роль → типизированный сабтип, content — строка или массив parts,
+ * tool + tool_call_id). Ответы — ручной snake_case JSON: DTO koog для
+ * ответов (OpenAIChatCompletionResponse) сериализуют finishReason в
+ * camelCase (клиентская конвенция), что не OpenAI wire-формат.
+ *
+ * Бэкенд — [PhoneApp.openAiLlm] (текущий выбор модели: локальный LiteRT-LM
+ * или удалённый по ключу); null → 503. Ядро [handleChat] вынесено из
+ * сокета/корутины Ktor — юнит-тестится на JVM.
+ */
+object OpenAiHttpServer {
+
+    private const val MODEL_NAME = "viewmate"
+
+    /** Задержка между SSE-фреймами эмулированного стрима (движок не стримит нативно). */
+    private const val CHUNK_DELAY_MS = 25L
+
+    private val json = Json { ignoreUnknownKeys = true }
+
+    @Volatile
+    private var started = false
+    private var server: EmbeddedServer<*, *>? = null
+
+    /** Поднимает Ktor-сервер на [PhoneConfig.OPENAI_SERVER_PORT] и печатает все IP устройства. */
+    fun start(app: PhoneApp) {
+        if (started) return
+        started = true
+        try {
+            server = embeddedServer(CIO, port = PhoneConfig.OPENAI_SERVER_PORT, host = "0.0.0.0") {
+                openAiModule(app)
+            }
+            server!!.start(wait = false)
+            log("openai", "OpenAI-HTTP (Ktor-CIO) на 0.0.0.0:${PhoneConfig.OPENAI_SERVER_PORT}")
+            log("openai", "Эндпоинты: /v1/chat/completions (stream=true|false), /v1/models, /")
+            allIps().forEach { ip ->
+                log("openai", "IP: $ip → http://$ip:${PhoneConfig.OPENAI_SERVER_PORT}/v1/chat/completions")
+            }
+        } catch (e: Exception) {
+            log("openai", "не удалось запустить: ${e.message}")
+        }
+    }
+
+    // ---------- Ktor-модуль ----------
+
+    private fun Application.openAiModule(app: PhoneApp) {
+        routing {
+            post("/v1/chat/completions") {
+                call.response.headers.append(HttpHeaders.AccessControlAllowOrigin, "*")
+                when (val outcome = handleChat(app.openAiLlm(), call.receiveText())) {
+                    is ChatOutcome.Json -> call.respondText(
+                        text = outcome.body,
+                        contentType = ContentType.Application.Json,
+                        status = statusCode(outcome.code),
+                    )
+
+                    is ChatOutcome.Sse -> sendSse(call, outcome)
+                }
+            }
+            get("/v1/models") {
+                call.response.headers.append(HttpHeaders.AccessControlAllowOrigin, "*")
+                call.respondText(modelsJson(), ContentType.Application.Json)
+            }
+            get("/") {
+                call.response.headers.append(HttpHeaders.AccessControlAllowOrigin, "*")
+                call.respondText(helpJson(), ContentType.Application.Json)
+            }
+        }
+    }
+
+    /** SSE-стрим: фреймы [ChatOutcome.Sse.frames] с задержкой [CHUNK_DELAY_MS]. */
+    private suspend fun sendSse(call: ApplicationCall, sse: ChatOutcome.Sse) {
+        call.respondTextWriter(
+            contentType = ContentType.parse("text/event-stream; charset=utf-8"),
+            status = HttpStatusCode.OK,
+        ) {
+            sse.frames.forEach { frame ->
+                append(frame)
+                flush()
+                delay(CHUNK_DELAY_MS)
+            }
+        }
+    }
+
+    private fun statusCode(code: Int): HttpStatusCode = when (code) {
+        200 -> HttpStatusCode.OK
+        400 -> HttpStatusCode.BadRequest
+        502 -> HttpStatusCode.BadGateway
+        503 -> HttpStatusCode.ServiceUnavailable
+        else -> HttpStatusCode(code, "Error")
+    }
+
+    // ---------- ядро (без сокета: юнит-тестится) ----------
+
+    /** Итог обработки /v1/chat/completions: JSON-тело с кодом или список SSE-фреймов. */
+    internal sealed interface ChatOutcome {
+        data class Json(val code: Int, val body: String) : ChatOutcome
+        data class Sse(val frames: List<String>) : ChatOutcome
+    }
+
+    internal suspend fun handleChat(llm: LlmClient?, body: String): ChatOutcome {
+        val req = try {
+            json.decodeFromJsonElement(OaiRequest.serializer(), normalizeOpenAiElement(body))
+        } catch (e: Exception) {
+            return ChatOutcome.Json(400, errorJson("некорректный JSON body", 400))
+        }
+        val (system, history) = runCatching { splitMessages(req) }.getOrElse { e ->
+            return ChatOutcome.Json(400, errorJson(e.message ?: "некорректные messages", 400))
+        }
+        if (history.isEmpty()) return ChatOutcome.Json(400, errorJson("messages не может быть пустым", 400))
+        if (llm == null) {
+            return ChatOutcome.Json(503, errorJson("LLM недоступен: API-ключ не задан или модель не загружена", 503))
+        }
+        val text = try {
+            llm.chat(history, system)
+        } catch (e: Exception) {
+            log("openai", "ошибка LLM: ${e.message}")
+            return ChatOutcome.Json(502, errorJson("ошибка LLM: ${e.message}", 502))
+        }
+        log("openai", "запрос: stream=${req.stream}, msg=${req.messages.size} → ${text.length} симв")
+
+        val id = "chatcmpl-" + UUID.randomUUID().toString().replace("-", "").take(12)
+        val created = System.currentTimeMillis() / 1000
+        return if (req.stream) ChatOutcome.Sse(streamFrames(id, created, text))
+        else ChatOutcome.Json(200, completionJson(id, created, text))
+    }
+
+    /**
+     * OpenAI wire → DTO koog: tool-сообщения несут `tool_call_id` (snake_case),
+     * а парсер koog ждёт `toolCallId` (camelCase, клиентская конвенция).
+     * Для tool-роли дописываем camelCase-копию (или пустую, если поля нет).
+     * Остальное — без изменений.
+     */
+    private fun normalizeOpenAiElement(raw: String): JsonElement {
+        val root = json.decodeFromString(JsonElement.serializer(), raw)
+        val obj = root as? JsonObject ?: return root
+        val rawMsgs = obj["messages"] as? JsonArray ?: return root
+        val fixed = rawMsgs.map { el ->
+            val m = el as? JsonObject ?: return@map el
+            if (m["role"]?.jsonPrimitive?.contentOrNull == "tool" && !m.containsKey("toolCallId")) {
+                val tcid = m["tool_call_id"]?.jsonPrimitive?.contentOrNull ?: ""
+                JsonObject(m.toMutableMap().apply { put("toolCallId", JsonPrimitive(tcid)) })
+            } else el
+        }
+        return JsonObject(obj.toMutableMap().apply { put("messages", JsonArray(fixed)) })
+    }
+
+    /**
+     * Мессиджи OpenAI → (system-промпт, история): system/developer склеиваются
+     * в system; user/assistant/tool (tool_call_id) → [ChatMessage].
+     * Content у DTO koog: строка или массив parts — [ai.koog.prompt.executor.clients.openai.base.models.Content.text].
+     */
+    private fun splitMessages(req: OaiRequest): Pair<String?, List<ChatMessage>> {
+        val systems = mutableListOf<String>()
+        val history = mutableListOf<ChatMessage>()
+        for (m in req.messages) {
+            val content = m.content?.text().orEmpty()
+            when (m) {
+                is OpenAIMessage.System, is OpenAIMessage.Developer -> systems.add(content)
+                is OpenAIMessage.User -> history.add(ChatMessage.of(ChatRole.USER, content))
+                is OpenAIMessage.Assistant -> history.add(ChatMessage.of(ChatRole.ASSISTANT, content))
+                is OpenAIMessage.Tool ->
+                    history.add(ChatMessage.of(ChatRole.TOOL, content, toolCallId = m.toolCallId))
+            }
+        }
+        val system = systems.joinToString("\n").ifEmpty { null }
+        return system to history
+    }
+
+    // ---------- константы (без сокета) ----------
+
+    /** Все IPv4/IPv6 адреса интерфейсов + 127.0.0.1 — для логов и тестов. */
+    fun allIps(): List<String> {
+        val ips = linkedSetOf("127.0.0.1")
+        try {
+            for (intf in java.net.NetworkInterface.getNetworkInterfaces()) {
+                if (!intf.isUp || intf.isLoopback) continue
+                for (addr in intf.inetAddresses) {
+                    if (addr is java.net.Inet4Address) addr.hostAddress?.let(ips::add)
+                }
+            }
+        } catch (_: Exception) {
+        }
+        return ips.toList()
+    }
+
+    private fun completionJson(id: String, created: Long, text: String): String =
+        "{" +
+            "\"id\":\"$id\"," +
+            "\"object\":\"chat.completion\"," +
+            "\"created\":$created," +
+            "\"model\":\"$MODEL_NAME\"," +
+            "\"choices\":[{" +
+            "\"index\":0," +
+            "\"message\":{\"role\":\"assistant\",\"content\":\"${jsonEscape(text)}\"}," +
+            "\"finish_reason\":\"stop\"" +
+            "}]," +
+            "\"usage\":{\"prompt_tokens\":0,\"completion_tokens\":0,\"total_tokens\":0}" +
+            "}"
+
+    /** Фреймы SSE-стрима: роль, по слову (слово + следующие пробелы), finish + [DONE]. */
+    private fun streamFrames(id: String, created: Long, text: String): List<String> {
+        val frames = mutableListOf<String>()
+        frames.add(sseChunk(id, created, role = true))
+        for (m in Regex("""\S+\s*""").findAll(text)) {
+            frames.add(sseChunk(id, created, delta = m.value))
+        }
+        frames.add(sseChunk(id, created, finish = true))
+        frames.add("data: [DONE]\n\n")
+        return frames
+    }
+
+    private fun sseChunk(id: String, created: Long, role: Boolean = false, delta: String? = null, finish: Boolean = false): String {
+        val deltaJson = buildString {
+            if (role) append("\"role\":\"assistant\"")
+            if (delta != null) {
+                if (role) append(',')
+                append("\"content\":\"${jsonEscape(delta)}\"")
+            }
+        }
+        val finishReason = if (finish) "\"stop\"" else "null"
+        val jsonBody = "{" +
+            "\"id\":\"$id\"," +
+            "\"object\":\"chat.completion.chunk\"," +
+            "\"created\":$created," +
+            "\"model\":\"$MODEL_NAME\"," +
+            "\"choices\":[{" +
+            "\"index\":0," +
+            "\"delta\":{$deltaJson}," +
+            "\"finish_reason\":$finishReason" +
+            "}]" +
+            "}"
+        return "data: $jsonBody\n\n"
+    }
+
+    private fun errorJson(message: String, code: Int): String = buildString {
+        val type = if (code in 400..499) "invalid_request_error" else "server_error"
+        append("{\"error\":{\"message\":\"").append(jsonEscape(message)).append("\",")
+        append("\"type\":\"").append(type).append("\",\"code\":null}}")
+    }
+
+    private fun modelsJson(): String =
+        "{\"object\":\"list\",\"data\":[{" +
+            "\"id\":\"$MODEL_NAME\"," +
+            "\"object\":\"model\"," +
+            "\"created\":0," +
+            "\"owned_by\":\"viewmate\"" +
+            "}]"
+
+    private fun helpJson(): String =
+        "{\"message\":\"Viewmate OpenAI-совместимый сервер\"," +
+            "\"endpoints\":[{" +
+            "\"method\":\"POST\",\"path\":\"/v1/chat/completions\"," +
+            "\"description\":\"Chat completion (stream=true|false)\"," +
+            "\"model\":\"$MODEL_NAME\"}]," +
+            "\"models\":[\"$MODEL_NAME\"],\"port\":${PhoneConfig.OPENAI_SERVER_PORT}}"
+
+    private fun jsonEscape(s: String): String =
+        s.replace("\\", "\\\\")
+            .replace("\"", "\\\"")
+            .replace("\n", "\\n")
+            .replace("\r", "\\r")
+            .replace("\t", "\\t")
+
+    // ---------- DTO запроса ----------
+
+    @Serializable
+    private data class OaiRequest(
+        val model: String? = null,
+        val messages: List<OpenAIMessage> = emptyList(),
+        val stream: Boolean = false,
+    )
+}

app-phone/src/main/kotlin/pw/binom/viewmate/phone/PhoneApp.kt

@@ -43,6 +43,7 @@ import pw.binom.viewmate.phone.agent.GemmaModelDownloader
 import pw.binom.viewmate.phone.agent.JellyfinMediaSource
 import pw.binom.viewmate.phone.agent.LocalLlmClient
 import pw.binom.viewmate.phone.agent.LocalLlmModelState
+import pw.binom.viewmate.phone.agent.LlmClient
 import pw.binom.viewmate.phone.agent.LlmModelChoice
 import pw.binom.viewmate.phone.agent.LlmPrefs
 import pw.binom.viewmate.phone.agent.MEDIA_TOOLSET
@@ -127,6 +128,28 @@ class PhoneApp : Application() {
     /** Текущий локальный LLM-клиент (для DebugHttpServer / статуса). */
     fun localLlmClient(): LocalLlmClient? = localLlm
 
+    /**
+     * LLM-клиент по текущему выбору [llmChoice] для OpenAI-HTTP-сервера
+     * ([OpenAiHttpServer]) — без тул-цикла ассистента (клиент OpenAI API сам
+     * управляет контекстом). Локальный клиент переиспользует [localLlm]
+     * (движок LiteRT один на процесс). null — серверный без ключа или локальная
+     * модель ещё не скачана.
+     */
+    fun openAiLlm(): LlmClient? = synchronized(assistantLock) {
+        when (_llmChoice.value) {
+            LlmModelChoice.REMOTE ->
+                if (BuildConfig.LLM_API_KEY.isBlank()) null
+                else RemoteLlmClient(apiKey = BuildConfig.LLM_API_KEY, model = BuildConfig.LLM_MODEL)
+
+            LlmModelChoice.LOCAL ->
+                if (!localModelFile().isFile) null
+                else localLlm ?: LocalLlmClient(
+                    modelFile = localModelFile(),
+                    cacheDir = File(cacheDir, "litertlm"),
+                ).also { localLlm = it }
+        }
+    }
+
     /** Выбор модели LLM (персистится, [pw.binom.viewmate.phone.agent.LlmPrefs]). */
     // lazy: конструктор Application выполняется ДО attachBaseContext — контекст (и
     // getSharedPreferences/getExternalFilesDir) доступен только после; ленивость —
@@ -442,6 +465,7 @@ class PhoneApp : Application() {
         server.start()
         log("server", "WS-сервер запущен на ${PhoneConfig.SERVER_PORT}")
         DebugHttpServer.start(this)
+        OpenAiHttpServer.start(this)
         nsd.publish()
         server.hub.sttFactory = { ensureStt() }
         server.hub.onStopFullText = { phrase -> scope.launch { assistantChannel.send(phrase) } }

app-phone/src/main/kotlin/pw/binom/viewmate/phone/PhoneConfig.kt

@@ -12,6 +12,9 @@ object PhoneConfig {
     const val MIRROR_API_KEY = "67KA48ScP0qxRIihmr1srlggIIkRUAG"
     const val SERVER_PORT = 8080
 
+    /** Порт OpenAI-совместимого HTTP-сервера ([OpenAiHttpServer], POST /v1/chat/completions). */
+    const val OPENAI_SERVER_PORT = 8800
+
     /**
      * Выбор транспорта очки↔телефон (TASK-transport.md п.4):
      * `false` (дефолт) — WiFi ([WifiServerTransport], поведение без изменений);

app-phone/src/main/kotlin/pw/binom/viewmate/phone/agent/LocalLlm.kt

@@ -1,15 +1,12 @@
 package pw.binom.viewmate.phone.agent
 
-import com.google.ai.edge.litertlm.Backend
-import com.google.ai.edge.litertlm.Content
-import com.google.ai.edge.litertlm.Contents
-import com.google.ai.edge.litertlm.Conversation
-import com.google.ai.edge.litertlm.ConversationConfig
-import com.google.ai.edge.litertlm.Engine
-import com.google.ai.edge.litertlm.EngineConfig
-import com.google.ai.edge.litertlm.ExperimentalApi
-import com.google.ai.edge.litertlm.ExperimentalFlags
-import com.google.ai.edge.litertlm.Message
+import pw.binom.litert.LiteBackend
+import pw.binom.litert.LiteConfig
+import pw.binom.litert.LiteExperimental
+import pw.binom.litert.LiteLlm
+import pw.binom.litert.LiteMessage
+import pw.binom.litert.LiteRequest
+import pw.binom.litert.google.googleLiteLlm
 import kotlinx.coroutines.CancellationException
 import kotlinx.coroutines.Dispatchers
 import kotlinx.coroutines.withContext
@@ -75,8 +72,12 @@ object Gemma4E2B {
      * Ключ: cacheDir должен быть системным applicationContext.cacheDir —
      * GPU-делегату (ml_drift) нужен настоящий кэш для компиляции шейдеров;
      * свой подкаталог в filesDir приводил к падению на delegate_kernel.cc.
+     * Экспериментальный флаг: без enableSpeculativeDecoding статический
+     * TopK-сэмплер на GPU требует OpenCL-драйвер, которого нет в Android
+     * app-namespace («Can not find OpenCL library»); на HONOR работает
+     * WebGPU-сэмплер, т.е. флаг включён.
      */
-    fun engineConfig(modelFile: File, cacheDir: File): EngineConfig = EngineConfig(
+    fun liteConfig(modelFile: File, cacheDir: File): LiteConfig = LiteConfig(
         modelPath = modelFile.absolutePath,
         // NOTE 2026-08-23 (porfiry): точь-в-точь конфиг автора (InferenceService.kt:485-497)
         // в референсе vayunmathur/Modern-Apps — GPU/GPU/CPU. Авторский бинарник на
@@ -85,10 +86,11 @@ object Gemma4E2B {
         // vision-путь не трогает (буфер аллокируется только при картинке), поэтому
         // берём авторскую схему целиком. Если упёрнемся в RESOURCE_EXHAUSTED на
         // картинке — вернём vision на CPU точечно.
-        backend = Backend.GPU(),
-        visionBackend = Backend.GPU(),
-        audioBackend = Backend.CPU(),
+        backend = LiteBackend.GPU,
+        visionBackend = LiteBackend.GPU,
+        audioBackend = LiteBackend.CPU,
         cacheDir = cacheDir.absolutePath,
+        experimental = LiteExperimental(enableSpeculativeDecoding = true),
     )
 }
 
@@ -115,53 +117,53 @@ fun sha256OfFileMatches(file: File, expectedHex: String): Boolean =
 /** Данные LiteRT-LM разговора: системный промпт, история и «входящее» сообщение. */
 class LocalLlmPrompt(
     val systemInstruction: String?,
-    val initialMessages: List<Message>,
-    val incoming: Message,
+    val initialMessages: List<LiteMessage>,
+    val incoming: LiteMessage,
 )
 
-/** Текст текстового контента LiteRT-LM-сообщения (для проверок/логов). */
-fun Message.text(): String = contents.contents.filterIsInstance<Content.Text>()
-    .joinToString("") { it.text }
-
 /**
  * Маппинг истории ассистента → формат разговора LiteRT-LM (чистая функция):
- * - USER → [Message.user], ASSISTANT → [Message.model];
+ * - USER → [LiteMessage.user], ASSISTANT → [LiteMessage.model];
  * - TOOL (результат тула) — как user-сообщение в том же формате «Результат
- *   тула <id>: <текст>», что шлёт [RemoteLlmClient] (у LiteRT-LM нет
- *   tool-роли в разговорной ленте — tool-результат идёт как user-мессадж);
+ *   тула <id>: <текст>», что шлёт [RemoteLlmClient] (консервативно: общая
+ *   с remote-клиентом текстовая конвенция; нативная роль LiteRole.TOOL —
+ *   задел на будущее, когда шаблон модели будет уметь родные тулзы);
  * - SYSTEM-сообщения и параметр [system] складываются в ОДИН
  *   systemInstruction (в LiteRT-LM один системный промпт на разговор);
  * - пустые content отбрасываются.
  *
- * Входящее сообщение ([LocalLlmPrompt.incoming]) — последнее непустое USER/TOOL:
- * оно уходит в sendMessageAsync, остальное — история (initialMessages).
+ * Входящее сообщение ([LocalLlmPrompt.incoming]) — последнее непустое USER/TOOL.
+ * В RAW-режиме (контракт pw.binom.litert) владелец истории — потребитель:
+ * каждый инференс — новый полный промпт, движок не несёт состояния между
+ * вызовами; будущие механизмы чистки/сжатия истории для движка — просто
+ * новый (короткий) полный промпт.
  * Если последние сообщения только модельные/история пуста — incoming = «Продолжай.»
  * (аналог fallback [RemoteLlmClient]).
  */
 fun buildLocalLlmPrompt(messages: List<ChatMessage>, system: String? = null): LocalLlmPrompt {
     val systemParts = ArrayList<String>()
     system?.takeIf { it.isNotBlank() }?.let { systemParts += it }
-    val mapped = ArrayList<Message>()
+    val mapped = ArrayList<LiteMessage>()
     for (msg in messages) {
         val text = msg.content
         when (msg.role) {
             ChatRole.SYSTEM -> if (text.isNotBlank()) systemParts += text
-            ChatRole.USER -> if (text.isNotBlank()) mapped += Message.user(Contents.of(text))
-            ChatRole.ASSISTANT -> if (text.isNotBlank()) mapped += Message.model(Contents.of(text))
+            ChatRole.USER -> if (text.isNotBlank()) mapped += LiteMessage.user(text)
+            ChatRole.ASSISTANT -> if (text.isNotBlank()) mapped += LiteMessage.model(text)
             ChatRole.TOOL -> if (text.isNotBlank()) {
-                mapped += Message.user(Contents.of("Результат тула ${msg.toolCallId ?: "?"}: $text"))
+                mapped += LiteMessage.user("Результат тула ${msg.toolCallId ?: "?"}: $text")
             }
         }
     }
     val last = messages.lastOrNull { it.content.isNotBlank() }
-    val incoming: Message
-    val initial: List<Message>
+    val incoming: LiteMessage
+    val initial: List<LiteMessage>
     if (last != null && (last.role == ChatRole.USER || last.role == ChatRole.TOOL)) {
         initial = mapped.dropLast(1)
         incoming = mapped.last()
     } else {
         initial = mapped
-        incoming = Message.user(Contents.of("Продолжай."))
+        incoming = LiteMessage.user("Продолжай.")
     }
     return LocalLlmPrompt(
         systemInstruction = systemParts.joinToString("\n").ifEmpty { null },
@@ -281,12 +283,15 @@ class GemmaModelDownloader(
 
 /**
  * Локальный LLM-клиент: Gemma 4 E2B через LiteRT-LM на устройстве
- * (GPU-бэкенд по дефолту; см. docs/litertlm-openassistant-notes.md).
+ * (GPU-бэкенд по дефолту; см. docs/litertlm-openassistant-notes.md),
+ * через KMP-библиотеку pw.binom.litert (универсальный контракт
+ * RAW-инференса: владелец истории — потребитель).
  *
- * Жизненный цикл: [Engine] создаётся один раз (лениво, при первом [chat]),
+ * Жизненный цикл: [LiteLlm] создаётся один раз (лениво, при первом [chat]),
  * переиспользуется — модель заново не грузится. Каждый чатовый вызов —
- * новый Conversation (своей истории у LiteRT-LM нет — она в наших
- * initialMessages). Ошибки — [IllegalStateException] с читаемым русским
+ * новый RAW-инференс: [LiteRequest] несёт полный промпт (системная
+ * инструкция + вся история + входящее), движок не хранит состояние между
+ * вызовами. Ошибки — [IllegalStateException] с читаемым русским
  * сообщением («локальная модель не скачана…») — [Assistant] покажет его
  * пользователю, падение приложения исключено.
  *
@@ -298,41 +303,35 @@ class LocalLlmClient(
     private val cacheDir: File,
 ) : LlmClient {
 
-    private val engineLock = Any()
+    private val llmLock = Any()
     @Volatile
-    private var engine: Engine? = null
+    private var llm: LiteLlm? = null
 
-    /** Модель на месте (по имени файла; SHA-контроль — в [ensureEngine]). */
+    /** Модель на месте (по имени файла; SHA-контроль — в [ensureLlm]). */
     fun modelDownloaded(): Boolean = modelFile.isFile
 
     override suspend fun chat(messages: List<ChatMessage>, system: String?): String {
         log("llm", "chat: вызов (messages=${messages.size}, system=${system?.length ?: 0} симв)")
-        val engine = ensureEngine()
+        val llm = ensureLlm()
         log("llm", "chat: движок готов, строю промпт")
         val prompt = buildLocalLlmPrompt(messages, system)
-        log("llm", "chat: промпт: system=${prompt.systemInstruction?.length ?: 0} симв, initial=${prompt.initialMessages.size}, incoming=${prompt.incoming.text().take(60)}")
-        val conversation: Conversation = synchronized(engineLock) {
-            engine.createConversation(
-                ConversationConfig(
-                    systemInstruction = prompt.systemInstruction?.let { Contents.of(it) },
-                    initialMessages = prompt.initialMessages,
-                )
-            )
-        }
-        log("llm", "chat: conversation создан")
+        log("llm", "chat: промпт: system=${prompt.systemInstruction?.length ?: 0} симв, initial=${prompt.initialMessages.size}, incoming=${prompt.incoming.text.take(60)}")
+        val request = LiteRequest(
+            systemInstruction = prompt.systemInstruction,
+            // RAW-режим: владелец истории — мы; каждый инференс — новый полный промпт
+            messages = prompt.initialMessages + prompt.incoming,
+        )
+        var text = ""
+        var chunks = 0
+        var tokens = 0
+        val t0 = System.currentTimeMillis()
+        var firstTokenAt = 0L
         try {
-            var text = ""
-            var chunks = 0
-            var tokens = 0
-            val t0 = System.currentTimeMillis()
-            var firstTokenAt = 0L
             withTimeout(120_000) {
-                // NOTE 2026-08-23: sig 0.14.0 — sendMessageAsync(Message, Map), дефолт
-                // emptyMap(). null-literal не компилируется (Map без @Nullable); в чужом
-                // dex null — артефакт маски $default, не аргумент.
-                conversation.sendMessageAsync(prompt.incoming).collect { messageChunk ->
+                // либа сама закрывает беседу по завершении/отмене потока
+                llm.inferStream(request).collect { delta ->
                     chunks++
-                    val chunkText = messageChunk.text()
+                    val chunkText = delta.text
                     text += chunkText
                     if (chunkText.isNotEmpty()) {
                         if (firstTokenAt == 0L) firstTokenAt = System.currentTimeMillis()
@@ -350,44 +349,30 @@ class LocalLlmClient(
             return text.trim()
         } catch (e: CancellationException) {
             log("llm", "chat: отменено")
-            runCatching { conversation.cancelProcess() }
             throw e
         } catch (e: Exception) {
             log("llm", "chat: EXC class=${e::class.simpleName} msgLen=${e.message?.length}")
             log("llm", "chat: EXC msg=${sanitize(e.message)}")
             throw IllegalStateException("Локальная модель не ответила: ${e.message}", e)
-        } finally {
-            runCatching { conversation.close() }
         }
     }
 
     /** Закрыть движок (освобождает ~2-3 ГБ RAM). Вызывать при пересоздании ассистента. */
     fun close() {
-        val eng = synchronized(engineLock) {
-            val e = engine
-            engine = null
-            e
+        val local = synchronized(llmLock) {
+            val l = llm
+            llm = null
+            l
         }
-        runCatching { eng?.close() }
-    }
-
-    /** Точно как у автора (InferenceService.kt:486): включаем спекулятивное декодирование. */
-    @OptIn(ExperimentalApi::class)
-    private fun applyExperimentalFlags() {
-        // NOTE 2026-08-23 (porfiry): ранее выключали спекуляцию, потому что статический
-        // TopK-сэмплер при enableSpeculativeDecoding=false тянет OpenCL-драйвер,
-        // которого нет в app-namespace ("Can not find OpenCL library"). Автор включил
-        // её TRUE: тогда движок использует статический WebGPU-сэмплер (он на HONOR
-        // работает — оригинал идёт, TTFB ~0.8с тёплый). Берём его флаг как есть.
-        ExperimentalFlags.enableSpeculativeDecoding = true
+        runCatching { local?.close() }
     }
 
     /** Ленивая инициализация движка (блокирующая — вызываем с IO-потока). */
-    private fun ensureEngine(): Engine {
-        val cached = engine
+    private fun ensureLlm(): LiteLlm {
+        val cached = llm
         if (cached != null) return cached
-        return synchronized(engineLock) {
-            val existing = engine
+        return synchronized(llmLock) {
+            val existing = llm
             if (existing != null) return existing
             if (!modelFile.isFile) {
                 throw IllegalStateException("Локальная модель не скачана — скачайте её в настройках экрана «Телефон»")
@@ -395,21 +380,16 @@ class LocalLlmClient(
             if (!sha256OfFileMatches(modelFile, Gemma4E2B.SHA256)) {
                 throw IllegalStateException("Локальная модель повреждена (SHA-256 не совпадает) — скачайте её заново")
             }
-            applyExperimentalFlags()
             // cacheDir должен СУЩЕСТВОВАТЬ: GPU-делегат (ml_drift) пишет
             // скомпилированные шейдеры в cacheDir; если каталога нет — движок
             // падает на executor.cc:1978 (delegate_kernel.cc:925). CPU-бэкенд
             // в кэш не пишет, поэтому работал и без mkdirs.
             cacheDir.mkdirs()
-            val created = Engine(Gemma4E2B.engineConfig(modelFile, cacheDir))
-            try {
-                created.initialize()
-            } catch (e: Exception) {
-                runCatching { created.close() }
-                throw IllegalStateException("Не удалось инициализировать локальную модель: ${e.message}", e)
-            }
-            log("llm", "локальный движок инициализирован: ${modelFile.name}")
-            engine = created
+            // Экспериментальные флаги (speculative decoding → WebGPU-сэмплер)
+            // ушли в LiteConfig (см. [Gemma4E2B.liteConfig]).
+            val created = googleLiteLlm(Gemma4E2B.liteConfig(modelFile, cacheDir))
+            log("llm", "локальный движок готов: ${modelFile.name}")
+            llm = created
             created
         }
     }

app-phone/src/test/kotlin/pw/binom/viewmate/phone/agent/LlmLocalTest.kt

@@ -1,7 +1,7 @@
 package pw.binom.viewmate.phone.agent
 
-import com.google.ai.edge.litertlm.Contents
-import com.google.ai.edge.litertlm.Message
+import pw.binom.litert.LiteMessage
+import pw.binom.litert.LiteRole
 import java.io.File
 import java.io.IOException
 import kotlin.io.path.createTempFile
@@ -47,12 +47,12 @@ class LlmLocalTest {
         // системный промпт = SYSTEM-сообщения (системный параметр не задан)
         assertEquals("Ты Порфирий — голосовой ассистент.", p.systemInstruction)
         // входящее — последнее непустое USER
-        assertEquals("погоди, выключи", p.incoming.text())
+        assertEquals("погоди, выключи", p.incoming.text)
         // история: user, assistant, tool-результат в «Результат тула…» формате
         assertEquals(3, p.initialMessages.size)
-        assertEquals("включи свет", p.initialMessages[0].text())
-        assertEquals("Свет включён.", p.initialMessages[1].text())
-        assertEquals("Результат тула c42: выполнено", p.initialMessages[2].text())
+        assertEquals("включи свет", p.initialMessages[0].text)
+        assertEquals("Свет включён.", p.initialMessages[1].text)
+        assertEquals("Результат тула c42: выполнено", p.initialMessages[2].text)
     }
 
     @Test
@@ -64,7 +64,7 @@ class LlmLocalTest {
         )
         val p = buildLocalLlmPrompt(history, system = "Ты Порфирий.")
         assertEquals("Ты Порфирий.\nконтекст A\nконтекст B", p.systemInstruction)
-        assertEquals("привет", p.incoming.text())
+        assertEquals("привет", p.incoming.text)
         assertTrue(p.initialMessages.isEmpty())
     }
 
@@ -77,10 +77,10 @@ class LlmLocalTest {
             ChatMessage.of(ChatRole.TOOL, "найдено 5", toolCallId = "c7"),
         )
         val p = buildLocalLlmPrompt(history)
-        assertEquals("Результат тула c7: найдено 5", p.incoming.text())
+        assertEquals("Результат тула c7: найдено 5", p.incoming.text)
         // assistant с пустым текстом в историю не попадает
         assertEquals(1, p.initialMessages.size)
-        assertEquals("что в каталоге?", p.initialMessages[0].text())
+        assertEquals("что в каталоге?", p.initialMessages[0].text)
     }
 
     @Test
@@ -90,7 +90,7 @@ class LlmLocalTest {
             ChatMessage.of(ChatRole.ASSISTANT, "здравствуйте"),
         )
         val p = buildLocalLlmPrompt(history)
-        assertEquals("Продолжай.", p.incoming.text())
+        assertEquals("Продолжай.", p.incoming.text)
         assertEquals(2, p.initialMessages.size)
         assertTrue(p.systemInstruction == null)
     }
@@ -105,13 +105,15 @@ class LlmLocalTest {
         val p = buildLocalLlmPrompt(history)
         // пустое user-сообщение отброшено; входящее — «как дела»
         assertEquals(1, p.initialMessages.size)
-        assertEquals("как дела", p.incoming.text())
+        assertEquals("как дела", p.incoming.text)
     }
 
     @Test
-    fun messageTextExtractsTextParts() {
-        val m = Message.user(Contents.of("привет"))
-        assertEquals("привет", m.text())
+    fun liteMessageFactoriesMapRoles() {
+        assertEquals(LiteMessage(LiteRole.USER, "привет"), LiteMessage.user("привет"))
+        assertEquals(LiteMessage(LiteRole.MODEL, "здравствуйте"), LiteMessage.model("здравствуйте"))
+        assertEquals(LiteMessage(LiteRole.SYSTEM, "ты ассистент"), LiteMessage.system("ты ассистент"))
+        assertEquals(LiteMessage(LiteRole.TOOL, "результат"), LiteMessage.tool("результат"))
     }
 
     // ---------- SHA-256 ----------