# 用户故事

## 概述

用户故事按**优先级分层**，标注哪些属于 MVP 范围、哪些可后续迭代。

## 核心用户故事列表

### P0 - MVP 必做

| 编号 | 用户故事 | 验收标准 |
|------|---------|---------|
| US-01 | 对着摄像头提问"这是什么"，AI 能识别画面中的物体并回答 | 准确识别常见物体，响应 < 3s |
| US-02 | 用语音与 AI 对话，无需打字 | VAD 准确检测语音，STT 准确率 > 95% |
| US-03 | AI 能"看到"摄像头拍到的画面 | 每次提问时自动捕获当前帧 |
| US-04 | AI 用语音回答，而不仅是文字 | TTS 自然流畅，延迟 < 1s |

### P1 - 增强体验

| 编号 | 用户故事 | 验收标准 |
|------|---------|---------|
| US-05 | AI 能持续"看着"画面，主动提示重要变化 | 关键帧检测 + 主动推送 |
| US-06 | AI 能读出画面中的文字（OCR） | 中英文混合识别准确率 > 90% |
| US-07 | 连续对话时 AI 能记住上下文 | 支持多轮对话，上下文窗口 > 10 轮 |

### P2 - 进阶探索

| 编号 | 用户故事 | 验收标准 |
|------|---------|---------|
| US-08 | 视障用户：AI 描述周围环境并提示障碍物 | 实时环境描述 + 安全警告 |
| US-09 | AI 翻译画面中的外语内容 | 支持主流语言实时翻译 |
| US-10 | 切换 AI 的"观察模式"和"对话模式" | 一键切换，模式状态清晰可见 |

## 用户旅程示例（US-01）

```
用户打开应用, 授权摄像头
  → 启动摄像头预览
  → 对着花朵说 "这是什么花"
  → VAD 检测语音结束
  → 捕获当前帧 + STT 识别
  → 发送图像 + "这是什么花" 到 LLM
  → LLM 返回 "这是一朵红色的玫瑰..."
  → TTS 合成语音
  → 播放语音回答
```

> "响应 < 3s"这个验收标准约束了整条链路——帧采样、网络传输、LLM 推理、TTS 合成都必须在这个预算内完成。用户故事的价值：**用体验目标倒推技术方案**。

## 优先级决策依据

用两个维度交叉评估：
- **用户价值**：这个功能对用户有多大帮助？
- **实现成本**：需要多少开发工作量和 API 调用成本？

P0 = 高价值 + 合理成本（MVP 必须有）
P1 = 高价值 + 较高成本（第二版加入）
P2 = 探索性（验证后再投入）