潮痕 Tideline

在记忆消失以前。

一个由照片、语音、文字等个人材料驱动的记忆理解与重建工具。
AI 通过复述、分析、关联和适度追问，帮你找回正在消退的事实、感受与意义，
最终整理成由你自己长期掌控的个人档案。

它的任务不是让过去变得更精彩，而是让过去尽可能少地消失。

Note

早期开发中（MVP 阶段），个人自用项目，暂无账号体系与多用户计划。

为什么做这个

照片看起来把某个瞬间永远保存了下来，但它留下的只是一个薄薄的表面。它没有留下你为什么站在那里、事情如何偏离了计划、风的温度、耳机里的音乐，以及当时一闪而过的念头。

我曾在岚山一个下雨的车站等了一个小时——买错了方向的票，站在屋檐下看雨打湿的绿色。两个月后，我已经记不清当时的狼狈，只剩下绿色、雨声和一种短暂停留在世界某处的感觉。再过几年，也许连这些也会消退，只剩一张潮湿站台的照片。

而另一次经历让我发现：记忆并不总是靠提问被提取出来的。当 AI 认真分析我已经说出的内容、把其中的结构和矛盾返还给我时，记忆会自己继续生长——"对，就是这里""不，当时还有一个前提""你这么说，我又想起了一件事"。

Tideline 想把这种过程带到照片里。它更像一艘很小的打捞船，沿着照片、声音和文字留下的微弱坐标，把仍然能够找到的东西一件件捞起来。

它是怎么工作的

1. 建立项目 —— 为一段不想失去的经历建一个项目（一次旅行、一段日子）。
2. 导入材料 —— 批量上传照片，按 EXIF 拍摄时间摊开成时间线；语音、文字随时补充。
3. 对着照片讲述 —— 想到什么说什么，不需要完整，不需要按顺序。
4. AI 回应 —— 基于项目纪要、当前照片、邻近材料与最近对话作出回应：复述、分析、关联、适度追问。
5. 档案沉淀 —— 讲述与确认都作为原始事件保存，最终生成带照片的 Markdown 档案，随时导出。

照片在这里不是最终产物，而是记忆的触发器。

一轮真实的讲述

就是上面岚山的那个故事。左边是那张照片（拍摄时间来自 EXIF），右边是对着它随口说的几句话，和 AI 的回应——它认真看了照片：第 5 节车厢的候车牌、收拢的伞、看不到雨棚的站台，把讲述与画面之间的出入摆出来，但不替你下结论。

产品原则

摘自 PRD 中最重要的几条：

• 真实优先于流畅 —— AI 不为了文章完整而补写不存在的事实、情绪或因果。
• 原始材料不可覆盖 —— 生成的文章、摘要都不能取代原始输入。
• 回应优先于提问 —— AI 的价值不在提问数量，而在回应是否唤起继续回忆、补充或修正。
• 推测必须与事实区分 —— AI 的分析是等待确认的暂时性理解，用户可以纠正、否定、撤回。
• 用户拥有最终控制权 —— 随时导出、删除、迁移，决定哪些公开、哪些永远私密。

架构与技术栈

层	选型
后端	Python 3.11+ / FastAPI / SQLAlchemy，uv 管理依赖
前端	React / Vite / TypeScript
数据库	SQLite
AI	Claude（provider 抽象：API / 本机 CLI / 远端桥接可切换，见下）
部署	威联通 NAS（Docker Compose），Web 仅局域网；推理经桥接链路出网
备份	restic 加密增量备份至 Cloudflare R2（3-2-1 策略，见 deploy/nas/）

关键设计（详见决策记录）：

• 事件溯源 —— 讲述、确认、纠正都是 append-only 事件；项目纪要是可从事件流重放重建的派生缓存，每条条目带来源事件 ID。
• 双调用分离 —— 主模型流式生成回应（纪要 + 当前照片 + 邻近材料 + 最近对话）；小模型在后台队列提取纪要增量。
• 时间线 —— 按 EXIF 拍摄地本地时间排序，不强转 UTC；无 EXIF 材料打不可靠标记，允许手动定位。
• 媒体安全 —— 图片一律经鉴权接口或短时效签名 URL 输出，不走静态目录。

目录结构

Tideline/
├── backend/                # FastAPI 后端
│   └── app/
│       ├── main.py         # 应用入口（生产环境同时托管前端静态文件）
│       ├── config.py       # 配置（TIDELINE_ 前缀环境变量）
│       ├── auth.py         # 单用户会话鉴权
│       ├── db.py / models.py / schemas.py
│       ├── routers/        # projects, materials, memory, export
│       └── services/       # AI 调用、上下文组装、纪要、EXIF、图片、提示词
├── frontend/               # React + Vite + TS 前端
│   └── src/pages/          # 登录、项目列表、项目时间轴、回忆工作台
├── doc/                    # 随笔、理念文档、PRD、决策记录
├── deploy/                 # 部署物料：NAS 运维/备份脚本、桥接主机安装脚本
├── Dockerfile              # 单镜像多阶段构建（前端产物打进后端镜像）
└── docker-compose.yml      # NAS 部署入口

快速开始

本机开发 —— 后端：

cd backend
uv sync
uv run uvicorn app.main:app --reload

前端（开发服务器代理 /api 到 8000 端口）：

cd frontend
npm install
npm run dev

配置：复制 .env.example 为 backend/.env。不填 TIDELINE_PASSWORD 时跳过鉴权（仅限本机开发）。

NAS 部署（详见 deploy/）：

cp .env.example .env   # 填好密码、密钥，选定 AI 后端
docker compose up -d --build

AI 后端（TIDELINE_AI_PROVIDER）

模式	说明
api	直连 Anthropic API（TIDELINE_ANTHROPIC_API_KEY）
claude_cli	本机/容器内 Claude Code CLI，走订阅额度
bridge	部署机无法直连模型厂商时，经 HTTPS 隧道把推理转发给远端桥接主机（同仓库的 app/bridge_server.py 入口点；协议定义在 app/services/bridge.py，部署见 deploy/bridge-host/，决策依据见决策记录第 14/15 条）。桥接主机支持双引擎——claude（Claude 订阅，主通道）与 codex（ChatGPT 订阅，备用/对照），应用内「服务状态」页可查看各链路状态并热切换
echo	无任何凭证时的本地开发占位回应
auto（默认）	有 API key 走 api；本机有 CLI 走 claude_cli；否则 echo

文档

文档	内容
在记忆消失以前	随笔，项目的情感起点
照片驱动的个人记忆理解与重建工具	理念文档
产品需求文档（PRD）	完整需求与 MVP 范围（10.1）
决策记录	已确定的 15 条技术与产品决策（含理由与修订）

状态与许可

MVP 开发中，范围以 PRD 10.1 为准：创建项目、批量上传照片、按时间浏览、对照片讲述、AI 基于上下文回应、保存完整原始输入、生成带照片的 Markdown 档案并导出。

单用户自用工具。以 AGPL-3.0 发布——自部署、修改、分发都自由，但基于它提供网络服务时须同样开源；记忆应当由它的主人掌控，衍生品也一样。

---

_{让过去尽可能少地消失。}