立项原因与解决的问题：
本项目旨在从零构建一个高交互、高并发的现代化视频社交社区，解决传统视频平台在内容生态治理和用户互动效率上的痛点。通过深度集成大语言模型（LLM），解决海量评论难以人工审核、用户检索数据效率低、群聊信息过载等实际问题。
行业场景与业务背景：
属于泛娱乐社交/视频社区及企业内容风控场景。业务背景对标 YouTube 等流媒体平台，涵盖了从用户创作（视频上传、动态发布）、社交互动（私信、群聊、关注、长轮询通知）到平台治理（AI 自动拦截违禁词、违规评论）的完整闭环。同时引入 Spring AI，实现自然语言查库（NL2SQL）与智能问答，极大地提升了社区运营效率和用户体验。
项目主要分为四大核心功能模块：
1. 音视频与社区互动： 支持大文件分片上传、视频封面设置、本地磁盘映射播放、短视频纵向滑动流（基于热度算法与视口自动播放）。支持动态 Feed 发布、多级嵌套评论、播放历史记录。
2. AI 智能助手模块（核心亮点）： 深度对接 DeepSeek 大模型。支持流式打字机效果的对话问答、一键生成视频评论区观点总结；在群聊中支持@AI 总结历史聊天记录；并且实现了自然语言转 SQL 逻辑，用户可直接用自然语言查询点赞库、用户信息等底层数据。
3. 私信与群聊系统： 支持单聊及群聊，支持发送图文、视频及表情包。支持消息撤回、单边软删除；群聊支持群主退出时的智能转让（排除 AI 机器人）及群组级联解散。
4. 平台治理与通知： 采用长轮询实现的全局未读消息与点赞红点通知。基于 MySQL 的违禁词匹配与 AI 评论审核机制，对违规昵称进行定时后台清洗，对违规视频评论进行 AI 自动识别与静默删除。
我负责的具体任务：
本项目为独立全栈开发（从数据库设计、后端 API、前端 UI 到 AI 接入均由本人独立完成）。
技术栈与架构：
后端：Java 17、Spring Boot 3.x、Spring AI、MyBatis、MySQL 8、Redis；
前端：原生 HTML/CSS/JS (多页应用)、Vite 构建打包；生产环境使用 Nginx 部署。
实现亮点与难点解决：
1. 高并发点赞与缓存一致性： 采用 MySQL 做主库、Redis 做拦截的 Cache-Aside 模式。利用 Redis Set 防止重复点赞，解决高并发下的数据库写热点；取消点赞时，强制将 Redis 计数重置为 MySQL 最新值，彻底解决数据不一致问题。
2. 流式输出与并发防抖： 前后端通过 SSE (Flux) 与 ReadableStream 实现 AI 流式输出。前端引入 aiLock 状态锁 + 临时思考气泡，彻底解决长轮询与流式请求冲突导致的无限死循环 Bug。
3. 数据上下文注入 (NL2SQL)： 难点在于将用户的自然语言与数据库表结构结合。我通过前置关键字路由，将用户信息、点赞记录等数据转换为自然语言 Context 注入 Prompt，实现了精准的 AI 数据库问询。
评论