Simon
facc04aa65
本提交为 .git 对象库损坏后的重建提交，内容等价于原先三个本地提交 （5e2fd4c2 / 57a53c98 / 5d7e1873）的累积结果，未做任何额外改动。 一、docs 结构整改（整改 #14） 根因：重构时新结构为 untracked 文件，执行 git stash（未带 -u）未纳入， 随后 git reset 拉回 HEAD 旧 tracked 树，导致旧树复活、新旧两棵目录 树并存于 docs/，共 791 文件、双分类体系冲突。 修复动作： - b2 同名异主题文件改名迁移保全 9 个 - C 类 39 个孤立文件按主题正确归类 - A/B1 类 222 个重复文件删除（新结构已有内容副本） - 9 个旧独有空目录删除 - 270 处内部引用按 verified 映射改写 - 整改记录 #14 登记于 04-运维文档/部署运维 结果：docs 791 → 569 文件，顶层仅规范 8 类 + 治理文件，单树恢复。 残留：约 20 处指向从未存在文件的陈旧死链，归入独立文档卫生任务。 二、compose 双目录对齐（消除踩坑 A） - docker-compose.yml：nginx 前端挂载全部由根目录 frontend-*/dist 改为 src/frontend-*/dist（h5 / agent / admin / terminal） - docker-compose.dev.yml：dev 服务 build context 与卷同步改 src/ - 效果：本地 docker compose up 不再把根目录 stale dist 挂回， 与线上一致，分叉隐患消除（已 docker compose config 校验通过） 防复发铁律： - 重构须提交；仓库修复须 git stash -u 或先 commit - 新结构须 git add 并提交，避免再次 untracked 复活 - H5 改动只动 src/frontend-h5/，禁改根目录遗留 frontend-*/
2.9 KiB
2.9 KiB
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
{
"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