图书馆藏书整理APP产品系统Vibe Coding

图书馆历史累积的大量藏书需进行收纳整理与后续分类。传统人工登记效率低、易出错，且缺乏电子档案备份。

1. 需开发完整的跨平台 App，供员工直接对具体图书拍照采集，每本图书拍摄 3-5 张图片，涵盖清点号、馆藏码、图书尺寸、书名等信息，藏书规模数万到数百万本(多客户)。
2. 需 OCR 预解析与 AI 智能识别，尽量减少人工介入；同时做好云端备份存储，建立可追溯的电子档案，并支持结构化数据导出用于图书分类管理。

拍书助手是一款面向图书馆藏书整理场景的企业级移动应用，解决数万本历史累积藏书的数字化建档难题。系统由 Flutter 跨平台客户端与 Node.js 智能解析服务端组成，实现"拍照采集→云端归档→AI智能解析→结构化导出"的全链路闭环。
核心功能模块：
1. 拍照采集：员工使用 APP 对每本图书拍摄 3-5 张图片（封面、清点号、馆藏码、书名页等），支持一书多图管理、长按拖拽调整顺序、首图自动设为封面。
2. 离线 OCR 识别：手机端集成 PaddleOCR，无需联网即可对图书图片做中文文字识别，支持单张与批量两种模式，现场快速预览识别结果。
3. 云端安全归档：采用阿里云 OSS 签名直传方案，AccessKey 仅存于服务端、前端零暴露；支持多租户授权码体系，不同员工数据路径隔离；上传状态一致性容错，支持断点续传与失败重传。
4. Agentic-AI智能解析（核心）：服务端基于 Agent 自主决策架构，MiniMax-M3 大模型负责图像定位与书名识别，PaddleOCR 负责贴码区域精读，双引擎交叉校验。Agent 可自主决定是否调用 OCR 复核，自动提取条形码、书名、作者、出版社等结构化信息，最大限度减少人工介入。
5. 数据治理与导出：解析结果实时写入 all_parsed.csv 全量汇总表并同步至云端；按运行日期归档；生成结构化 parse.txt 审计记录，全流程可追溯；OSS 废弃文件夹采用重命名替代删除的安全治理策略。
6. 稳定性保障：全局崩溃捕获、统一日志体系、PM2 定时调度解析任务，保障数万本图书的大规模批处理稳定运行。

本人独立负责该项目前端 APP、后端服务、AI 解析引擎的全栈设计与开发
技术栈：前端 Flutter(Dart) + sqlite 本地数据库；后端 Node.js(Express) + pi-agent-core Agent 框架 + MiniMax-M3 大模型(火山引擎) + PaddleOCRv6+阿里云OSS+PM2服务端管理
架构设计：
- APP客户端采用三Tab 底部导航（图书瀑布流 / 拍照 / 设置）Material Design 3 风格，支持深色模式与竖屏锁定。
- 服务端按职责拆分为 config/oss/ocr/llm/master-csv/parse-text等模块，主流程编排"扫描→下载→MiniMax 定位→OCR 精读→交叉校验→生成结果"完整闭环。
- 基于 pi-agent-core 实现多轮自主 Agent：定义validate_barcode（条形码校验）、ocr_recognize（OCR 精读）、save_book_analysis（提交结果）三个工具，Agent 根据图片内容自主决策——有把握直接提交，没把握则调用 OCR 对定位区域精读复核。
技术亮点：
1. 双引擎交叉验证：MiniMax 视觉大模型定位贴码位置 + PaddleOCR 对裁切区域精读，两者互补，显著提升条形码识别准确率。
2. OCR 国产化部署：PP-OCRv6 Medium 本地部署，设计多源下载策略解决国内网络问题
3. OSS 签名直传安全方案：预签名 URL 10 分钟过期、路径白名单限制、禁止路径穿越，前端全程不接触密钥
4. 大规模批处理工程化:数万图书并发解析，断点续传、轮次保护与 OCR 节流、解析结果实时持久化、按日归档
难点攻克：相机资源竞争导致的黑屏问题、上传状态一致性容错、火山引擎 MiniMax 角色兼容性适配