日期：2026 年 5 月 4 日—— 5 月 17 日

项目：绘画 AI 博弈小游戏 —— 人机对抗绘画猜词与心理解读系统 

一、本周工作概述

本阶段团队聚焦于三大核心任务：绘画行为数据采集系统（前端）、AI 识别与心理报告联调（全链路）、以及画风建模与档案系统（后端）

二、绘画行为数据采集系统开发与调优

本阶段完成了前端绘画行为数据采集模块的设计与实现，为画风建模与心理分析提供统一、标准的数据支撑。

2.1 行为数据指标体系设计

基于绘画心理学理论，确定10 项核心采集指标，每项指标均具备明确的心理投射意义，包括笔触数量、平均笔速、拐点密度、绘画时长、撤销次数、橡皮擦使用次数、画布覆盖率、对称性得分、留白比例、用色数量。

2.2 前端实时采集实现

在 DrawingBoard 画板组件中集成实时采集逻辑：

• 笔触速度计算与方向拐点检测
• 撤销、橡皮擦使用次数统计
• 颜色使用记录
• 画布像素分析，自动计算覆盖率、对称性、留白比

2.3 数据格式与上报流程

设计与后端 drawing_behaviors 表完全对齐的数据结构，绘画完成后通过 getBehaviorData() 导出标准格式数据，并通过 WebSocket 发送至后端入库，为后续特征分析提供数据源。经多组测试用例验证，指标采集误差低于 5%，满足系统精度要求。

---

三、画风建模后端支持 —— 数据库与 API 设计

完成画风建模系统后端全栈实现，让 AI 可依据玩家历史绘画习惯动态优化识别策略。

3.1 数据库设计

新增 player_style_profiles 画风档案表，采用版本链存储模式，每次更新自动递增版本号，完整保留玩家画风演变轨迹，支持前端展示画风进化曲线。

3.2 特征聚合与标签生成

从多局绘画行为中聚合笔速、速度方差、画面覆盖率、对称性等量化指标，并依据心理学理论派生 “快笔型、大胆构图、节奏多变、自由构图” 等风格标签，形成可解释、可计算的画风特征体系。

3.3 DeepSeek‑V3.2 后端接入

完成大模型 API 封装、Prompt 构建、结果解析流程，实现从量化特征到自然语言画风档案的自动生成。系统具备三级容错降级机制，在网络异常、API 超时情况下自动切换模板生成方案，保证系统高可用。

3.4 接口与性能优化

提供画风档案查询 API，支持获取最新档案及历史版本列表；通过数据库索引优化高频查询，特征聚合计算耗时低于 10ms；采用异步后台任务刷新档案，不阻塞游戏主流程。

---

四、AI 识别与心理报告联调实战

完成 AI 视觉识别与心理报告系统的全链路联调，实现端到端可用的智能分析能力。

4.1 AI 识别全链路打通

构建完整调用流程：前端绘图 → Canvas 转 Base64 → WebSocket 传输 → 后端接收 → AI 识别 → 结果存储与广播。系统支持智谱 GLM-4V、通义千问 VL、Mock三种识别模式，可通过配置灵活切换。

4.2 AI 响应性能测试

对各平台模型进行响应时间统计，采用异步调用与超时控制策略，确保游戏流程流畅不卡顿。

4.3 心理报告生成与展示

基于18 条心理学规则搭建规则评分引擎，从行为数据中计算情绪状态、压力指数、专注度、创造力、自信心、耐心度、社交倾向 7 个维度分数，完成雷达图前端渲染与响应式页面验证，实现可视化心理报告展示。

4.4 系统测试验证

完成 10 组核心测试用例，覆盖绘画识别、情绪判定、压力分析、创造力评分、超时降级、雷达图展示等场景，所有用例均通过，系统稳定可用。

---

五、本周总结

本周团队完成三大里程碑：

1. 标准化行为数据采集：前端 10 项绘画指标实时采集与像素分析上线。
2. 智能化画风建模系统：版本化档案、特征聚合、大模型生成、容错机制全部落地。
3. 端到端 AI 与心理分析联调：图像识别、规则引擎、分数计算、雷达图可视化全流程打通。