智能语音书稿创作系统｜需求文档 V2.0（优化版）
文档版本：V2.0
一、项目概述
开发一套
手机App + Cloudflare云端服务组成的语音创作系统。创作者通过手机App以语音对话方式和AI Agent沟通，完成书籍创作。整套创作流程划分为固定执行阶段，严格顺序推进；未解锁阶段内容自动隐藏，实现渐进式创作。所有创作数据本地优先存储，定时增量同步至Cloudflare云端持久化保存。
摒弃按天数、时长限制创作的模式，采用流程阶段状态机驱动，创作速度、耗时由创作者自主掌控。
二、整体架构组成
1.
客户端：安卓手机App（Flutter 3.x开发，可打包APK，无需应用商店上架）
2.
云端服务：Cloudflare Worker（通讯网关） + Cloudflare D1（SQLite数据库）
3. 代码统一托管于私有GitHub仓库
4. App <—HTTPS接口—> Cloudflare Worker <—> D1数据库
技术栈
组件 | 技术方案 |
|------|----------|
移动端框架 | Flutter 3.x + Dart |
本地存储 | SQLite (sqflite) 或 Hive |
语音识别(STT) | 讯飞语音SDK |
语音合成(TTS) | 小米TTS（免费） |
云端计算 | Cloudflare Workers |
云端数据库 | Cloudflare D1 (SQLite) |
实时同步 | Cloudflare KV (可选，用于实时通知) |
三、客户端App功能需求
3.1 App页面结构
#### 页面1：书单首页（菜单主页）
1. 展示全部自建书稿项目列表；
2. 每个书稿卡片展示：书名、当前所处创作阶段、最近更新时间、简易进度条；
3. 功能按钮：【新建书稿】、【打开已有书稿】；
4. 支持按创建时间、更新时间排序；
5. 支持搜索书稿名称；
6. 长按书稿卡片可删除、重命名。
#### 页面2：书稿创作核心页面（核心页面）
1.
顶部：可视化创作流程时间轴
流程固定顺序（不可逆主线）：
- 阶段0｜书稿初始化
- 阶段1｜深度语音访谈采集素材
- 阶段2｜全书框架与大纲规划
- 阶段3｜章节正文分批创作
- 阶段4｜全文校对、修订、定稿
三种视觉状态：
- 🟢绿色：已完成阶段，可点击回看历史内容
- 🔵蓝色：当前激活阶段，唯一可编辑、对话创作
- ⚫灰色锁定：未解锁阶段，
内容完全隐藏，无法查看、无法点击进入
2.
中部区域
- 语音对话窗口：与AI Agent聊天记录；支持文字展示、语音朗读
- 当前阶段素材库：自动汇总本阶段所有语音口述内容、AI整理资料
- 对话气泡支持：文字消息 + 语音消息（可点击播放）
3.
底部功能
- 麦克风录音按键（语音输入核心）
- 【完成本阶段验收】按钮
⚠️规则：创作者手动点击验收，系统才解锁下一阶段；禁止AI自动推进流程。
- 【导出本阶段】按钮（导出当前阶段素材/对话记录）
#### 页面3：系统设置页面
1.
大模型配置项：LLM接口地址、API Key、模型名称（自由切换Moonshot/DeepSeek/Kimi等）
- API Key本地加密存储，不明文展示
- 支持测试连接功能
2.
语音功能配置：
- 语音识别引擎选择（讯飞/Google）
- 语音合成引擎选择
- 录音质量设置（标准/高清）
- AI语音朗读(TTS)开关
- 语音播放速度调节
3.
云端同步配置：
- 自动云端同步间隔设置（可选：30s / 60s / 180s / 手动）
- 仅WiFi下同步开关
4.
数据管理：
- 手动同步按钮
- 本地缓存清理
- 数据导出（支持JSON/PDF/Word格式）
- 数据导入（从备份恢复）
5.
界面设置：
- 主题切换（深色/浅色/跟随系统）
- 字体大小调节
3.2 核心交互规则（语音创作）
1.
创作者操作：点击麦克风，语音口述想法；App完成语音转文字；
2.
AI Agent行为：根据当前阶段规则
主动提出递进式问题，引导创作者输出思路，而非大段输出文本；
3.
完整对话记录自动归类至【当前阶段素材】；
4. 支持文字输入兜底，兼顾无语音场景；
5. 支持
语音回放：可点击播放AI的语音回复。
3.3 数据存储与同步机制
1.
本地优先策略
- 所有对话、素材、书稿状态优先保存在手机本地SQLite数据库；
- 断网状态下可完整创作，不会丢失数据；
- 本地数据采用AES-256加密存储。
2.
增量定时同步
- App前台运行时，按照设定时间间隔，仅上传新增数据（增量上传，不重复上传完整书稿）；
- 网络异常自动重试，最多重试3次；
- 同步队列：离线期间的操作排队等待同步。
3.
启动同步
- 打开任意书稿项目时，App主动请求云端，拉取最新书稿状态；
- 本地与云端数据合并，支持多端进度互通；
-
冲突解决策略：以时间戳最新的修改为准，冲突时保留双方版本供用户选择。
4.
数据备份
- 支持手动导出书稿为JSON文件；
- 支持导出为PDF/Word格式（带格式排版）；
- 支持从备份文件恢复书稿。
四、云端 Cloudflare 服务需求
4.1 Cloudflare Worker（API网关）
1.
数据同步接口
- 接收App上传的增量书稿数据，写入D1数据库；
- 支持批量写入优化性能；
- 返回同步成功确认及最新版本号。
2.
LLM代理接口
- 接收App大模型对话请求，中转转发至目标LLM接口；
- 保护API密钥，不在客户端裸露密钥；
- 支持多模型切换（通过配置区分）；
- 请求超时设置：30s（适配一问一答模式）。
3.
数据拉取接口
- 提供接口，供App拉取云端书稿完整进度、历史素材；
- 支持按时间戳拉取增量数据；
- 返回数据压缩（gzip）减少传输量。
4.
安全鉴权
- 基础简易访问鉴权（Bearer Token），防止外部恶意调用接口；
- Token本地生成，绑定设备ID；
- 请求频率限制（防刷）。
4.2 Cloudflare D1（持久化数据库）
存储所有书稿结构化数据：
books表（书稿主表）
字段 | 类型
说明 |
|------|------|------|
id | TEXT PRIMARY KEY
书稿唯一ID |
title | TEXT
书稿名称 |
description | TEXT
创作定位/简介 |
current_stage | INTEGER
当前流程阶段(0-4) |
created_at | TEXT
创建时间 |
updated_at | TEXT
更新时间 |
sync_version | INTEGER
同步版本号 |
stages表（阶段数据表）
字段 | 类型
说明 |
|------|------|------|
id | TEXT PRIMARY KEY
阶段ID |
book_id | TEXT
关联书稿ID |
stage_number | INTEGER
阶段编号(0-4) |
is_completed | BOOLEAN
是否完成 |
completed_at | TEXT
完成时间 |
outline | TEXT
大纲内容(JSON) |
messages表（对话记录表）
字段 | 类型
说明 |
|------|------|------|
id | TEXT PRIMARY KEY
消息ID |
book_id | TEXT
关联书稿ID |
stage_number | INTEGER
所属阶段 |
role | TEXT
角色(user/assistant) |
content | TEXT
消息内容 |
audio_url | TEXT
语音文件URL(可选) |
created_at | TEXT
创建时间 |
五、AI Agent 业务约束规则（状态机Skill）
1.
严格阶段识别：严格识别当前书稿所处流程阶段，
禁止跨阶段开展工作；
2.
阶段隔离：处于某一阶段时，只执行本阶段对应的工作任务；未解锁阶段相关内容禁止主动生成；
3.
访谈阶段核心：阶段1（访谈阶段）核心模式：主动提问、引导创作者口述，持续挖掘原始想法、观点、素材；
4.
素材整理：自动持续整理对话信息，结构化汇总素材；
5.
人工验收：只有创作者手动完成阶段验收，Agent才可进入下一阶段任务；
6.
无时间限制：完全移除任何按天数、每日工作时长相关限制条件。
阶段详细规则
#### 阶段0｜书稿初始化
- 引导用户填写：书名、创作定位、目标读者、核心主题
- 确认后自动进入阶段1
#### 阶段1｜深度语音访谈采集素材
- AI主动提问，引导用户口述想法
- 问题递进：从宏观到微观，从主题到细节
- 自动整理对话要点，生成素材摘要
- 素材按主题分类存储
#### 阶段2｜全书框架与大纲规划
- 基于阶段1素材，AI生成全书框架建议
- 与用户讨论确认章节结构
- 输出：完整目录大纲
#### 阶段3｜章节正文分批创作
- 按章节顺序逐一创作
- 每章完成后确认，再进入下一章
- 支持章节内容回看、修改
#### 阶段4｜全文校对、修订、定稿
- AI检查全文一致性、逻辑性
- 标记疑似问题供用户确认
- 最终导出定稿
六、导出功能需求
1.
PDF导出：带目录、页码、章节标题的排版PDF
2.
Word导出：标准.docx格式，可编辑
3.
纯文本导出：.txt格式，用于其他平台
4.
JSON导出：完整数据备份，可恢复导入
七、部署与代码管理规范
1. Flutter App客户端源码、Cloudflare Worker源码统一存放于私有GitHub仓库；
2. Worker使用Wrangler工具发布部署至Cloudflare；
3. App源码编译生成安卓APK，直接安装到手机，无需上架应用商店；
4. 使用GitHub Actions实现CI/CD自动构建APK。
八、非功能性约束与已知限制
1.
后台限制：手机系统休眠、后台挂起时，定时同步会被系统限制；采用「前台定时同步 + 打开书稿强制拉取云端数据 + 本地缓存队列」三重策略规避丢数据风险；
2.
Worker限制：Cloudflare Worker单次请求最大运行时长300s；适配一问一答语音对话模式，无冲突；
3.
平台优先：优先适配安卓设备；iOS如需安装，需要TestFlight方案，不作为首要目标。
4.
性能要求：语音识别响应时间 < 2s；AI回复时间 < 5s（取决于LLM）；本地数据查询 < 100ms。
5.
兼容性：支持Android 8.0 (API 26) 及以上版本。
九、开发阶段规划（无时间限制）
阶段1：基础框架
- Flutter项目搭建，基础UI框架
- 本地SQLite数据库设计
- 书稿CRUD功能
- 阶段状态机基础实现
阶段2：语音交互
- 语音识别(STT)集成
- 小米TTS集成
- 对话记录存储与展示
阶段3：AI Agent
- LLM接口对接
- 阶段规则实现
- 对话上下文管理
阶段4：云端同步
- Cloudflare Worker开发
- D1数据库设计
- 增量同步实现
阶段5：导出与优化
- PDF/Word导出功能
- 性能优化
- Bug修复
开发节奏由开发者自主掌控，按阶段推进，不设时间限制。