# Backlog

> 状态更新（2026-07-18）：本文保留早期需求来源和长期方向，当前完成度以 `BRD_IMPLEMENTATION_AUDIT.md`、`员工端版本功能对比与功能对齐清单-20260717.md` 和生产验证记录为准。已发布能力不再列入活动待办。

## 需求池:2026-07-03 甲方反馈四项

> 来源:甲方微信反馈(2026-07-03)。均不进 2026-07-05 一期 Demo(守 MVP 切割线),按下方优先级顺序排入 Demo 后迭代。
> 依据:`物业AI人力资源系统业务需求文档BRD.md`(D1 数据权限、4.3.4 案例视频、G6 成本闸门)、`物业AI人力资源系统开发规格TechSpec.md`(5 数据表、6.2 persona_json、/api/ai/tts 契约)。

### B1. 层级数据权限 + 人资运营者角色(优先级 1,成本最低)

需求:按所管人层级看到不同项目人数;人资部门作为"运营者"负责整理资料、出题、每日收集训练结果、考评。

- 组织快照映射进 `sys_dept`(本地只存 `ext_party_id`,BRD 4.6),数据权限以「项目」为范围主体(D1),用若依 `@DataPermission` 过滤,"不同项目人数"即权限过滤后的聚合报表。
- 新建 `hr_operator` 角色,菜单挂既有/规划中后台能力:
  - 资料整理:SOP/案例管理(`AihrSopController` / `AihrCaseController`,已有)
  - 出题:`practice_scenario` 场景/人设/rubric 管理(TechSpec 第 5 章)
  - 考评:评分复核,基于评分缓存 `practice_score`
- **净新增工作量**:「每日训练结果」按日聚合报表一张页面(`practice_session` 聚合,TechSpec M10 驾驶舱子集);其余为角色/菜单/数据权限配置。

### B2. AI 面试官/客户人设:分岗位形象 + 多语气声(优先级 2,对练体验提升最大)

需求:AI 员工分岗位等级面试官形象;模拟多种语气声——老太说话慢、带方言、吵架、求救听不清。

> 2026-07-18 已完成首批：共享 TTS 契约支持 `voiceProfile`，老师傅/业主/面试官分音色，业主随对练情绪分调整语气与语速；剩余人物级音色、方言、克隆和信道劣化继续保留在 B2。

- 复用三角色对练人设机制,**不新建架构**:面试官 = 另一组 `practice_scenario.persona_json`(TechSpec 6.2),按岗位等级(管家/主管/项目经理)建多条,新增字段:
  - `avatar_url`:岗位形象头像,由 B3 文生图生成
  - `voice_profile`:`{ voice_id, speed, emotion, pitch, dialect }`
- TTS 契约扩展:`POST /api/ai/tts` 的 `voice` 参数扩成 voice_profile。以 MiniMax speech-2.8-hd 为参照:
  - 老太慢速 → 老年音色(如 `Chinese (Mandarin)_Gentle_Senior`)+ `speed: 0.7`
  - 方言 → 粤语/川话预置音色,或语音克隆接口用 ~15s 真实录音复刻(方言 TTS 本来就在一期集成清单第 4 项)
  - 吵架 → `emotion: angry` + `speed: 1.2`
  - 求救听不清 → TTS 出 `emotion: sad/fearful` 底音 + ffmpeg 后期加噪/压音量/断续("信道劣化"无现成 API,后期处理最可控)
- **2026-07-04 反馈增补**(截图见 `feedback/2026070423/`,解读见其 ANALYSIS.md):
  - **连贯语音对手戏**:对练从"回合制答题"升级为实时情景对话——ASR→LLM(情绪人设+对话记忆)→TTS 低延迟循环,"很凶的老太太吵架"是验收场景;
  - **场景库分岗位**:**生活顾问为英雄岗位优先做深**(日常小区服务/物业费停车费催缴/投诉处理全面覆盖,"老带新"式陪练;现有投诉/催费 seed 场景即属该岗位),四保一服(保安/保洁/保绿/保修/客服)其次做广;启用 `practice_scenario.position/project_type` 字段,内容不混岗。

### B3. AI 一键生成场景培训图片(优先级 3)

需求:培训场景配图一键生成。

- 供应商:SiliconFlow 已接入(embedding 同 key 可用 Kolors/FLUX 文生图),或 MiniMax `POST /v1/image_generation`。
- 落地:`ruoyi-aihr` 新增 `AihrMediaService` + 异步生成任务表(生成慢,禁止同步等待);生成结果**必须下载转存自有 OSS**(MiniMax 返回 URL 仅 24h 有效)。
- 前端:场景/SOP 编辑页加"一键生成配图"按钮,SOP 要点自动拼 prompt。
- 受 G6 约束:图片调用计入月度成本上限。

### B4. AI 一键生成培训视频(优先级 4,二期)

需求:一键生成培训视频;选定视频接口供应商。

- 维持 BRD 既定决策:一期视频用**预渲染样片**(4.3.4),真接口二期;调用量受 G6 成本闸门约束。
- 形态分层,先便宜后昂贵:
  1. **图文转视频**(首选落地):B3 图片 + TTS 配音 + 字幕,ffmpeg 合成,成本近零
  2. **数字人口播**(案例讲解视频主力):腾讯智影 / 百度曦灵 / 硅基智能,按分钟计费,比文生视频便宜一个量级
  3. **文生视频**(片头/场景氛围镜头):可灵 Kling / 火山即梦 Seedance / MiniMax 海螺 / 通义万相
- 选型倾向:二期先只接 **MiniMax 一家**打通(LLM + TTS + 文生图 + 视频一个 key 一套鉴权,对 2 人团队集成量最小,且同时覆盖 B2 语气声);视频质量不满意再单换可灵/即梦——全部封装在自有 provider 抽象后(参照 siliconflow embedding provider 先例)。
- **2026-07-04 反馈:优先级上调**(解读见 `feedback/2026070423/ANALYSIS.md`)——视频不是"锦上添花的生成玩具",而是**表演型/动作类隐性知识的主传递媒介**(巡逻、查卫生、礼仪、上门催费:"几个人去、带什么、开口怎么说,经验上的东西没办法说,好的领导现场表演一遍,现在都可以用 AI 做出来")。切入点:催费上门等 1-2 条示范视频先行,验证价值再铺量。

### B5. 员工四维画像:训练时长 / 贡献度 / 测评分 / AI 等级

需求(甲方 2026-07-03 补充):每个员工要有训练时长、贡献度、测评分、AI 等级。贡献度 = 为平台提供的有效案例/资源等;AI 等级 = 系统对其的等级评定。

约九成落在 TechSpec **M6 能力/认证/激励(P1)** 既有排期内,不新建平行体系:

| 指标 | 承载 | 缺口 |
|---|---|---|
| 训练时长 | `practice_session.started_at`、`course_enrollment`(P1) | session 补 `duration_seconds` 字段 + 按人/按期聚合 |
| 贡献度 | `incentive_point`(P1,自带 `source`)+ BRD 4.7 审核链 | 贡献计分规则(见下) |
| 测评分 | 两层已设计:单场 `practice_session.total_score`(4维)+ 跨期 `competency_assessment`(BRD 4.5 五维加权 40/25/20/10/5) | 无;**两层勿混成一个数** |
| AI 等级 | `certification` / `cert_rule`(初/中/高,`condition_json` 规则引擎,P1) | 只需写等级条件规则 |

设计要点:

- **贡献度 = 积分体系的一个来源**:员工提交案例 → `review_task` 专家终审通过 → `incentive_point` 记 `source='case_contribution'` 积分并署名入库(BRD 4.7 已定);贡献度即该来源积分累计,可按案例被引用/选入训练营加权。审核、署名、积分共用一条流水,不加表。
- **AI 等级 = cert_rule 组合另外三个指标**:`condition_json` 示例 `{训练时长≥20h, 画像总分≥75, 贡献积分≥100} → 中级`。遵守 BRD"一期建规则,**挂钩推迟**"——等级可上线,挂钩晋升/绩效须过生产前闸门(AI 分挂钩绩效公平性/申诉、员工接受度 G4)。
- **展示面已有落点**:移动端 `GET /api/aihr/mobile/profile`(能力画像)聚合四指标(雷达图+时长+贡献积分+等级);管理端对应规划中的 `/competency/radar`、`/competency/cert`。

净新增工作量:① session 时长字段+聚合;② 审核通过→积分的贡献计分服务逻辑;③ profile 接口拼装四指标。其余为 M6 既有 P1 表和页面。

### B7. 视觉向量检索(Doubao-embedding-vision,二期)

需求(2026-07-04 技术评审结论):纯视觉语义检索——"找演示保安站姿的视频"、图片素材以图搜图等"没说出口、也没写在画面上"的内容,当前文本向量链路(转写/OCR/caption → bge-m3)覆盖不到。

- **选型已定**:火山引擎 `Doubao-embedding-vision`(Seed1.6-Embedding,文本/图片/视频 → 统一向量空间,中文原生,0.7 元/百万 token)。优于 CLIP 类双塔方案:免融合排序调参、托管 API 免运维。
- 工程量(不只是换模型名):入库管线支持"视觉片段"(帧/图直接向量化)、Qdrant 图文混合存储、检索结果展示帧图/跳转视频时间点、引用约束适配(视觉命中服务"找资料"场景,不进 RAG 生成)。
- 前置:火山引擎开户 + G3/G6 供应商合规评估;图片/视频资料成规模、以图搜图成为真实高频需求。
- 已做的替代缓解(2026-07-04):视频关键帧 caption(vision prompt 带画面描述)+ rerank(bge-reranker-v2-m3)已上线,覆盖大部分检索需求;B7 只补最后一段纯视觉语义。

### B8. 数字师傅:学习旅程模块化 + 个性化分发引擎(2026-07-04 反馈,方向级)

来源:2026-07-04 用户反馈(截图与完整解读见 `feedback/2026070423/ANALYSIS.md`)。核心洞察:系统的对标物是"会带人的老师傅"——把言传(话术语音)、身教(动作视频)、判断(该学什么)用 AI 规模化;用户原话背书:"感觉像老带新的感觉"(截图 10)。

三个子块,可独立排期:

1. **员工端五段学习旅程模块化**:入职前面试考核 → 岗前培训 → **每日小训(5-10 分钟,独立模块)** → 棘手问题即时求助("发一个语音,给我两三个 SOP 或话术"——检索输出加话术层)→ 场景模拟。角色主页做成"职责地图"(板块化菜单,不是卡片流)。
2. **主管端学习监控面板**:员工×活动(看了哪些视频/做了哪些互动)×时长×效果,衔接 B5 四维画像与视频观看时长统计(心跳+区间合并方案,见 2026-07-04 会话讨论)。
3. **个性化分发引擎**(系统的大脑):岗位(生活顾问为先,四保一服其后)× 阶段(入职前/岗前/在岗)× 画像短板 → 决定"今天该看什么/练什么";内容多了以后分发比生产更难("用 AI 分析该让他们看到哪些东西")。闭环:AI 生产内容 → AI 匹配媒介 → AI 决定给谁看 → 数据回流画像。

配套知识模型扩容:知识类型维度(SOP=标准 / 案例=参照 / 话术=直接能说 / 经验策略=火候),检索按类型分层供给;案例沉淀链路是隐性知识的采集入口,战略地位上调。

### B9. 员工个人 AI 助理 + 个人知识空间(阶段二,2026-07-11)

来源:客户微信语音转写。员工希望把个人认为有用的表格、PPT、文章、网页链接、工作灵感和日常问题发给个人助理保存,之后按日期/主题追问、汇总分析并整理成文字或 PPT。

推荐拆分:

1. **P0 个人收藏**:文字、多格式文件、图片、网页链接;保存来源、收藏时间、主题、解析状态和原附件。
2. **P0 个人检索**:按时间范围/主题/来源查询,支持个人资料与有权限企业知识的混合检索,答案引用可追溯。
3. **P0 工作整理**:把冲突、灵感、零散材料整理为结论、行动项和待确认项;不自动对外发送。
4. **P1 内容再加工**:多资料对比、周报/月报、汇报提纲、PPT 生成;PPT 先确认大纲与模板。
5. **阶段三扩展**:北森、考勤、请假、组织任职等外部个人数据授权接入后,再提供跨系统分析。

前置闸门:个人空间与企业知识分域;默认仅本人可见;分享/企业入库需审核与脱敏;网页抓取需防 SSRF、尊重版权与访问权限;需提供删除、导出和数据保留策略。阶段二开工前另出专项 TechSpec,不直接复用公共知识库表造成权限串域。

### 已出池（2026-07-18）与剩余边界

- 总结卡已支持导出 PNG；无需再保留“保存图片”待办。
- 主管出题、员工答题、幂等交卷和结果查询已上线；员工“学”板块仍待补课程编排、学习进度和视频学习数据，不再把考试整体写成未实现。
- 开放问题榜、悬赏积分、答案采纳和管理端运营入口已上线；正式激励规则仍需业务验收。
- 全网 AI 查询和管理端搜索源配置已上线；联网能力仍受白名单、超时、限流和生产密钥约束。

## Future Enhancements

### Model Classification Version Governance

Current behavior:

- Same document fingerprint reuses existing category, summary, and tags.
- Model classification uses `temperature=0` to reduce drift.

Add later when model upgrades need governance:

- Record provider, model name, prompt version, and analysis time.
- Preview batch reclassification after model changes.
- Show before/after category and tag diffs.
- Require admin confirmation before overwriting historical metadata.
- Keep an audit trail of prior classification versions.