项目名称： 智能影记 - Memoria
团队名称： Mnemosyne
时间： 2026.05.11 - 2026.05.17
当前阶段： Phase 5 (体验打磨与多端集成)

一、 本周工作概述：让应用走向成熟

在过去的几周里，我们成功打通了从图片扫描、语义理解到最终 FFmpeg 视听合成的完整底层管线。随着核心技术链路的闭环，本周团队的开发重心从“搭骨架”转向了“丰血肉”。

本周，团队兵分多路，在以下三个维度取得了重要突破：

1. 苹果生态跨平台移植：成功将应用适配至 iOS 平台，实现真正的跨生态运行。

2. 多媒体视听特效扩充：利用 Flutter 原生绘制能力，新增了故障风（Glitch）、呼吸云边（Cloud Border）等电影级动态/静态滤镜。

3. 记忆助理上线：在客户端引入全局悬浮窗，打造了能够与用户进行自然语言交互并联动本地相册的 AI 智能助手。

二、 平台跨界：iOS 生态移植与硬件加速适配

“智能影记”的初衷是让更多用户享受智能化的回忆管理，因此跨平台支持是我们的核心考核指标之一。本周，负责后端与跨平台的同学成功将项目完整移植到了苹果生态（iOS/iPadOS）。

在移植过程中，团队主要攻克了以下技术难点：

1. 底层 C++ 库交叉编译：原先在 Android 端运行的 NCNN 和 ONNX 动态链接库（.so），在 iOS 端需要重新交叉编译为 .framework。我们修改了 CMakeLists 与编译脚本，确保了 Flutter FFI 在 iOS 端依然能以 < 5ms 的延迟调用底层视觉大模型。

2. VideoToolbox 硬件编码：针对视频导出模块，我们将 Android 端的 MediaCodec 硬件加速管线无缝切换至 iOS 的 VideoToolbox。凭借 Apple Silicon 芯片强大的多媒体处理能力，iOS 端 1080P 卡点视频的导出速度甚至比预期更快。

3. 权限与沙盒机制：重构了文件读取逻辑，适配了 iOS 严苛的相册权限申请（PhotoLibrary 授权）与应用沙盒机制，确保了本地图库扫描的合规与稳定。

三、 视觉升维：Shader 级别的原生动效实现

为了让生成的卡点视频更具“大片感”，我们抛弃了常规的静态图片切换，而是直接在 Flutter 渲染树中手写了一套高性能的特效组件库。得益于上周建立的 RepaintBoundary 内存抓轨管线，这些特效无需后期处理，在渲染时即可被直接录制！

1. 故障风（Glitch Effect）与 RGB 色差偏移

通过 Transform.translate 与 ColorFiltered 的巧妙结合，我们在 Flutter UI 层完美复刻了 GLSL Shader 中的 Chromatic Aberration（色差）效果：

// 截取自 glitch_effect.dart
// 🟥 红色通道偏移 (向左移)，模拟画面撕裂与色散
if (intensity > 0.05)
  Transform.translate(
    offset: Offset(-rgbOffset, 0), // rgbOffset 随节拍能量值波动
    child: Opacity(
      opacity: 0.4 * intensity.clamp(0.0, 1.0),
      child: ColorFiltered(
        colorFilter: const ColorFilter.mode(
          Colors.red,
          BlendMode.modulate,
        ),
        child: child, // 原始图片帧
      ),
    ),
  ),

结合随机生成的横向条带裁剪，当音乐遇到重鼓点时，画面会产生极具冲击力的赛博朋克撕裂感。

2. 静态电影滤镜（Vignette & Film Grain）

利用 RadialGradient 实现了镜头暗角，并将视觉中心聚焦于画面主体；利用 ShaderMask 实现了复古胶片噪点。这些滤镜让普通的手机随手拍瞬间拥有了王家卫电影般的质感。

四、 AI Agent 交互：会聊天的“记忆管家”

这是本周产品体验上的最大飞跃。相册不应该只是一个“死板的仓库”，而应该是一个“能懂你的朋友”。我们开发了全局悬浮的 MemoryAssistantOverlay，点击即可唤出智能聊天界面。

1. Agent 工具调用（Tool-use）：跨越自然语言与本地 SQL
   我们接入了 DeepSeek 大模型，并设计了一套极其精妙的 System Prompt，赋予了 AI “调用本地搜图工具”的能力。当用户说“我想看看去年在海边玩的照片”时，AI 不仅会像人类一样聊天，还会输出特定的 JSON 指令：

// 截取自 chat_service.dart 核心系统提示词
static const String _systemPrompt = '''
你叫 Memoria，是一个极具同理心、文艺且专业的“生活记忆导演”。
[核心工作流]：
1. 如果用户只是闲聊，用像“王家卫电影旁白”一样温暖富有诗意的语言回复。
2. 如果用户的输入表达了寻找照片的意图，你必须在回复文案的末尾，附加一个严格格式的 JSON 指令。
[动作指令规范]：
如果需要帮用户找照片，请以独立的一行输出：
[ACTION_START] {"search": "提取出的核心搜索词"} [ACTION_END]
例如用户说："我想看海边的照片"，你的回复应为：
"海风总是能带走烦恼，让我们一起重温那些蔚蓝色的回忆吧。[ACTION_START] {"search": "海边, 沙滩"} [ACTION_END]"
''';

在 ChatPage 中，前端利用正则表达式精准拦截 [ACTION_START]…[ACTION_END]，并在后台静默调用端侧本地的 Isar 向量检索引擎，最终将找出的照片列表直接渲染在聊天流中！

2. 聊天历史本地持久化
   为了保护隐私并支持离线查阅，我们设计了 ChatMessage 数据模型，利用 Isar 数据库将用户的聊天记录、搜索关键词以及匹配到的本地图片路径进行持久化存储。用户甚至可以像回顾微信聊天记录一样，翻阅以往和 AI 一起找出的相册回忆。

五、 本周总结与下周展望

本周，Memoria 从一个“单向的工具”进化为了“跨平台、双向互动的 AI 智能体”。iOS 平台的成功运行证明了团队架构的鲁棒性，而动态特效库与 AI 助理的加入，极大拔高了产品的商业想象空间。

下周工作预告：
下周我们将迎来实训的最后冲刺期，重点任务包括：

1. 多线程性能优化：解决生成视频过程中的前台阻断问题，完善 Offscreen Render Worker 离屏渲染机制。

2. 多端功能测试与修复：进行全面的发热、内存压力测试，修复跨平台 UI 适配问题。

3. 准备结项与交付：全面打磨产品细节，撰写完整的测试报告与使用手册。

Memoria 即将迎来最终版本，敬请期待！