368 lines
17 KiB
Markdown
368 lines
17 KiB
Markdown
# AI_Chat_Assistant PRD
|
||
|
||
# AI 聊天助手需求设计文档
|
||
|
||
### 文档介绍
|
||
|
||
| 项目 | 信息 |
|
||
| --- | --- |
|
||
| 产品名称 | AI Chat Assistant Flutter Plugin |
|
||
| 版本 | v1.0.0+1 |
|
||
| 文档版本 | v1.0 |
|
||
| 创建日期 | 2025-09-23 |
|
||
| 产品经理 | - |
|
||
| 技术负责人 | - |
|
||
| 目标平台 | Flutter (Android/iOS) |
|
||
|
||
### 修订记录
|
||
|
||
| 版本 | 日期 | 作者 | 内容 |
|
||
| --- | --- | --- | --- |
|
||
| 1.0 | 2025-09-23 | - | AI助手需求整理 |
|
||
|
||
## **1. 引言**
|
||
|
||
### **1.1 文档目的**
|
||
|
||
本文档旨在定义“AI Chat Assistant Flutter Plugin”项目的详细功能需求、非功能需求、技术架构及项目规划。它为设计、开发、测试及项目相关人员提供了统一的参考依据和验收标准。
|
||
|
||
### **1.2 适用范围**
|
||
|
||
本文档目标读者为：AI Chat Assistant Flutter Plugin 的系统设计人员、开发人员、测试人员、产品经理以及项目管理人员。
|
||
|
||
### **1.3 名词解释**
|
||
|
||
| **序号** | **名词术语** | **名词解释** |
|
||
| --- | --- | --- |
|
||
| 1 | Flutter Plugin | 一种可复用的代码包，用于为Flutter应用添加特定的原生平台功能。 |
|
||
| 2 | ASR | Automatic Speech Recognition，自动语音识别，将语音转换为文本。 |
|
||
| 3 | TTS | Text-To-Speech，语音合成，将文本转换为语音。 |
|
||
| 4 | SSE | Server-Sent Events，一种服务器向客户端推送数据的技术。 |
|
||
| 5 | 车控命令 | 通过语音或界面触发的，用于控制车辆功能（如门锁、空调）的指令。 |
|
||
|
||
### **1.4 统一异常处理**
|
||
|
||
1. **网络异常**：语音识别或AI对话过程中出现网络错误，应有明确提示（如：“网络连接失败，请检查后重试”），并提供重试选项。
|
||
2. **权限拒绝**：当未授予麦克风或音频录制权限时，应引导用户前往系统设置开启权限。
|
||
3. **语音识别失败**：识别无结果或置信度过低时，应提示用户“抱歉，我没有听清，请再说一遍”。
|
||
4. **命令执行失败**：车控命令下发后执行失败，应通过TTS和UI界面明确反馈失败原因。
|
||
|
||
## 2. 产品概述
|
||
|
||
### 2.1 产品简介
|
||
|
||
AI Chat Assistant 是一个功能丰富的 AI 聊天助手 Flutter 插件，提供完整的AI语音交互解决方案，支持语音识别、智能对话、车控命令执行和语音反馈等功能。
|
||
|
||
聊天助手现在分为车控助手和用车助手，车控助手支持 20+ 种车辆控制命令（空调、车窗、车门、座椅加热等）；用车助手会根据用户手册的内容智能回复。
|
||
|
||
### 2.2 产品流程图
|
||
|
||
现有的产品主要流程是用户长按点击语音按钮，经过权限判断之后，需要将语音转化为文本，然后通过分类结果来判断是普通问答（知识库）还是车控指令。
|
||
|
||
```mermaid
|
||
graph TD
|
||
A[用户点击语音按钮] --> B[startVoiceInput]
|
||
B --> C[检查麦克风权限]
|
||
C --> D[开始录音/ASR]
|
||
D --> E[实时显示识别结果]
|
||
E --> F[用户松开按钮]
|
||
F --> G[stopAndProcessVoiceInput]
|
||
G --> H[调用reply处理文本]
|
||
H --> I[文本分类]
|
||
I --> J{分类结果}
|
||
J -->|车控命令| K[handleVehicleControl]
|
||
J -->|普通问答| L[answerQuestion - ChatSseService]
|
||
J -->|错误问题| M[answerWrongQuestion]
|
||
K --> N[解析车控命令]
|
||
N --> O[执行TTS播报]
|
||
O --> P[执行车控命令]
|
||
P --> Q[生成执行反馈]
|
||
Q --> R[更新UI显示]
|
||
L --> S[SSE流式对话]
|
||
S --> T[实时TTS播报]
|
||
T --> R
|
||
```
|
||
|
||
### 2.3 产品目的
|
||
|
||
- 提供开箱即用的AI语音交互能力
|
||
- 支持自然语言车控命令识别与执行
|
||
- 轻量级架构，易于集成和定制
|
||
|
||
## 3. 功能需求
|
||
|
||
### 3.1 用户页面展示
|
||
|
||
#### **3.1.1 浮动图标组件（ChatFloatingIcon）**
|
||
|
||
- **用户场景**
|
||
|
||
在主应用界面上提供一个常驻的、可随意拖拽的AI助手入口。
|
||
|
||
- **功能描述**
|
||
|
||
一个可拖拽的浮动按钮，点击展开全屏聊天界面，长按直接启动语音输入（只有聊天窗口）。
|
||
|
||
- **需求说明**
|
||
- **拖拽吸附**：支持在屏幕内自由拖拽，松开时自动吸附到最近的屏幕边缘。
|
||
- **交互响应**：
|
||
- **点击**： 进入全屏的聊天页面，全屏模式为一个新的页面
|
||
- **长按**：变为聆听模式，直接开始语音录制，出现聊天窗口。
|
||
|
||
聊天窗口的位置需要根据浮动按钮的位置变化，如果浮动按钮位置过于靠上，则聊天窗口显示在浮动按钮的下方，默认情况下显示在浮动按钮的上方
|
||
|
||
- **状态指示**：通过动画（如呼吸效果）表示待机、聆听、思考等不同状态。
|
||
|
||
默认为待机状态，长按会进入聆听状态，思考中的状态会在聊天显示思考中的状态聊天气泡
|
||
|
||
|
||
|
||
|
||
|
||
|
||
#### **3.1.2 浮动聊天窗口（ChatPopup）**
|
||
|
||
- **用户场景**
|
||
|
||
用户与AI助手进行可视化的文本和语音交互。
|
||
|
||
- **功能描述**
|
||
|
||
提供弹出式聊天窗口，展示对话记录并提供输入方式。
|
||
|
||
- **需求说明**
|
||
|
||
长按浮动按钮即可出现浮动聊天窗口，长按状态下展示聆听中，放开后则聆听结束，变为思考中状态。
|
||
|
||
思考中状态可以手动点击 **停止回答** 可以终止AI对话，直到回答完成，则不可点击停止回答。
|
||
|
||
|
||
|
||
|
||
|
||
#### **3.1.3 全屏聊天界面（ChatFullscreen）**
|
||
|
||
- **用户场景**
|
||
|
||
用户与AI助手进行可视化的文本和语音交互。
|
||
|
||
- **功能描述**
|
||
|
||
提供全屏聊天界面，展示对话记录并提供输入方式。全屏的聊天页面功能更加丰富，分为不同的场景
|
||
|
||
- **需求说明**
|
||
- 全屏聊天模式下会保留之前浮动聊天窗口的聊天记录
|
||
- 不同的场景为不同的AI助手，现有两种场景，购车助手和用车助手
|
||
- 顶部会有可配置的功能按钮区域（用户服务/购车服务）
|
||
- 功能按钮下方会有快捷对话的区域，可以点击换一换来更换快捷指令
|
||
- 聊天页面底部会有功能栏，分别为**删除当前对话**，**按住说话**，**切换文本输入**
|
||
- 如果存在本地对话记录，点击 **显示历史对话记录** 会加载之前的5条对话记录，同样可以通过上拉来加载历史对话记录
|
||
|
||
|
||
|
||
### 3.2 AI对话场景
|
||
|
||
#### **3.2.1 购车助手场景**
|
||
|
||
- **用户场景**
|
||
|
||
用户未绑定车辆的情况下，爱车页面变为购车页面，购车页面也会有AI助手
|
||
|
||
- **功能描述**
|
||
|
||
购车页面的AI助手没有聆听模式，只能点击进入全屏的聊天页面，首次的回复词也会有变化；功能按钮区域和快捷回复区域都会跟用车助手不同
|
||
|
||
- **需求说明**
|
||
- 浮动按钮点击可进入全屏的AI助手页面，顶部的功能按钮为热门车型推荐，同样是icon+text的按钮，点击之后会快捷输入车型的名称，AI助手会回复车型的相关信息，同时快捷对话的区域会按照对话来进行变化；
|
||
- 购车助手同样可以通过文本的语义来进行推荐车型，以及解读购车的优惠信息；
|
||
- 如果在购车助手场景下，本身并没有绑定车辆，如果有车控的语音输入，则返回：您还未绑定车辆，无法使用车控指令；
|
||
- 如果是用车助手场景下，包含购车助手的全部功能，同样可以回复相应车型来获取配置信息以及购车政策。
|
||
|
||
|
||
|
||
|
||
|
||
#### **3.2.2 用车助手场景**
|
||
|
||
- **用户场景**
|
||
|
||
用户在绑定车辆的情况下，进入爱车页面，使用AI助手则我用车助手场景
|
||
|
||
- **功能描述**
|
||
|
||
用车助手场景下的AI助手不同于购车场景，可以按照文本的输入分为三种：普通问答，车控指令，错误问题反馈
|
||
|
||
- **需求说明**
|
||
- 用车场景下的功能按钮为官方推荐，内容包括智能场景推荐、数据埋点和运营位，其中智能场景推荐包括售后维保提醒，智能场景建议；数据埋点包括能耗报告，行为分析，用户习惯操作；运营位则是推荐的车型，用户复购建议；
|
||
- 点击 常见功能按钮，会输入一个常见功能的聊天记录，返回的数据为经过大数据分析之后得到的常用功能，聊天气泡中显示多个按钮，可以点击进行快捷回复；
|
||
- 点击 更多工具按钮跟常见功能按钮一样，会返回一条聊天记录，里面会包含多个按钮，点击按钮可以进行快捷回复；
|
||
- 快捷回复区域是可以变化的，会根据对话的最后一个回复进行变化，快捷回复区域会跟在最后一个对话的底部；例如刚进入会跟在 功能按钮的底部，但是新的聊天记录出现后，就会自动拼接到聊天气泡的底部（聊天气泡类型分为多种，后面会详细介绍）；
|
||
|
||
|
||
|
||
#### **3.2.3 用户唤醒场景**
|
||
|
||
- **用户场景**
|
||
|
||
在开通语音唤醒功能之后，购车页面和爱车页面都可以使用语音唤醒
|
||
|
||
- **功能描述**
|
||
|
||
用户可以通过语音唤醒功能在不需要点击按钮的情况下激活AI助手，提高使用便捷性和用户体验。当用户说出设定的唤醒词（你好，众众）后，系统会自动启动AI助手并进入聆听模式。
|
||
|
||
- **需求说明**
|
||
|
||
用户可通过说出"你好，众众"唤醒AI助手，系统将自动进入聆听模式。语音唤醒功能需要用户在设置（App设置页面或AI助手的设置页面）中开启，并且可以在有较高环境噪音的情况下进行降噪处理。唤醒后，助手会给予明确的视觉和声音反馈，确保用户知道系统已经准备好接收指令。
|
||
|
||
语音唤醒功能需要一定的权限（例如麦克风访问权限），系统会在首次使用时提示用户授予必要权限。为保护用户隐私，语音数据会在本地进行初步处理，只有确认唤醒后才会发送到服务器。此功能在使用过程中会考虑电池消耗，在低电量模式下可能会自动降低敏感度或暂时关闭。
|
||
|
||
### 3.3 聊天模块
|
||
|
||
#### **3.3.1 聊天气泡类型**
|
||
|
||
- **用户场景**
|
||
|
||
用户与AI助手对话过程中，会展示不同类型的聊天气泡以适应各种交互需求。
|
||
|
||
- **功能描述**
|
||
|
||
系统支持多种聊天气泡类型，包括文本气泡、卡片气泡、按钮气泡、链接气泡和富媒体气泡等，以满足不同场景下的交互需求。
|
||
|
||
- **需求说明**
|
||
- 文本气泡：展示普通文字对话内容，完整支持Markdown格式；
|
||
|
||
Markdown支持包括普通文本格式化、表格布局以及图片嵌入，提供更丰富的内容展示方式
|
||
|
||
- 卡片气泡：用于展示结构化信息，如车辆信息、维保记录等；
|
||
- 按钮气泡：包含可交互按钮，用于快速回复或执行操作；
|
||
- 富媒体气泡：支持图片、视频、语音等多媒体内容展示；
|
||
|
||
富媒体气泡可能适用于显示特定的信息，或者是视频的教程，轮播的图片
|
||
|
||
- 链接气泡：用于显示一个链接，包含Icon，Title，Description，以及一个可以点击的链接；
|
||
|
||
点击链接可以进入webview，链接气泡主要是用于详细介绍某些活动或者查看详情
|
||
|
||
- 业务气泡：用于特定业务的定制化气泡，会根据对话的业务场景，显示不同的气泡。
|
||
|
||
业务气泡不同于其他的气泡，可以在用户询问金融方案后显示返回的计算结果，在结果后面还有一个按钮，可以进入金融计算器的页面；同时在用户说出我希望订购某款车型时，会出现车型的信息，并且有一个立即订购的按钮。业务气泡是根据返回的数据来判断具体的业务场景，混合显示的气泡类型。
|
||
|
||
|
||
#### **3.3.2 普通问答流程**
|
||
|
||
- **用户场景**
|
||
|
||
用户与AI助手对话过程中，AI助手会把语音转换为文本，通过文本的语义来判断场景，是普通问答或者是车控指令
|
||
|
||
- **功能描述**
|
||
|
||
普通问答现在只有用车助手这个场景，后续增加新的场景：购车助手；需要先通过文本语义判断是哪个场景，然后根据相应场景来回复问题。
|
||
|
||
- **需求说明**
|
||
|
||
不管是购车场景还是用车场景，或者是开放式对话，都有一个问答的流程，场景的区分不是前端来判断。现在流程是将语音转化的文本通过接口发给后台服务，然后后台会根据body里面的text和conversation_id 来返回一个文件流，客户端这边会把文件流的全部数据接受完成后合并为一个markdown语法的文本。
|
||
|
||
```mermaid
|
||
graph TD
|
||
|
||
A[文本数据] --> B{Chat api}
|
||
B --> C[文件流] --> D{SSE Service} --> E[Markdown文本]
|
||
E --> F{TTS} --> G[播放语音]
|
||
E --> H{Message} --> I[显示]
|
||
|
||
```
|
||
|
||
现在有两个新的调整方案，一个是Socket连接，另外一个方案是在现有的流程基础上新增消息类型。
|
||
|
||
1. Socket方案
|
||
|
||
每次进入AI助手会话会创建一个随机的taskId，然后每次对话都会有一个conversationId，使用taskId 连接Socket成功后，就可以通过Socket发送语音或者文本消息。然后Socket 会返回三种不同的消息类型，`it消息 (识别文本)`，`gb消息 (回复文本)`，`tts消息 (语音数据)`。
|
||
|
||
流程图如下：
|
||
|
||
```mermaid
|
||
sequenceDiagram
|
||
participant C as 客户端
|
||
participant S as 服务器
|
||
|
||
Note over C, S: 第一步：建立WebSocket连接
|
||
C->>S: WebSocket Handshake (携带认证信息)
|
||
|
||
Note over C, S: 第二步：客户端发送语音数据
|
||
C->>S: 发送消息: {taskId, conversationId, audioData}
|
||
|
||
Note over C, S: 第三步：服务器异步返回多条消息
|
||
par 并行处理与推送
|
||
S-->>C: it消息 (识别文本)
|
||
and
|
||
S-->>C: gb消息 (回复文本)
|
||
and
|
||
S-->>C: tts消息 (语音数据)
|
||
end
|
||
|
||
Note over C, S: 连接保持，可继续发送新语音或关闭
|
||
```
|
||
|
||
1. HTTP方案
|
||
|
||
HTTP方案是保持原有流程的情况下进行扩展，chat API 不再是返回一个数据流，而是返回一个json数据，json数据里面会有不同的消息返回，对应上面不同的气泡类型，消息类似分为`stream`，`text`，`media`，`bussines`，`stream`消息就是之前的数据流的消息，通过`messageId`就可以获取到数据；`text`消息是普通的文本消息，可以实现上面的链接气泡，按钮气泡；`media`消息则可以实现负责的图文混排，或者是一个单纯的视频教程；`bussines`消息主要以业务相关的，会根据业务类型显示不一样的样式，内容和按钮也会有变化。
|
||
|
||
```json
|
||
{
|
||
"conversationId": 1,
|
||
"taskId": "task_123",
|
||
"code": 200,
|
||
"scenario": "buying_assistant",
|
||
"messageList": [
|
||
{
|
||
"messageId": "messageId_xxxxx",
|
||
"type": "stream"
|
||
},
|
||
{
|
||
"messageId": "messageId_xxxxx",
|
||
"type": "text",
|
||
"content": "xxxxx"
|
||
},
|
||
{
|
||
"messageId": "messageId_xxxxx",
|
||
"type": "media"
|
||
},
|
||
{
|
||
"messageId": "messageId_xxxxx",
|
||
"type": "bussines",
|
||
"bussineType": "vehicle_commendation"
|
||
},
|
||
]
|
||
}
|
||
```
|
||
|
||
#### **3.3.3 车控指令流程**
|
||
|
||
- **用户场景**
|
||
|
||
用户与AI助手对话过程中，AI助手会把语音转换为文本，通过文本的语义来判断场景，是普通问答或者是车控指令
|
||
|
||
- **功能描述**
|
||
|
||
如果根据分类结果，将语音或者文本信息归类为车控指令，则会进入车控指令的流程。识别语音指令中的车控意图，解析参数，并调用相应的车辆控制接口。
|
||
|
||
- **需求说明**
|
||
- **命令识别**：支持识别20+种车控命令类型。
|
||
- **参数解析**：能从指令中解析出关键参数（如温度值、座椅位置）。
|
||
- **执行反馈**：命令执行成功或失败，都必须有明确的TTS和UI反馈。
|
||
- **可扩展性**：提供抽象类`VehicleCommandHandler`，允许开发者根据具体车型实现自定义控制逻辑。
|
||
- **支持命令示例**：
|
||
- **车门控制**：上锁、解锁
|
||
- **车窗控制**：开启、关闭
|
||
- **空调控制**：开启、关闭、温度调节、极速降温
|
||
- **座椅控制**：主/副驾驶座椅加热、通风
|
||
- **后备箱控制**：开启、关闭
|
||
- **特殊功能**：鸣笛、车辆定位、一键备车、一键融雪
|
||
|
||
## 参考文件
|
||
|
||
[AI Assistant in One App.pdf](https://telekom-my.sharepoint.de/:b:/r/personal/guangfei_zhao_t-systems_com/Documents/Dokumente/AI%20Assistant%20in%20One%20App.pdf?csf=1&web=1&e=On4V2o)
|
||
|
||
[https://www.figma.com/design/YBuYyBdkRRyP4YCPuzstDX/AI智能体?node-id=21-738&t=1eLWMSwO6XrA6mFE-0](https://www.figma.com/design/YBuYyBdkRRyP4YCPuzstDX/AI%E6%99%BA%E8%83%BD%E4%BD%93?node-id=21-738&t=1eLWMSwO6XrA6mFE-0)
|
||
|
||
[分子送检系统需求规格书.docx](images/%E5%88%86%E5%AD%90%E9%80%81%E6%A3%80%E7%B3%BB%E7%BB%9F%E9%9C%80%E6%B1%82%E8%A7%84%E6%A0%BC%E4%B9%A6.docx) |