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，以文字和语音形式给出自然回应。
文档索引
| 文档 | 说明 |
|---|---|
| 01-架构设计 | 系统架构、技术栈、模块设计、数据库、部署架构（含 Mermaid 图） |
| 02-接口文档 | WebSocket 协议、REST API、AI 服务层、编排器、Session Manager、配置管理、数据模型、错误码 |
| 03-技术选型 | 各技术的选型对比与决策理由 |
| 04-用户故事 | P0/P1/P2 用户故事、验收标准 |
| 05-语音交互 | VAD → STT → LLM → TTS 全链路、延迟优化 |
| 06-视觉理解 | 帧采样策略、图像编码、多模态 LLM 输入机制 |
| 07-成本控制 | 智能采样、端云协同、模型分级、缓存复用 |
| 08-功能创意 | 未来功能创意清单 |
| 09-技术名词解释 | 前端/后端/AI 服务技术名词简明解释 |
推荐阅读顺序
- 01-架构设计 — 理解三层架构、技术栈和模块全貌
- 02-接口文档 — 前后端通信契约，实现时的最高依据
- 03-技术选型 — 了解为什么选这些技术
- 04-用户故事 — 明确功能优先级
- 05~07 — 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