采用 HTTP/HTTPS 协议，确保数据传输的安全性和稳定性，所有接口遵循 RESTful 架构，使用标准 HTTP 方法（GET、POST、PUT、DELETE）。非特殊说明，请求和响应使用 JSON 格式。Authorization请求头携带 JWT 令牌，格式为Bearer <token>。接口测试工具统一为Apipost。

{
    "Content-Type": "application/json",
    "Authorization": "Bearer <ACCESS_TOKEN>"
}

{
  "code": 0, // 返回码、错误码
  "timestamp": "2025-07-03 14:30:00", // 时间戳
  "message": "success", // 状态描述
  "data": { // 数据内容，成功时返回具体数据，失败时为空
    // 具体数据结构根据接口类型而定
  }
}

{
    "code": 200,
  	"timestamp": "2025-07-03 14:30:00",
    "message": "success",
    "data": {
        "temperature": 25.3,
        "humidity": 60.5,
        "light": 1500,
        "wind_speed": 3.2,
        "rainfall": 0
    }
}

{
    "code": 1001,
  	"timestamp": "2025-07-03 14:30:00",
    "message": "failed sql exception",
    "data": {},
}

在日常web开发中经常会遇到查看数据最新状态的业务场景，例如查看任务状态与日志内容等。比较场景的解决方案是轮循和SSE。Server-Sent Events (SSE) 是一种允许服务器通过单向通道向客户端推送更新的技术。它基于HTTP协议，客户端使用一个标准的HTTP请求来连接到服务器，并保持这个连接打开，服务器可以在这个连接上持续地发送数据。传统http轮询需要客户端不断向服务器发起请求，每一次都要建议新的http连接，而且如果数据并没有更新，这个操作毫无意义，耗费网络带宽与系统资源，SSE允许长时间保持http连接，除非用户自行中断，实时的将数据同步到客户端，适合单向推送的数据大屏应用。WebSocket与SSE功能相似，但实现更为复杂，体量较大，可以实现客户端和服务端之间的实时双向通信，适合聊天室、AI问答场景，

• SSE：适用于只需要服务器向客户端单向实时推送数据的场景，如数据大屏，实现简单，对服务器压力小，浏览器兼容性较好。SSE基于HTTP协议，使用HTTP/1.1或HTTP/2，更适合需要基于现有HTTP/HTTPS基础设施的应用。SSE内置自动重连机制，如果连接断开，客户端会自动尝试重新连接。
• WebSocket：适用于需要客户端和服务器之间实时双向通信的场景，如聊天室、实时协作应用，支持双向通信，但实现复杂，对服务器压力更大，浏览器兼容性相对较差。WebSocket 是独立协议，虽然也从HTTP握手开始，但连接升级为WebSocket协议后不再使用HTTP，适合需要低延迟、双向通信的应用。WebSocket需要额外的代码来处理断开后的重连机制。

大模型服务平台（如 DeepSeek、OpenAI 等）通常采取流式响应（Streaming Response）方案，允许用户实时查看大模型已经生成的部分内容，而无需等模型生成完所有文本后一次性返回，实现“打字机”效果。用户可以“边生成边看”，大大提升了交互性和响应速度。

bilibili

参考：https://zhuanlan.zhihu.com/p/1901677757643077423

• 数据大屏推送（实时，请求历史记录除外）：SSE（参考：https://blog.csdn.net/qq_33816243/article/details/142220198）
• AI问答、聊天室：WebSocket（参考：https://blog.csdn.net/2403_83182682/article/details/147054320）
• 其他功能：传统http请求

参考spring ai文档：https://springdoc.cn/spring-ai/concepts.html

嵌入是将文本、图像或视频转化为数值表示的技术，能够捕捉输入数据之间的关联性。

嵌入通过将文本、图像和视频转换为浮点数数组（称为向量）来工作。这些向量旨在捕捉文本、图像和视频的含义。嵌入数组的长度称为向量的维度。

通过计算两段文本向量表示之间的数值距离，应用程序即可判定原始对象在嵌入向量空间中的相似程度。

参考：https://zhuanlan.zhihu.com/p/1916069775718725324，https://arthurchiao.art/blog/rag-basis-bge-zh/

RAG 的核心思想是动态地从外部知识库检索相关信息，并结合生成模型的能力，以产生更准确、可靠的回答。其工作流程通常分为两个阶段：

• 检索（Retrieval）：根据用户输入（query），从大规模知识库（如维基百科、专业数据库）中检索最相关的文档或段落。
• 生成（Generation）：将检索到的文档与原始输入一起输入生成模型（如GPT、T5），生成最终回答。

在构建 AI 助手系统时，一个重要的设计考量便是如何存储和管理用户对话历史。无论你是希望实现短期缓存、完整聊天记录，还是打造长期的 AI 记忆体系，都需要根据具体业务场景、查询需求、存储结构以及成本等多维度因素做出合理选择。历史对话记忆持久化分为短时记忆和长时记忆，短时记忆比如存储到 localStorage（客户端本地存储）、绘画存储，长时记忆需要把对话记忆存储到服务端的数据库。

参考：https://blog.csdn.net/sinat_25518349/article/details/148529493

使用localStorage存储历史ai对话，将历史对话内容写到客户端本地，减小服务器和数据库存储压力，提交问题时将历史对话一起发送给后端。

参考：https://zhuanlan.zhihu.com/p/1917541819404755000

官网：https://mem0.ai/

参考：https://zhuanlan.zhihu.com/p/29439492730

参考：https://zhuanlan.zhihu.com/p/29439492730

参考：https://mem0.ai/blog/ai-agent-memory-benchmark/

参考：https://blog.csdn.net/neusoft2016/article/details/128989752

视频流实时推送是指将视频数据以 “流” 的形式实时传输到客户端，实现 “边传边播” 的技术。与传统视频下载后播放的区别在于：实时性要求高（延迟通常需 < 1 秒），且需要持续应对网络波动、设备性能等挑战。****

直播（电商直播、游戏直播、赛事直播）、视频会议（Zoom、腾讯会议）、实时监控（安防系统、远程设备监控）、互动社交（抖音、快手的实时连麦）

• H.264/AVC：最主流的编码格式，平衡压缩率与画质，兼容性强。
• H.265/HEVC：压缩率比 H.264 高 50%，但编码复杂度更高，适合 4K/8K 场景。
• VP9/AV1：开源编码，压缩效率更高，常用于 YouTube 等平台。

• FEC（前向纠错）：通过冗余数据修复丢包，如在 10% 丢包率下仍可流畅播放。
• ARQ（自动重传请求）：发现丢包后请求重传，适合低延迟场景（如 WebRTC）。
• 动态码率调整：根据网络状况自动切换高清 / 标清流，避免卡顿。

[摄像头/采集设备] → [推流端（编码器）] → [流媒体服务器] → [CDN节点] → [客户端（解码器+播放器）]

• 推流端（Sender）：
  • 功能：采集视频（摄像头）、音频，编码为指定格式，通过协议推送到服务器。
  • 常用工具：OBS（开源推流软件）、FFmpeg（命令行推流）、各平台 SDK（如抖音直播 SDK）。
• 流媒体服务器（Media Server）：
  • 功能：接收推流数据，转发给多个客户端，支持协议转换（如 RTMP 转 HLS）。
  • 开源方案：
    • SRS（Simple Real-time Streaming Server）：高性能、易扩展，支持 RTMP/WebRTC。
    • Nginx-RTMP 模块：基于 Nginx 的轻量级 RTMP 服务器。
    • Wowza：商业流媒体服务器，功能全面但收费。
• 客户端（Player）：
  • 功能：接收流数据，解码后播放，处理缓冲、交互操作。
  • 实现方式：
    • Web 端：HTML5 Video 标签（HLS）、WebRTC API（原生支持）、Flash（渐被淘汰）。
    • 移动端：Android/iOS 原生播放器（支持 HLS）、ExoPlayer（Android 开源）、Vitamio（商业）。

茶园使用协议：RTSP

参考：https://blog.csdn.net/2201_75875170/article/details/134333016，https://deepinout.com/django/django-questions/707_django_opencv_live_stream_from_camera_in_django_webpage.html，https://geek-docs.com/django/django-questions/58_hk_1711156814.html