# PRD - 多模态视觉理解

> **REQ编号**: REQ-AI-003
> **版本**: v1.0
> **优先级**: P2
> **阶段**: 中期（3-4个月）
> **作者**: 宋献
> **日期**: 2026-07-19

---

## 一、问题陈述

**用户问题**：
- 员工遇到错误弹窗、蓝屏、代码报错等问题时，只能文字描述
- 文字描述往往不准确，AI 难以理解真实问题
- 导致问题解决效率低

**业务目标**：
- 员工上传截图后，AI 自动识别图片内容
- AI 根据图片给出诊断建议或解决方案
- 提升问题一次解决率

---

## 二、需求范围

### 2.1 核心功能

| 功能 | 描述 |
|------|------|
| 图片理解 | 上传截图后，AI 自动识别图片内容 |
| 错误识别 | 自动识别错误码、蓝屏、弹窗、日志等 |
| 诊断建议 | 根据图片内容给出诊断建议 |
| 多图支持 | 支持一次上传多张图片 |

### 2.2 非目标

- 不支持视频理解
- 不支持语音理解（后续迭代）
- 不支持图片编辑/标注

---

## 三、用户故事

| 角色 | 用户故事 | 验收标准 |
|------|----------|---------|
| 员工 | 我可以上传问题截图获取帮助 | 上传截图后，AI 自动分析并给出建议 |
| 员工 | 我可以一次上传多张图片 | 最多支持 4 张图片同时上传分析 |
| 坐席 | 我可以看到用户上传的图片 | 图片作为消息展示，点击可放大 |

---

## 四、功能详情

### 4.1 交互流程

```
员工上传图片 → AI视觉模型分析 → 识别问题类型 → 生成诊断建议 → 返回给用户
```

### 4.2 支持的图片类型

| 类型 | 示例 |
|------|------|
| 错误弹窗 | "连接失败"、"权限不足" |
| 蓝屏/黑屏 | Windows BSOD、系统崩溃 |
| 代码报错 | 编译器错误、运行时异常 |
| 日志截图 | 应用日志、服务器日志 |
| UI异常 | 界面显示异常、布局错乱 |

### 4.3 返回格式

```json
{
  "image_description": "Windows 10 蓝屏，错误代码 DRIVER_IRQL_NOT_LESS_OR_EQUAL",
  "problem_type": "系统崩溃",
  "diagnosis": "可能是驱动程序不兼容导致",
  "suggestions": [
    "尝试重启计算机",
    "检查最近安装的驱动程序",
    "使用系统还原恢复"
  ],
  "confidence": 0.85
}
```

### 4.4 技术方案

- 调用视觉大模型 API（如 GPT-4V、Claude Vision）
- 图片先压缩再发送，控制成本
- 支持主流图片格式：JPG、PNG、GIF、BMP

---

## 五、指标设计

| 指标 | 目标 | 测量方式 |
|------|------|---------|
| 图片理解准确率 | ≥ 75% | 识别结果被标记正确的比例 |
| 平均响应时间 | ≤ 5s | 上传图片到返回结果的时间 |
| 用户满意度 | ≥ 4.0 | 用户对AI理解结果的评价 |

---

## 六、技术依赖

| 依赖项 | 说明 |
|--------|------|
| 视觉大模型 API | 图片理解能力 |
| 文件上传服务 | REQ-用户-002 |

---

## 七、关联文档

- 前置需求: REQ-用户-002 文件上传
- 后续需求: 无