hhs
87b6407e2e
- 03-接口文档: 新增第三章 AI 服务层接口（STT/LLM/TTS 三个 Service interface + 接入约定） - 03-接口文档: 新增第四章 AI 编排器（句子级流式并行策略、Orchestrator 实现、错误降级表） - 03-接口文档: 锁定 tts_audio 音频格式为 audio/mpeg（MP3 24kHz），新增前端 AudioPlayer 播放方案 - 02-系统架构: 更新 Orchestrator 代码为句子级流式并行实现 - README.md: 更新 03-接口文档描述，补充 AI 服务层和编排器关键词
28 lines
1.7 KiB
Markdown
28 lines
1.7 KiB
Markdown
# 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 |
|
||
|------|------|
|
||
| [01-项目概述](01-项目概述.md) | 项目目标、核心挑战、交付物 |
|
||
| [02-系统架构](02-系统架构.md) | 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 |
|
||
| [03-接口文档](03-接口文档.md) | WebSocket 协议、REST API、**AI 服务层接口（STT/LLM/TTS）**、**编排器设计**、数据模型、错误码、连接管理（**实现时首先阅读**） |
|
||
| [04-技术选型](04-技术选型.md) | 持久化层（PostgreSQL）和前端边缘处理层的选型对比与决策理由 |
|
||
| [05-用户故事](05-用户故事.md) | P0/P1/P2 用户故事、验收标准、优先级决策依据 |
|
||
| [06-语音交互](06-语音交互.md) | VAD → STT → LLM → TTS 全链路、延迟优化 |
|
||
| [07-视觉理解](07-视觉理解.md) | 帧采样策略、图像编码、多模态 LLM 输入机制 |
|
||
| [08-成本控制](08-成本控制.md) | 智能采样、端云协同、模型分级、缓存复用 |
|
||
| [09-技术名词解释](09-技术名词解释.md) | 前端/后端/AI 服务技术名词简明解释 |
|
||
|
||
## 推荐阅读顺序
|
||
|
||
1. **01-项目概述** — 了解项目目标
|
||
2. **02-系统架构** — 理解三层架构和技术栈全貌
|
||
3. **03-接口文档** — 前后端通信契约，实现时的最高依据
|
||
4. **04-技术选型** — 了解为什么选这些技术
|
||
5. **05-用户故事** — 明确功能优先级
|
||
6. **06~08** — 各技术领域的详细设计
|
||
7. **09-技术名词解释** — 遇到不熟悉的名词时查阅
|