fix: align Windows dev, App compiler, and ASR

2026-07-26 21:27:37 +08:00
parent f57e0a53c6
commit 9ae5f750c8
22 changed files with 698 additions and 791 deletions
@@ -107,7 +107,7 @@ SOP 只解决标准问题，老师傅真正值钱的是案例、策略和火候

 ## 7. AI 接口和供应商口径

-核心原则：**系统不绑定单一模型厂商**。后端统一走模型配置表，按能力分成 `chat / vector / rerank / asr / tts / vision` 六类。只要厂商支持 OpenAI-compatible API，就可以接入。
+核心原则：**系统不绑定单一模型厂商**。后端统一走模型配置表，按能力分成 `chat / vector / rerank / asr / tts / vision` 六类。通用能力优先复用 OpenAI-compatible API；供应商契约不同的能力由后端按供应商和模型分流，客户端仍使用统一业务接口。

 ### 7.1 当前系统内置/预留的供应商

@@ -116,9 +116,9 @@ SOP 只解决标准问题，老师傅真正值钱的是案例、策略和火候
 | OpenAI 兼容接口 | 通用兜底入口 | 可接企业自有网关或任何兼容服务 |
 | DeepSeek | Chat 大模型候选 | 适合文本生成、问答、总结 |
 | 智谱 AI | Chat / embedding / rerank 候选 | 代码内保留供应商入口 |
-| 阿里云百炼 / 通义千问 | Chat 大模型候选 | 兼容模式接入 |
+| 阿里云百炼 / 通义千问 | 生产短音频 ASR/TTS；Chat、实时语音候选 | 短音频 ASR 使用 `qwen3-asr-flash` 兼容模式，密钥只保存在受控配置 |
 | Ollama | 本地模型候选 | 可用于内网/离线试验 |
-| 硅基流动 SiliconFlow | 当前重点接入方向 | bge-m3 向量、SenseVoice ASR、CosyVoice2 TTS、部分图像模型 |
+| 硅基流动 SiliconFlow | 向量、重排及语音兼容供应商 | bge-m3、OpenAI audio 兼容 ASR、CosyVoice2 TTS、部分图像模型 |

 ### 7.2 各类 AI 能力怎么接

@@ -127,8 +127,8 @@ SOP 只解决标准问题，老师傅真正值钱的是案例、策略和火候
 | 大模型对话/总结 | `chat` | DeepSeek、通义千问、智谱、硅基流动、企业自有 OpenAI 兼容网关 | 面试出题、评分、案例整理、SOP 总结、资料归类 |
 | 向量化 embedding | `vector` | 硅基流动 `BAAI/bge-m3`、智谱 `embedding-3` | SOP/案例/资料切片后做语义检索 |
 | 重排序 rerank | `rerank` | bge-reranker 类模型，供应商可走硅基流动或智谱兼容接口 | 多条知识命中后按语义相关度排序 |
-| 语音识别 ASR | `asr` | 硅基流动 `FunAudioLLM/SenseVoiceSmall` | 员工语音训练、案例语音上传、视频音轨转写 |
-| 语音合成 TTS | `tts` | 硅基流动 `FunAudioLLM/CosyVoice2-0.5B`；二期可评估 MiniMax 语音 | AI 业主播报、SOP 朗读、模拟不同语气声 |
+| 语音识别 ASR | `asr` | 生产使用阿里云百炼 `qwen3-asr-flash`；SiliconFlow OpenAI audio 接口保留兼容 | 员工语音训练、案例语音上传、视频音轨转写 |
+| 语音合成 TTS | `tts` | 生产优先阿里云百炼 `qwen-audio-3.0-tts-flash`；SiliconFlow CosyVoice2 保留兼容 | AI 业主播报、SOP 朗读、模拟不同语气声 |
 | 图片/视频画面理解 | `vision` | 多模态 Chat 模型；二期可评估火山 Doubao-embedding-vision | 图片 OCR、视频关键帧描述、以图搜图 |
 | 向量数据库 | Qdrant | 自建 Qdrant 服务 | 只存向量索引和最小 payload，事实源仍是 MySQL/MinIO |
 | 原始文件存储 | MinIO / sys_oss | 当前自建 MinIO | 存 SOP、候选资料、语音、图片、视频 |