1. 项目背景与问题分析
Memoria 是一款基于 Flutter 开发的智能相册应用,核心功能是通过 AI 技术对照片进行自动分类、语义搜索和故事化展示。在最近的用户反馈和内部测试中,我们发现了三个亟待解决的核心问题:
首先是 OCR 识别模块的干扰问题。原先的设计中,ML Kit OCR 提取的文本信息会直接参与后续的标签生成、故事构造和聚类计算。但在实际场景中,我们观察到 OCR 经常会产生诸如"中M"、"15:40 中M"这类无意义的碎片文本,这些噪声数据会显著影响下游 AI 模型的表现。
其次是搜索功能的稳定性问题。虽然已经接入了 MobileCLIP 向量检索,但用户反映点击推荐标签时会出现崩溃,且某些分类查询(如"美食饮品")在主题聚类中能命中,在搜索页却返回空结果。这表明我们的检索策略存在阈值设置和兜底机制的问题。
最后是人物聚类的过度分裂问题。原先的聚类算法过于敏感,同一个人在不同场景下的照片(如换了衣服或背景)经常被识别为不同个体,导致用户相册中出现大量碎片化的人物分组,严重影响使用体验。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. OCR 策略重构:从主角到配角
2.1 架构层面的降权设计
我们在 lib/utils/ 目录下新增了 ocr_policy.dart 作为统一的 OCR 策略管理层。这个设计的核心思想是将 OCR 从必选流程变为可选功能:
dart复制class OcrPolicy {
static bool get mlKitEnabled =>
const bool.fromEnvironment('ENABLE_ML_KIT_OCR', defaultValue: false);
static List<String> effectiveTags(PhotoEntity photo) {
return mlKitEnabled ? _filterTags(photo.ocrTags) : photo.aiTags;
}
static String effectiveText(PhotoEntity photo) {
return mlKitEnabled ? _cleanText(photo.ocrText) : '';
}
}
这种设计带来了三个关键优势:
- 通过环境变量控制功能开关,避免修改代码重新发布
- 业务层通过统一接口获取 OCR 信息,不再直接访问原始字段
- 内置了文本清洗逻辑,即使开启 OCR 也能过滤噪声
2.2 历史数据的兼容处理
仅仅关闭新 OCR 处理还不够,因为数据库中可能已存在大量历史 OCR 数据。我们在 12 个关键业务模块(如故事生成、事件摘要等)进行了全面改造:
dart复制//
