团队：SmartNotes 开发组
本周核心：工作区与编辑器联调、笔记域服务与鉴权延续、AI 中台（清洗—字幕—流式摘要）产品化落地
前言
简报（一）搭好了「像笔记软件」的壳与账号安全。简报（二）阶段，团队刻意把叙事拆成三条等重的线：前端负责「怎么用」，后端负责「存什么、谁有权」，AI 中台负责「内容怎么变聪明地进来」——三者接口契约统一在API.md，不在文字上互相吞并。
一、前端：沉浸式工作台与「库—编—AI」信息架构（前端负责人：魏子为）
布局与导航：从「能摆出来」到「能天天用」
在左轨（深色系）之上，完成知识库区的信息压缩：目录树 + 当前目录笔记下拉 同栏串联，强化「笔记归属本子」的心智；中间保留 md-editor-v3 主编辑区与防抖保存、冲突与重试分支；最右侧固定 AI 对话区，窄屏改为抽屉，避免「写」与「问」抢同一屏。对话状态进 Pinia，换「导入 / 个人」等路由时不丢会话。流式与导入：只负责「消费协议与呈现」
前端实现 Fetch + ReadableStream + TextDecoder 的 SSE 消费、meta/delta/done/error状态机、队列 + rAF 的打字机追加、Abort 停止与生成期保存策略；导入页完成 BV/URL → 调字幕接口 → 文本作为 summarize 输入 的串联。前端不承载分片与模型细节，只保证「看得清、停得了、存得住」。元数据与账号：用户可见的「第二层秩序」
全局搜索弹层支持 关键词 + 标签组合（在列表暂不返tagIds时，用详情补拉做筛选，属短期工程补偿）；编辑顶栏 本篇多选标签；个人中心 标签词表管理 与 注册 / 改密弹窗；保留访客路径便于教室演示。以上均严格按body.code判业务成功，与后端协议对齐。
二、后端：笔记资产、权限边界与工程规范（后端负责人：李昌）
笔记本与笔记：从「接口有」到「状态可推导」
提供树查询、目录增删改、笔记分页、详情、更新、删除及跨本移动等能力，使前端工作区的选中态、列表与编辑器 始终可向后端对齐刷新；笔记更新支持tagIds三态语义（不传不改、空数组清空、非空覆盖），与标签关系表一致。安全与一致：
JWT + Redis与统一返回体延续
延续简报（一）的无状态 JWT 与 Redis 会话控制；接口层继续 DTO/VO 隔离 与 全局异常 → Result JSON 收口。全站业务错误以code+msg表达、HTTP 常保持 200 的约定不变，降低网关与前端分支爆炸。联调与数据模型：为 AI 与标签「留挂钩」
持久层侧已具备笔记软删、标签关联清理等约束，避免「删笔记虚增标签计数」类脏数据；为后续列表是否携带tagIds、是否增加服务端标签过滤等演进保留扩展点——这些属于 后端产品化与性能权衡，与 AI 算法解耦。
三、AI 中台：数据清洗、多模态入口与长文摘要管线（AI 中台负责人：房圣杰）
清洗层：
TextCleanUtil与「可喂给模型」的文本
针对字幕、粘贴文本等脏数据，维护 Java 侧预编译正则 的清洗工具链（标点、噪声、叠标等），目标是在进入 LLM 前把 格式风险与无意义 token 挡在门外；该层与 Spring Web 展示层解耦，便于压测与单元回归。多模态入口：B 站字幕抓取与结构化输出
中台提供 BV/链接 → 字幕抓取 → 清洗文本 的服务能力，对上前端的「导入到当前篇 / 新建篇」产品路径；把「视频」先收敛为「可摘要的纯文本」，是 PKM 场景下多模态的第一步，而不是把播放器塞进笔记软件。摘要与流式：
MapReduce分片与 SSE 输出契约
对超长输入，中台侧沉淀 分片 / Map-Reduce 式摘要 等管线（与语义切块等模块协同），在 token 与延迟之间做工程折中；对外以 SSE 事件流 暴露生成过程（delta增量 +done结束 +error可恢复叙事），与前端打字机消费模型一一对应。中台负责「算完、切好、推稳」；前端负责「看得懂、停得了」；后端负责「落库、可审计」——职责边界在简报层面 三等分。
四、联调短记（共性问题，不单属某一组）
- 业务成功必须看
res.data.code，不能只看 HTTP status。 - 列表 VO 字段裁剪与标签筛选的 扇出请求 是已识别技术债，待后端列表增强或查询参数化后收敛。
- 「整页
/chat」与「右侧常驻」已用 重定向 + 查询参数 统一叙事，避免双入口。
五、阶段性成果（三线合一的一句话）
用户已经能：在真实目录里写笔记、用 SSE 把长内容流式写进正文、从 B 站字幕一键入库、在右侧持续与 AI 对话、用标签管理知识并用搜索收窄结果——三条线长度与职责在交付物上对齐。
六、之后计划（各线一条，避免再偏科）
- 前端：右栏接真实 RAG/对话 API，工具调用结果组件化。
- 后端：标签查询与列表字段策略的一次「性能—易用」评审与落地。
- AI 中台：长视频/长文场景下 分片—摘要—SSE 全链路 SLA 与失败重试语义对齐。
