本文件只记录概念与边界,不记录实现细节(字段名、函数名、端点路径请放到对应 spec)。
按用户配置的采样策略从视频中抽出、有资格参与插图判定的时间点及其图像。
- 候选帧是判定的输入全集。笔记模型只能在这个集合里选,不能自己发明时间点。
- 候选帧 ≠ 插图。绝大多数候选帧应当落选。
笔记模型判定某张候选帧值得进入笔记的动作与结果。
- 只有「编入笔记」的帧才会产生截图文件。
- 「值得配图」是笔记模型的判断,不是 OCR 的判断,也不是用户的显式指令。
一个默认关闭的独立模式。开启后,图片进入笔记的流程从「笔记模型自选时间点并直接插图」改为「笔记模型在候选帧中判定 → 判定通过的帧送 OCR → 携带 OCR 内容编入笔记」。
关键澄清(曾在此处产生过反向理解):
判定权在笔记模型,OCR 不负责判定。
OCR 是下游增强器:它只处理已经被判定要编入笔记的帧,负责把这些帧上的文字、公式、表格结构提取成可写进笔记的文本。它不是关口(gate),不决定谁进笔记。
因此数量关系恒为:
候选帧 ⊇ 判定通过(编入笔记) = OCR 调用数 = 截图数
用户可勾选的笔记格式选项之一,指从原视频按时间点抽出的单帧图片。
- 关闭 OCR 辅助时,它是「主模型自己发标记 → 系统无条件插图」的旧路径。
- 开启 OCR 辅助时,它仍然存在,但插图来源由判定结果决定,且主模型不再自行发标记。
一类 OCR 服务的能力形态:输入一页图像或 PDF,输出该页的 Markdown 文本,可选附带版面结构块(文本 / 公式 / 表格 / 图片的位置与内容)。
- 与「对话式视觉模型」的区别:它是一个结构化文档接口,不参与对话,不接受自然语言指令。
- 本项目中它服务于「把一帧原图上的信息精确搬进笔记」。
笔记呈现方式的两个正交维度,取代了此前九个互斥的「风格」预设。
- 场景回答「写给谁看、他拿这份笔记做什么」:生活(自己回顾)/ 学术(引用、复述、写论文)/ 专业(照着做,抓住决策与结论)。
- 详略回答「要写多少」:精简(只留结论层)/ 详细(保留推导、边界与取舍)。
- 二者是独立取值,不是一张预设表的两个入口 —— 任意组合都成立,所以组合数是两者相乘而不是相加。把正交维度压成一张互斥列表,正是它们此前退化成九个同质预设的原因。
- 它们只描述表达方式,不改变「哪些内容该进笔记」的判定 —— 那是笔记模型的职责(见「OCR 辅助模式」)。
「任务状态」在本项目里同时存在于两个地方,二者地位不平等:
- 权威:进程内的一份状态记录。读取状态时优先信它。
- 投影:落盘的一份快照。它唯一的职责是让进程重启后还能把权威读回来(恢复进行中的任务)——它不是第二个真相来源。
三条边界(都是概念性的,不是实现约定):
- 二者不一致时,以权威为准。投影偏旧是允许的,权威偏旧不是。
- 投影必须是整体替换的:读者要么看到旧的完整快照,要么看到新的完整快照,不存在「写了一半」的中间态。
- 任务被删除时,权威与投影必须一起消失。任何一侧残留,都会让已删除的任务重新出现。
缓存槽 = 进程内一块只为「避免重复计算」而存在的临时存放处,内容始终可以从别处算出来。
- 槽里的东西不是真相:丢掉它只会让下一次读取变慢,不会让结果变错。这是缓存与权威的根本区别 —— 权威丢了就是丢数据,缓存丢了只是慢一次。
- 陈旧窗口 = 从底层事实改变、到槽里内容跟着变之间,允许经过的时间。窗口为 0 的槽必须在事实改变的那一刻主动失效;窗口大于 0 的槽可以靠过期自动失效。
- 任务状态、以及一切用户改得动且能立刻看见结果的东西(设置、供应商、模型列表),窗口必须是 0。由外部环境决定、用户看不到中间态的东西(例如本机模型目录扫描),可以有几秒窗口。
已废弃概念。 指同一任务下保存的多份笔记快照,由前端在浏览器 IndexedDB 中维护,后端结构上从未支持(NoteResult.markdown 始终是单个字符串)。
- 该概念已随 spec 008 一并从产品中移除,markdown 收敛为单一字符串。
- 旧数据若为版本数组,按新版本在前的顺序取第一项作为唯一内容。
已废弃概念。 指在已有任务上复用同一个 task_id 重跑生成流程,以覆盖式产出新笔记。
- 它与「重试」共用同一套
task_id复用机制,因此二者的删除必须一起进行。 - 移除后,「生成笔记」永远是新建任务。