已结束已结束开发一套AI辅助学习终端，预算一万

项目目标：开发一套AI辅助学习终端，ESP32-P4采集课本图像，经中转层调用OCR与大模型解析，最终在本地实现解析结果的屏幕显示与语音播报。

关键接口约定（双方必须遵循的通信标准）：

1. 通信协议：统一使用 HTTP/HTTPS 进行请求交互

2. 图像上传格式：ESP32-P4 以 JPEG 格式上传图像，请求中附带设备ID与请求ID

3. 结果回传格式：中转层以固定JSON格式返回结果，如：{"code":200, "content":"解析内容", "error":""}

4. 基础错误约定：超时时间30秒，失败重试2次，错误码定义：200=成功/400=参数错误/500=服务错误

| 序号 | 阶段名称 | 执行主体 | 核心动作描述 |

|------|------------------------|----------------|------------------------------------------------------------------------------|

| 1 | 本地图像采集 | ESP32-P4 | 驱动外接摄像头，对准课本完成画面拍摄、图像采集与初步预处理（含JPEG压缩）。 |

| 2 | 图像 & 数据上传 | ESP32-P4 | 将采集后的图像数据，通过WiFi网络上传至中转层服务。 |

| 3 | 中转层分发请求 | 中转层服务 | 接收图像数据，调用OCR接口提取文本，转发至豆包大模型。 |

| 4 | AI 内容解析 | 豆包大模型 | 接收文本，生成答疑、解析、知识点梳理等讲解内容。 |

| 5 | 结果回传至中转层 | 豆包大模型 | 将生成的讲解内容返回给中转层服务。 |

| 6 | 中转层二次转发 | 中转层服务 | 对内容做格式适配，将最终数据回传给ESP32-P4。 |

| 7 | 本地终端输出呈现 | ESP32-P4 | 接收数据后，驱动显示模块展示解析内容，同时驱动语音模块同步播报讲解。 |

| 角色 | 负责范围 | 核心交付物 |

|-------------------|----------------|----------------------------------------------------------------------------|

| ESP32-P4 工程师 | 硬件端全流程 | 1. 摄像头驱动、图像采集与预处理（含JPEG压缩）
2. WiFi通信模块，对接中转层API（遵循HTTP协议）
3. 显示模块驱动，文本/图片渲染
4. 语音播报模块驱动，TTS播放 |

| 中转层工程师 | 服务端全流程 | 1. 接收图像数据的HTTP接口
2. OCR文本提取功能
3. 对接豆包大模型API
4. 结果格式适配与回传接口（遵循约定JSON格式） |

联调说明：两位工程师自行约定通信协议细节、数据格式与调试方式，完成跨端联调。我方仅验证最终端到端流程是否通跑。