用途：该技能为 Omi 后端开发提供指导，适用于在 backend/ 目录编写 Python 代码、实现新 API 端点、处理对话或提取记忆、使用 LangGraph 聊天系统，以及集成 Firestore、Pinecone、Redis 时。
主要能力与流程：对话处理管线为音频经 WebSocket（/v4/listen）到达，经 Deepgram/Soniox/Speechmatics 转写，在 Firestore 创建状态为 in_progress 的对话，通过 POST /v1/conversations 或超时触发处理，再由 LLM 提取标题与概览、行动项、日历事件、记忆（用户事实），最后存入 Firestore 与 Pinecone。关键函数为 utils/conversations/process_conversation.py::process_conversation()。记忆提取使用 utils.llm.conversation_processing 的 _extract_memories，类别包括 personal、health、work、relationships、preferences。聊天系统用 LangGraph 路由：requires_context() 分类后走简单路径（直接 LLM 响应）、智能体路径（LangGraph ReAct 智能体，含完整工具访问）或 Persona 路径，关键文件为 utils/retrieval/graph.py。
使用方式：必须遵循导入层级 database/（最低）→ utils/ → routers/ → main.py，低层不得导入高层。数据库方面 Firestore 存对话、记忆、用户，Pinecone 存向量嵌入用于语义搜索，Redis 做缓存（语音档案、已启用应用、用户名），GCS 存二进制文件。API 端点用 FastAPI 路由器，保持 routers 精简、业务逻辑放 utils/，用依赖注入做认证，返回一致错误格式。新增端点需在 routers/*.py 建函数、utils/ 写逻辑、database/ 取数据并注册到 main.py；新增聊天工具需在 utils/retrieval/tools/ 建函数、用 LangChain 的 @tool 装饰器并加入 app_tools.py 的工具加载。
限制：资料未提供安装命令、收费、价格或平台信息；具体实现细节以 docs/ 与 .cursor/rules/ 中的文档为准。