hhs
dca37f3e48
- 02-系统架构: Redis/PostgreSQL 标注已实现，模块表新增 Auth/Store/Migrations，更新表设计和前端组件 - 03-接口文档: config 新增 scenario 字段，Manager 接口补全 UpdateTitle/ListByUser，配置结构体同步，扩展接口替换为实际 Repository - 04-技术选型: 持久化层标注已实现 - 06-语音交互: TTS Voice 更正为 mimo_default - 11-持久化与用户系统设计: 所有 Phase 标记完成 - PLAN_BACKEND/PLAN_USER_MODULE: 标记完成状态 - README: 新增实现状态总览，补充文档索引
3.3 KiB
3.3 KiB
CamTalk 设计文档
CamTalk 是一款多模态实时 AI 视觉对话助手。用户通过摄像头和麦克风与 AI 交互，AI 理解视觉场景和语音输入后给出自然回应。
文档索引
| 文档 | 说明 | 状态 |
|---|---|---|
| 01-项目概述 | 项目目标、核心挑战、交付物 | ✅ 与代码一致 |
| 02-系统架构 | 三层架构、技术栈、核心交互流程、前后端模块、存储策略、部署架构 | ✅ 已更新 |
| 03-接口文档 | WebSocket 协议、REST API、AI 服务层接口、编排器设计、Session Manager、配置管理（Viper）、数据模型、错误码、连接管理（实现时首先阅读） | ✅ 已更新 |
| 04-技术选型 | 持久化层（PostgreSQL）、认证系统和前端边缘处理层的选型对比与决策理由 | ✅ 已更新 |
| 05-用户故事 | P0/P1/P2 用户故事、验收标准、优先级决策依据 | ✅ 与代码一致 |
| 06-语音交互 | VAD → STT → LLM → TTS 全链路、延迟优化 | ✅ 与代码一致 |
| 07-视觉理解 | 帧采样策略、图像编码、多模态 LLM 输入机制 | ✅ 与代码一致 |
| 08-成本控制 | 智能采样、端云协同、模型分级、缓存复用 | ✅ 与代码一致 |
| 09-技术名词解释 | 前端/后端/AI 服务技术名词简明解释 | ✅ 与代码一致 |
| 10-功能创意 | 未来功能创意清单 | 📋 愿景 |
| 11-持久化与用户系统设计 | 用户认证、JWT、对话持久化的完整设计方案 | ✅ 已全部实现 |
| PLAN_BACKEND.md | 后端 AI 管道构建计划（Session Manager → AI 服务 → Orchestrator） | ✅ 已全部完成 |
| PLAN_USER_MODULE.md | 后端用户模块构建计划（Auth → 对话 CRUD → 消息持久化） | ✅ 已全部完成 |
推荐阅读顺序
- 01-项目概述 — 了解项目目标
- 02-系统架构 — 理解三层架构和技术栈全貌
- 03-接口文档 — 前后端通信契约，实现时的最高依据
- 04-技术选型 — 了解为什么选这些技术
- 05-用户故事 — 明确功能优先级
- 06~08 — 各技术领域的详细设计
- 09-技术名词解释 — 遇到不熟悉的名词时查阅
- 11-持久化与用户系统设计 — 用户认证和持久化的详细设计
实现状态总览
前后端代码已全部实现，无 TODO/FIXME 桩代码。后端约 122 个测试函数覆盖所有模块。
| 层级 | 状态 | 说明 |
|---|---|---|
| 前端 | ✅ 已完成 | 10 个组件、3 个 Hook、10 个库模块、i18n 三语言 |
| 后端 AI 管道 | ✅ 已完成 | STT/LLM/TTS 多 provider、Orchestrator 流式并行 |
| 后端用户系统 | ✅ 已完成 | JWT 认证、用户注册登录、对话 CRUD、消息持久化 |
| 后端存储层 | ✅ 已完成 | Memory + PostgreSQL + Redis 三种实现 |
| 数据库迁移 | ✅ 已完成 | 3 个版本化迁移脚本，嵌入式自动执行 |
| Model Router | 📋 规划中 | 按问题复杂度选择模型 |
| Rate Limiter | 📋 规划中 | 令牌桶限流 |