当前 Memoria 的 AI 架构可以概括为一句话：本地负责理解和沉淀，云端负责组织和增强。MobileCLIP2 在本地完成图片向量和标签，让照片先变成可检索、可推荐、可创作的数据；本地 caption 和端侧 VLM 尽量承担需要直接看图的细节补充；DeepSeek 则主要处理结构化文本，完成复杂查询解析、故事写作、相册短文案和发布文案。每一层都有明确边界，每个模型输出都要经过业务代码验证。

当前 Memoria 对大模型的使用，已经覆盖“理解照片、搜索照片、推荐照片、组织故事、生成相册、辅助发布”这一整条链路。但它的核心并不是堆模型，而是分工明确：MobileCLIP2 提供视觉语义底座，DeepSeek 负责结构化理解和语言创作，端侧 VLM 负责本地 caption，业务层负责可靠性和产品闭环。这也是当前项目最重要的大模型应用经验：不要把大模型当成一个不可控的黑盒生成器，而是把它

当前项目里的数字相册，已经从“故事结果的展示页”升级成了一套完整的相册书编辑系统：它从故事生成结果接收素材，用本地排版服务生成封面、内容页和结尾页，再通过模板选择、AI 写文案、版式校验、元素编辑和本地保存，把照片故事变成可以继续浏览和打磨的数字作品。

当前项目里，的本地部署已经形成了一条完整链路：先在仓库中准备llama.cpp运行时和 Qwen 模型文件，再由 Gradle 在构建阶段把这些资源打进 APK；应用首次运行时把资产解压到私有目录，再把服务可执行文件和共享库复制到运行目录；随后通过拉起常驻，用承接推理请求，并通过测试页验证部署、启动、预热和推理结果是否全部正常。它的价值不只是“本地能跑一个模型”，而是为后面的本地 caption、

真正决定排序的是向量打分。每张候选图都会和分别计算相似度。：所有正向语义按权重加权后的总分，用来判断“方向是否相关”。：只统计相似度不低于0.20的正向语义，再做加权平均，用来判断“是否足够像”。正向语义决定主方向。负向语义只负责削弱，不直接把结果踢掉。即使方向相关，最终分数仍然必须不低于0.03，低质量尾部结果不会进列表。这套语义搜索的核心，不是让大模型直接帮我们找图，而是把自然语言先解析成一份