第十周我们完成了 MySQL FULLTEXT 召回、RagChatService、POST /api/ai/rag/chat 以及前端侧栏联调，但还是存在几处短板：一、LLM 长期未配置，Map-Reduce 摘要、RAG 生成、format/quiz 只能降级，演示时看到的往往是检索片段，而不是模型总结。二、RAG 侧栏虽然接了后端，回答仍是一次性返回，前端用 setInterval 模拟打字

第十周我们完成了 MySQL FULLTEXT 召回、RagChatService、POST /api/ai/rag/chat 以及前端侧栏联调，但还是存在几处短板：一、LLM 长期未配置，Map-Reduce 摘要、RAG 生成、format/quiz 只能降级，演示时看到的往往是检索片段，而不是模型总结。二、RAG 侧栏虽然接了后端，回答仍是一次性返回，前端用 setInterval 模拟打字

异步并发基础：按任务书指标提供 AI 专用线程池，避免长耗时任务阻塞 Web 请求线程；流式交互骨架：建立 SSE 长连接接口与事件协议（meta/delta/done/error），为前端打字机渲染提供稳定契约；可取消机制：支持断开即取消与服务端 abort，减少无意义生成与资源浪费。

前端这边，新增了 rag.js 文件，专门封装这个接口，超时时间单独设成两分钟，因为大模型生成第一段内容有时候会比较慢。固定话术的设计特别有用，答辩时评委如果故意问库里没有的内容，系统行为是可预测的，而不是模型随机发挥。前几周我们已经实现了不少「AI 处理外部材料」的功能，包括从 B 站抓字幕、清洗、切片、摘要入库等，演示效果不错。但产品角度上，仅仅把材料整理好还不够，用户更需要的是「我已经记了这

上周解决了 RAG 可观测与摘要去 mindmap 后，产品形态仍停留在「导入 → 一篇 Markdown」——缺少模块化复习与视频时间轴联动。本周计划实现：（1）note.content_struct JSON 列 + StructuredSummarizeService 三阶段编排（modules / timeline / segments）；（2）POST /api/ai/stream/st

HomeView 顶栏新增「一键摘要」，与「AI 排版」「生成习题」并列：调用 POST /api/ai/summarize（Map-Reduce，已去 mermaid）；以 --- + ## AI 摘要 追加到文末，不覆盖原文；agentReady 与 llm/status 联动置灰。适用场景：已有长笔记想快速压缩，无需走 Import SSE 全量重写。

前端这边，新增了 rag.js 文件，专门封装这个接口，超时时间单独设成两分钟，因为大模型生成第一段内容有时候会比较慢。固定话术的设计特别有用，答辩时评委如果故意问库里没有的内容，系统行为是可预测的，而不是模型随机发挥。前几周我们已经实现了不少「AI 处理外部材料」的功能，包括从 B 站抓字幕、清洗、切片、摘要入库等，演示效果不错。但产品角度上，仅仅把材料整理好还不够，用户更需要的是「我已经记了这

摘要本文记录第七周在 AI 中台侧的三层推进：（1）抓取层由纯模拟扩展为 HTTP 接口链 + 可控降级；（2）清洗层在保持 KPI 思路的前提下迭代规则，减少误伤与英文粘连；（3）计算层实现 语义切片 与 Map（线程池并行）→ Reduce（全局归并） 的摘要主链路，并暴露/api/ai供组员联调。