项目名称：智能影记 - Memoria
团队名称：Mnemosyne
时间：2026.04.06 - 2026.04.12 (实训第四周)
当前阶段：Phase 3 (语义编导与 AIGC 初探)

---

一、 本周工作概述：让数据产生“温度”

在过去的几周里，Memoria 团队完成了底层 Isar 数据库的搭建、相册的极速扫描过滤以及双重打标（视觉 + OCR）。但仅仅把照片存起来并贴上标签并不是我们的最终目标。

本周，团队的重心从“数据存储”向“数据应用”转移。我们开始基于已有的元数据矩阵（时间戳、地理坐标、多维标签），为用户提供具备情感价值的上层交互。本周成功落地了两大核心模块：

1. 智能回忆推荐引擎：实现“往年今日”、“场景聚合”、“地点回顾”等个性化推送（UI首页动态展示）。
2. 多模态叙事生成器：通过提取多图特征构建复杂的 Prompt 工程，调用云端大模型自动为相册生成旁白剧本与配乐提示词。

---

二、 智能回忆推荐引擎：让美好主动“浮现”

传统的相册是一个冷冰冰的文件管理器，而“智能影记”的使命是成为用户的“回忆管家”。本周前端团队在 HomePage (首页) 重构了“发现”模块，抛弃了静态 Mock 数据，编写了一套基于规则的本地推荐策略。

2.1 推荐策略设计

由于所有运算都在本地 Isar 数据库中完成，我们设计了轻量级、不耗费网络资源的三层渐进式推荐规则：

• 规则 1：时间策略。系统会动态感知当前日期。如果是 12 月底或 1 月初，会触发“年度总结”；如果到了月末，会触发“月度回顾”；日常情况则会匹配历史上同月同日的照片（往年今日）。
• 规则 2：内容画像策略。利用前期 AI 打上的标签进行归类。当本地图库中出现大量带“猫/狗”标签的照片时，触发“萌宠心动瞬间”卡片；带“美食/餐厅”标签时，触发“我的美食日记”。
• 规则 3：地点保底策略。当上述规则均未命中时，系统会按城市（如 city == '青岛市'）进行聚合回顾。

2.2 核心代码实现

得益于 Isar 的链式过滤语法，这套复杂的查询引擎在本地执行仅需毫秒级。以下是“时间策略（往年今日）”的核心片段：

// 截取自 home_page.dart -> _buildTimeRuleCard
Future<Map<String, dynamic>?> _buildTimeRuleCard(Isar isar, DateTime now) async {
  List<PhotoEntity> historyPhotos = [];
  int historyYear = now.year;
  
  // 向上追溯 5 年的今天
  for (int i = 1; i <= 5; i++) {
    final start = DateTime(now.year - i, now.month, now.day).millisecondsSinceEpoch;
    final end = DateTime(now.year - i, now.month, now.day, 23, 59, 59).millisecondsSinceEpoch;
    
    // 利用 Isar 的时间戳过滤进行极速匹配
    final photos = await isar.photoEntitys
        .filter()
        .timestampBetween(start, end)
        .findAll();
        
    if (photos.isNotEmpty) {
      historyPhotos.addAll(photos);
      if (historyYear == now.year) historyYear = now.year - i;
    }
  }
  
  // 生成可供 UI 渲染的卡片数据
  if (historyPhotos.length >= 3) {
    return _createCard(
      '那年今日',
      '梦回 $historyYear 年的今天',
      '时光机',
      Colors.orange.shade50,
      Colors.orange.shade300,
      Icons.history,
      historyPhotos.take(20).toList(),
    );
  }
  return null;
}

---

三、 多模态叙事生成器：AI 化身“金牌编剧”

推荐出照片只是第一步，本周最具挑战的突破是将这些离散的照片“串联成故事”。这就是 StoryService 的核心职责。

3.1 跨模态特征提取与洗脱

当用户选中一组照片准备生成故事时，系统首先要解决的是：如何让只能处理文本的大模型“看懂”这组照片？
我们在客户端对选中的多图进行了降维打击：

1. 提取每张照片的高频视觉标签（AI Tags）。
2. 将照片中的文字（OCR Tags 与 OCR Highlights）提炼出来。
3. 计算该组照片的平均欢乐值（Joy Score）与总体时空信息。

3.2 终极 Prompt 工程：铁血约束与结构化输出

为了防止大模型过度“脑补剧情”或产生幻觉，我们在 LLMService 中编写了极其严苛的 Prompt。我们强制要求模型绝对服从客观素材提炼，并直接输出带 ![img](i) 占位符的结构化剧本：

// 截取自 llm_service.dart -> generateStoryAndMusic 的 Prompt 设计
final prompt = '''
你现在是一位拥有百万粉丝的爆款短视频导演兼金牌编剧。
请严格基于以下【真实的画面素材记录】，构思短视频/Vlog的剪辑思路和旁白脚本。

【既定背景与要求】
- 整体时空：$date · $location
- 照片总数：$photoCount 张
- 灵感词汇：${tags.join(', ')}
- OCR 文本线索：${ocrHighlights.join('；')}
- 欢乐指数：${joyScore.toStringAsFixed(2)} / 1.0

【🎬 真实镜头分镜表（绝对不许篡改或推测）】
$photoDetails

【硬性约束】
- 禁止把零散 OCR 词语脑补成“采购员、房主、未婚妻、套路”等角色设定。
- 如果镜头描述中出现“屏幕、课件、聊天”，必须按文档内容处理，禁止写成剧情。

请按照以下结构输出：
【一、 素材内容提炼】
【二、 备选故事脚本】(必须包含所有照片的 ![img](i) 占位符以供后续渲染)
【三、 成片风格总结】
''';

3.3 MusicGen 专属配乐提示词生成

除了文字，我们还为后续的 AI 音乐合成铺平了道路。通过额外提取照片风格（如阳光、旅行、忧郁等），LLM 会自动撰写一句符合 Meta MusicGen 规范的纯英文配乐提示词（如：Seamless loop, upbeat acoustic pop, sunny travel vlog vibe, 120 bpm.），为下一步生成视频做足了听觉准备。

---

四、 本周总结与下周展望

本周，团队跳出了底层数据的泥沼，向用户展示了“智能相册”真正的业务价值。通过本地规则引擎实现了千人千面的回忆推荐，又利用精密的 Prompt 工程打通了从图片集到结构化剧本的 AIGC 生成流。

下周（Phase 3 冲刺阶段）工作重点：

1. 端侧向量引擎并网：底层负责的 C++ MobileCLIP 端侧转换已进入尾声，下周我们将彻底替换掉现有的文字搜索，正式上线全本地、多模态的向量空间检索（V2 版搜索）。
2. 视频合成管线预研：有了本周生成的带占位符的脚本，我们将探索在 Flutter 侧整合图片与本地/云端音频流，尝试进行初步的视频帧渲染。

Memoria 的故事线已经展开，敬请期待下周的技术突破。