176 lines
3.9 KiB
Markdown
176 lines
3.9 KiB
Markdown
# AISee 技术选型方案
|
||
|
||
## 1. AR 眼镜硬件选型
|
||
|
||
### 推荐方案
|
||
**Rokid Air / Xreal Air**
|
||
- 轻量化设计（约 80g）
|
||
- 支持蓝牙和 USB-C 连接
|
||
- 1080p 显示分辨率
|
||
- 内置摄像头（部分型号）
|
||
- 价格适中（2000-3000元）
|
||
|
||
### 备选方案
|
||
- **RealWear HMT-1**：工业级，更耐用但较重
|
||
- **Vuzix Blade**：集成度高但价格较贵
|
||
- **自研方案**：基于树莓派 + 微型显示器（成本可控但开发周期长）
|
||
|
||
## 2. 移动端技术栈（Flutter 跨平台）
|
||
|
||
### 选型理由
|
||
- 一套代码同时支持 Android 和 iOS，快速验证产品
|
||
- Dart 语言性能接近原生，热重载提升开发效率
|
||
- 丰富的插件生态，蓝牙、相机等硬件访问成熟
|
||
- 社区活跃，问题解决快
|
||
|
||
### 核心框架
|
||
```
|
||
语言：Dart 3.2+
|
||
框架：Flutter 3.16+
|
||
状态管理：Riverpod 2.x
|
||
路由：GoRouter
|
||
网络请求：Dio
|
||
WebSocket：web_socket_channel
|
||
本地存储：Hive + sqflite
|
||
JSON 序列化：freezed + json_serializable
|
||
```
|
||
|
||
### 硬件交互
|
||
```
|
||
相机：camera 插件
|
||
蓝牙：flutter_blue_plus
|
||
权限管理：permission_handler
|
||
语音合成：flutter_tts
|
||
图片处理：image
|
||
```
|
||
|
||
### UI 相关
|
||
```
|
||
设计规范：Material Design 3
|
||
图片加载：cached_network_image
|
||
字体：google_fonts
|
||
图标：cupertino_icons + flutter_svg
|
||
```
|
||
|
||
### 开发工具
|
||
```
|
||
IDE：VS Code + Flutter/Dart 插件
|
||
代码生成：build_runner
|
||
代码规范：flutter_lints
|
||
测试：mockito + mocktail
|
||
```
|
||
|
||
## 3. 后端技术栈
|
||
|
||
### 核心框架
|
||
```
|
||
语言：Python 3.11+
|
||
Web 框架：FastAPI
|
||
异步处理：asyncio + uvicorn
|
||
任务队列：Celery + Redis
|
||
数据库：PostgreSQL 15
|
||
缓存：Redis 7
|
||
对象存储：MinIO / 阿里云 OSS
|
||
```
|
||
|
||
### AI 推理服务
|
||
```
|
||
深度学习框架：PyTorch 2.0+
|
||
模型服务：TorchServe / TensorRT
|
||
GPU 加速：CUDA 12.0+
|
||
模型管理：MLflow
|
||
```
|
||
|
||
## 4. AI 模型选型
|
||
|
||
### 视觉识别模型
|
||
|
||
#### 物体检测
|
||
- **YOLO v8**：实时性好，精度高
|
||
- **EfficientDet**：移动端友好
|
||
- **Faster R-CNN**：高精度场景
|
||
|
||
#### 文字识别（OCR）
|
||
- **PaddleOCR**：中文支持好，开源免费
|
||
- **EasyOCR**：多语言支持
|
||
- **Tesseract**：传统方案，稳定可靠
|
||
|
||
#### 场景理解
|
||
- **CLIP**（OpenAI）：图文匹配，零样本学习
|
||
- **BLIP-2**：图像描述生成
|
||
- **SAM**（Segment Anything）：通用分割
|
||
|
||
#### 人脸识别
|
||
- **InsightFace**：高精度，商用友好
|
||
- **FaceNet**：经典方案
|
||
- **RetinaFace**：人脸检测
|
||
|
||
### 大语言模型（LLM）
|
||
- **GPT-4 Vision**：最强理解能力（API 调用）
|
||
- **Claude 3**：视觉理解能力强
|
||
- **Qwen-VL**：国产开源，可私有化部署
|
||
- **LLaVA**：开源多模态模型
|
||
|
||
## 5. 云服务选型
|
||
|
||
### 推荐：阿里云
|
||
```
|
||
计算：ECS（GPU 实例 - GN7i）
|
||
存储：OSS
|
||
数据库：RDS PostgreSQL
|
||
缓存：Redis 企业版
|
||
CDN：阿里云 CDN
|
||
负载均衡：SLB
|
||
```
|
||
|
||
### 备选：AWS
|
||
```
|
||
计算：EC2（g4dn 实例）
|
||
存储：S3
|
||
数据库：RDS
|
||
缓存：ElastiCache
|
||
CDN：CloudFront
|
||
负载均衡：ALB
|
||
```
|
||
|
||
## 6. 通信协议
|
||
|
||
### 眼镜 ↔ 手机
|
||
- **蓝牙 BLE**：低功耗，适合控制指令
|
||
- **WiFi Direct**：高带宽，适合图像传输
|
||
- **USB-C**：有线连接，最稳定
|
||
|
||
### 手机 ↔ 后端
|
||
- **HTTP/2 + gRPC**：API 调用
|
||
- **WebSocket**：实时双向通信
|
||
- **MQTT**：轻量级消息推送
|
||
|
||
## 7. 开发工具链
|
||
|
||
### 版本控制
|
||
- Git + GitHub / GitLab
|
||
|
||
### CI/CD
|
||
- GitHub Actions / GitLab CI
|
||
- Docker + Kubernetes
|
||
|
||
### 监控运维
|
||
- Prometheus + Grafana（监控）
|
||
- ELK Stack（日志）
|
||
- Sentry（错误追踪）
|
||
|
||
### 协作工具
|
||
- Jira（项目管理）
|
||
- Confluence（文档）
|
||
- Figma（设计）
|
||
- Postman（API 测试）
|
||
|
||
## 8. 技术选型原则
|
||
|
||
1. **优先开源**：降低成本，避免供应商锁定
|
||
2. **成熟稳定**：选择经过验证的技术栈
|
||
3. **性能优先**：实时性是核心需求
|
||
4. **可扩展性**：支持未来功能扩展
|
||
5. **团队熟悉度**：考虑团队技术背景
|
||
6. **社区活跃**：便于问题解决和学习
|