Files

hhs 032de796c8 docs: 重构文档结构，规范编号并整合冗余内容

## 主要变更

### 文档重构（减少 1199 行，-23%）
- 01-架构设计.md: 503→369 行 (-27%)，删除 DDL/配置示例，精简鉴权/存储描述
- 02-接口文档.md: 1313→570 行 (-57%)，删除 Go 接口/Orchestrator 实现/配置管理
- 07-成本控制.md: 65→59 行 (-9%)，代码块替换为文件引用

### 文档编号规范化
- 08-功能创意.md → 删除（内容整合到 README.md "功能扩展方向"）
- 10-Eino框架与编排设计.md → 08-Eino框架与编排设计.md
- 情景切换.md → 09-情景切换.md
- 12-鉴权体系.md → 10-鉴权体系.md
- 13-令牌桶限流.md → 11-令牌桶限流.md

### 交叉引用更新
- 01-架构设计.md: 更新对鉴权体系/令牌桶限流的引用为新编号
- README.md: 更新文档索引表、推荐阅读顺序、新增功能扩展方向

### 删除过时文档
- 09-技术名词解释.md（内容已整合到 03-技术选型.md）
- 10-Eino重构方案.md（历史记录，已完成）
- 11-Eino框架技术文档.md（已合并到 08）
- 情景切换功能完整文档.md（已规范化为 09）

## 重构原则
- 架构文档聚焦系统结构，移除实现细节
- 接口文档保留纯契约，删除内部实现
- 编号连续（01-11），语义清晰
- 通过交叉引用连接相关文档，避免重复

2026-06-21 14:48:03 +08:00

2.9 KiB

Raw Blame History

成本控制

概述

实时视频流 + 多模态 LLM 推理的成本极易失控。从视觉链路、语音链路、推理链路三个维度梳理成本控制策略，核心思想是端云协同——将适合的计算前置到客户端，降低对云端 API 的依赖。

成本对比：优化前（1fps 全量发送）vs 优化后（0.2fps + 端侧筛选 + 模型分级）→ 月成本从 $5000 降至 $300~500，降幅约 90%。

成本构成

总成本
├── 视觉链路：图像编码与传输、视觉 token 消耗
├── 语音链路：STT 按分钟计费、TTS 按字符计费
└── 推理链路：LLM 输入 tokens、LLM 输出 tokens

假设：10 分钟/天/用户，1fps，每次 1000 tokens → 一天 60 万 tokens。1000 用户时成本不可控。

策略一：智能采样——少发图，发好图

策略	降本幅度	实现复杂度	说明
提高采样间隔	高	低	从 1fps 降到 0.2fps
关键帧过滤	中	中	画面不变时不发送
用户触发	高	低	只在用户提问时拍照
本地预筛选	中	高	用轻量模型判断"是否值得问 LLM"

实现细节：参见 frontend/src/lib/sampling.ts 中的 SamplingController，根据 VAD 状态在空闲模式（5s/帧）和活跃模式（1s/帧）之间切换。

策略二：端云协同——把计算推到边缘

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（待实现）：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（待实现）：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（待实现）

不是每个问题都需要最贵的模型：

用户提问 → 问题复杂度判断
  ├── 简单识别 → 轻量模型（如 qwen-turbo）
  ├── 深度分析 → qwen3-vl-plus（默认，按量计费）
  └── 代码/推理 → 更强模型（如 o1）

当前 MVP 阶段使用单一模型（默认 DashScope qwen3-vl-plus），模型分级路由为未来优化方向。LLM 通过 Eino ChatModel 接入，支持任何 OpenAI 兼容接口。

策略四：缓存与复用（待实现）

语义缓存（待实现）：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

2.9 KiB Raw Blame History Unescape Escape