Item_Tracker

1. 情境与任务 情境与核心痛点： 在快节奏的日常生活中，人们极易遗忘护照、备用钥匙、特定证件等低频使用物品的存放位置。传统的备忘录里装满了待办事项、灵感和密码，当急需寻找物品时，依靠翻阅长长的清单或进行精准的关键词搜索效率不高。 任务： 打造一款数字伴侣打破传统工具的僵硬交互。核心任务是利用大模型（LLM）的实体提取能力，让用户通过最自然的语音或一句话短文本，即可完成物品的极速存取；同时引入绘本风状态机动画，提供有温度的反馈，降低工具的机械感。 2. 行动与架构 极简交互设计：确立「一语直达」的交互逻辑。摒弃所有繁杂的菜单与分类，页面只保留一个输入框和一个拟人化反馈区（猫咪动画）。信息流强制收敛至「最近 1 次对话」，通过物理手段切断信息过载。 技术与逻辑架构： 自然语言处理层：接入百炼 API 等大模型，精准解析用户的非结构化输入，自动提取「物品名称」与「具体方位」。 数据与安全层：集成 Supabase 云端数据库，应用 RLS（行级安全策略）实现多用户的独立认证与物理数据隔离，保障隐私安全。 视觉反馈层：利用 React 状态机控制 MP4 视频与静态底图的无缝切换。通过时序锁，实现「请求 -> Loading 掩护 -> 猫咪翻找动画 -> 专属气泡呈现」的流转。 3. 迭代历程 V0.1 - V0.2 (核心链路跑通)：完成基础 ChatUI，打通 LLM API 与 Supabase 数据库，验证自然语言到结构化数据的存取逻辑。 V0.3 (视觉体验重构)：产品风格由冷转暖，重构为绘本风垂直布局。引入视频状态机魔术，验证多媒体反馈的可行性。 V0.4 (交互闭环与工程打磨)：将呆板的对话流升级为「专属气泡贴身回复」，重置视觉比例。彻底解决多媒体素材对齐、时序错乱等前端工程痛点，并完成登录隔离系统。 4. 复盘与优化 现有产品不足： 模态单一限制了记忆维度：目前仅支持文本输入与文本定位。如果用户忘记了「第三个抽屉」长什么样，单纯的文字回复依然显得单薄。 检索语义匹配较弱：大模型当前更侧重于实体提取，若存入时说「数据线」，寻找时问「充电线」，缺乏模糊语义与同义词映射，容易导致查找失败。 交互完全处于被动响应：系统目前只能「听指令行事」，缺乏基于时间的上下文联想和主动关怀。 未来优化方向： 引入视觉记忆：支持「拍照存物」。用户不仅可以说，还可以拍下物品存放的照片，让猫咪将图片与位置一并记录，找东西时直接图文并茂地返还。 构建个人物品知识图谱：升级 LLM 的检索逻辑，引入向量数据库，实现基于语义和关联性的模糊搜索，极大提升查找的容错率。 探索主动式提醒场景：结合特定情境，猫咪可以主动生成备忘气泡，从「被动储物柜」向「主动式管家」进化。