vault backup: 2026-06-12 16:05:34

课题一/AI 视觉对话助手/项目实现/技术选型.md

@@ -192,10 +192,11 @@ func GetWeeklyUsage(ctx context.Context, pool *pgxpool.Pool, userID string) ([]U
 }
 ```
 
-JSONB 查询示例——在对话上下文中搜索包含特定关键词的消息：
+JSONB 包容查询示例——精确匹配 JSONB 子结构：
 
 ```sql
--- 在 messages.content（JSONB）中搜索包含"花"的用户消息
+-- @> 是包容操作符，检查 content 是否包含 {"text": "花"} 这个子结构
+-- 适合"字段精确匹配"场景；若需模糊关键词搜索，应使用 tsvector 全文检索
 SELECT id, content, created_at
 FROM messages
 WHERE role = 'user'
@@ -292,7 +293,7 @@ graph TD
 | **Transformers.js** | Hugging Face 生态，直接跑 HuggingFace 上的模型 | 想快速集成 NLP/CV 预训练模型（如 Whisper、CLIP） |
 
 > [!question] 思考
-> 为什么 ONNX Runtime Web 胜出？项目需要同时跑**两种**轻量模型——VAD 和关键帧检测，这是自定义 pipeline，不是单一 CV 任务。ONNX 是跨框架的通用格式，可以在 Python 端用 PyTorch 训练，导出 ONNX，然后在浏览器用统一引擎加载。TensorFlow.js 被锁死在 TF 生态，MediaPipe 虽然开箱即用但灵活性不够（不能自定义模型逻辑）。**ONNX Runtime 的核心优势是"模型无关"**。
+> 为什么 ONNX Runtime Web 胜出？项目需要同时跑**两种**轻量模型——VAD 和关键帧检测，这是自定义 pipeline，不是单一 CV 任务。ONNX 是跨框架的通用格式，无论模型用什么框架训练，都可以导出为 ONNX 并在浏览器中用统一引擎加载。TensorFlow.js 被锁死在 TF 生态，MediaPipe 虽然开箱即用但灵活性不够（不能自定义模型逻辑）。**ONNX Runtime 的核心优势是"模型无关"**。
 
 ### 语音检测：@ricky0123/vad-web
 
@@ -300,7 +301,7 @@ VAD（Voice Activity Detection）是交互流程的**起始触发器**——用
 
 | 方案 | 特点 | 适用场景 |
 |------|------|---------|
-| **@ricky0123/vad-web** | 基于 WebRTC VAD，2KB，纯前端零延迟 | 只需要"有没有人说话"的二分类判断 |
+| **@ricky0123/vad-web** | 基于 WebRTC VAD，体积极小（~100KB 含 WASM），纯前端零延迟 | 只需要"有没有人说话"的二分类判断 |
 | **Web Audio API + 能量检测** | 用 AnalyserNode 计算音量 RMS，阈值判断 | 极简场景，但抗噪能力差 |
 | **ONNX 跑 Silero VAD** | 神经网络级 VAD，准确率高，但推理开销更大 | 嘈杂环境下需要更精准的检测 |
 | **Picovoice Porcupine** | 商业级唤醒词引擎，支持自定义唤醒词 | 需要"嘿 Siri"式的唤醒词功能 |