一、 小组人员与分工

本阶段，小组各成员围绕“文澜知微”项目核心功能，进行了明确分工，并行推进了多个模块的开发。

二、 各部分详细进展

1. 时空可视化基座 (负责：陈秋华)

• 数据建设：已完成从哈佛大学Dataverse平台的数据采集，并通过Python脚本清洗、合并，成功将复杂的Shapefile数据转换为可供前端高效加载的 GeoJSON 和时间索引文件。

• 核心功能：地图组件实现了地名按朝代、年份的动态展示与筛选，支持时间轴拖动、朝代快速切换和地名详情查看。

• AI 融合：创新性地在地图组件中集成了DeepSeek AI问答面板，能结合当前地图的“时空上下文”回答用户关于历史事件、人物的问题，初步实现了“图-文-AI”的联动。

2. 核心业务闭环构建 (负责：秦玮悦)

• 模块实现：完成了搜索、收藏、历史记录三个紧密相关的功能模块。用户可搜索古籍、收藏书籍、并自动记录阅读进度与历史。

• 体验优化：

  • 实现了人性化的历史记录按“今天/昨天/更早”分组展示。

  • 解决了“同本书多次记录刷屏”和“章节跳转错误”等影响用户体验的关键问题。

  • 在详情页实现了“开始阅读”与“继续阅读”的智能按钮切换，打通了从记录到续读的流程。

• 架构规范：通过引入 @Transactional 注解解决了高并发下的数据一致性问题，为后续开发树立了规范。

3. AI 历史人物对话优化 (负责：蔺涵霖)

• 技术路线验证：通过对SFT微调和DeepSeek原生API的对比测试，确定了“以强大的Prompt工程为核心，以公开数据集为知识补充”的优化路线，保证了对话的自然度和沉浸感。

• Prompt 架构设计：设计了一套层次分明的Prompt体系。首先通过角色画像生成Prompt输出结构化的JSON角色设定；再通过群聊对话Prompt控制多角色在特定场景下进行符合身份的发言，确保角色区分度和历史严谨性。

• “AI+数据”双引擎：引入CBDB公开历史人物数据库作为兜底。当AI对生僻人物生成不完整时，系统自动从SQLite数据库中补充可靠史料，有效解决了“模型幻觉”问题，提升了角色创建的稳定性和覆盖率。

三、 项目总结与展望

3.1总结

本阶段，小组采用“分模块并行开发”的高效模式，完成了项目从“0到1”的基础构建。我们不仅实现了古籍阅读、历史地图可视化与历史人物AI对话三大核心功能，更重要的是探索并确立了“前端交互为体，AI大模型为用，公开数据为基”的项目核心架构。这种架构保证了系统的趣味性、智能性与知识严谨性的统一。

3.2下阶段规划：

根据各模块的开发日志，下阶段我们将聚焦于功能的深化与串联：

1. TTS语音朗读：引入语音技术，为用户提供更沉浸的古籍听读体验。

2. AI智答模块：计划实现多模型切换、对话历史管理等更全面的AI交互功能。

3. “人物-地图”联动：着手开发历史人物轨迹功能，将组员A的地图能力与组员C的人物数据结合，让用户能在动态地图上直观感受历史人物的一生，最终形成完整的“历史地理可视化系统”。