学习工作赛道 + 墨瞳 — 亦师亦友的智能书法学习伙伴
1. 墨瞳Demo 简介
墨瞳是一款融合计算机视觉笔迹识别、大语言模型书论对话与书法知识图谱的智能书法学习网站，以"亦师亦友"为内核，提供零压力临帖评价、五法审美感知、产婆式书论学习、智能碑帖研读等能力。
我们的愿景：让每一位书法爱好者，都能拥有一位懂书法、懂你、亦师亦友的AI学习伙伴。
【3 句话看点】：
- 核心功能：AI 实时书法评价 + 苏格拉底式启发对话。
- 技术狠活：全流程 TRAE Work 开发，自创 OpenClaw 三层记忆架构。
- 一句话情怀：让 AI 成为你书斋里那位“亦师亦友”的门童。
面向用户
-
书法启蒙者：零基础但有兴趣，畏惧"写不好"的评判
-
进阶习书者：有一定基础，渴望系统提升笔法结构与章法气韵
-
书论探索者：对书法理论有思辨热情，希望自由漫游又形成闭环
主要功能
Demo说明：很多功能在Demo上只是模拟，软件在这一版Demo已经写好了硬件接口，只有在智能毛笔、配套的智能眼镜到位之后，所有的自动笔法评价、即时提醒沟通、基于前台视频和后台LLM的评价和艺术对话才会实现功能闭环。
功能一：翰墨知客 — 实时书写与五维评价 【高光时刻 H1】
基于传感毛笔的笔画数据，从笔法、字法、章法、律法、意法五个维度进行智能评价，配合 ECharts 雷达图可视化呈现，给出五档等级（神品 / 妙品 / 能品 / 入品 / 初学）与针对性改进建议。
-
传感器模拟数据驱动五维实时评价
-
五维雷达图直观展示评分分布
-
等级徽章 + 个性化改进建议
-
一键跳转习作对比页
功能二：习作对比 — 原帖 vs 习作差异分析 【高光时刻 H2】
上传习作照片，系统自动与原帖进行 ORB 特征配准，生成差异热力图，标注 5 个层级的偏差区域，并给出相似度评分与详细评语。
-
ORB 特征点配准与几何校正
-
5 色差异热力图标注（优/良/中/差/严重）
-
相似度量化评分 + 具体改进建议
-
支持从书写评价页一键直达
功能三：书论讲堂 — 产婆式对话学习 【高光时刻 H3】
不直接给答案，而是像苏格拉底的"产婆术"一样，通过追问、引导、发散，让学习者自己悟出书法的道理。对话基于书论知识图谱（含《书谱》《九势》《历代书法论文选》《益州名画录》《书断》等典籍），会引用古典书论原文。
-
产婆式引导对话，不评判、只启发
-
基于书论知识图谱的发散收敛逻辑
-
对话中引用古典书论原文
-
实时流式输出，打字机效果
功能四：碑帖馆藏 — 历代名帖鉴赏
收录魏晋至唐代三大经典碑帖（兰亭序神龙本 / 多宝塔碑 / 书谱），支持高清鉴赏、朝代分类、篆隶楷行草五体筛选。
-
3 张真实高清碑帖图片
-
朝代徽章 + 书体分类
-
宣纸纹理 + 中式装饰边
-
碑帖详情页（作品背景 + 高清鉴赏 + 临摹引导）
2. Demo 创作思路
灵感来源
书法是中华文明最具代表性的艺术形式，但在数字时代却离普通人越来越远。我们观察到，想学书法的人并非没有热情，而是缺少一个低门槛、有反馈、能坚持的学习入口。
传统书法学习的痛点：
-
无人指导：自学临帖，没人告诉你"差在哪、怎么改"，进步全凭感觉
-
书论难懂：古典书论古奥晦涩，难以衔接实践
-
碑帖分散：想系统研习某个书家或某种书体，资料散落在各处
-
缺乏激励：独自练习没有成长轨迹的视觉反馈，容易放弃
市面上的书法 App 大多停留在"图库浏览 + 简单描红"的层面，没有真正的智能评价，更没有理论深度的引导。我们希望用 AI 做那个"热情引路、不评判、陪伴前行"的门童——就像走进书法殿堂时，有一位微笑着递上毛笔的门童，他不评判你写得好不好，只是陪你一步步走近书法之美。
为什么做这个方向
-
文化价值：书法是中华文化的根，用 AI 让传统焕发新生
-
真实痛点：自学者缺反馈、缺引导、缺陪伴
-
技术壁垒：五层评价体系 + 产婆对话 + 知识图谱，三层深度
-
产品温度：不做"老师"做"伙伴"，零压力学习体验
产品名的由来
从"墨童"到"墨瞳"——"瞳"是眼睛，也是心灵的窗户。墨瞳，即以墨为瞳，见字见心。书法不只是写字，更是见自己、见天地的过程。
3. Demo 体验地址
在线体验地址： 首页 - 墨瞳
首次访问说明：localtunnel 安全机制会弹出"tunnel password"提示页，请在输入框中填入 221.217.26.135（当前公网IP）即可进入。
推荐体验路径：首页 → 碑帖馆（浏览名帖）→ 翰墨知客（点击"开始书写"体验评价）→ 查看对比 → 书论讲堂（输入"谈谈孙过庭"体验产婆对话）
4. TRAE 实践过程
整个项目从 0 到 1 全部在 TRAE Work 中完成，使用 OpenClaw 三层记忆开发方法论，按里程碑串行推进。
完整开发流程
阶段一：M1 顶层需求与架构设计（7月11日）
-
生成完整的产品需求文档（PRD）
-
冻结五层书法评价体系（笔法→字法→章法→律法→意法）
-
定义产婆式书论对话机制规范
-
输出系统架构与接口定义
-
确定 Demo 硬件边界（传感毛笔 + 高清摄像头最小闭环）
开发步骤截图：TRAE Work 生成的 PRD 文档，包含产品定位、核心模块、高光时刻、演示流程等完整内容
阶段二：M2~M4 资源库与后端引擎开发（7月12日~7月13日）
-
搭建碑帖素材库（兰亭序神龙本 / 多宝塔碑 / 书谱）
-
构建书论知识图谱（30 个书论段落，覆盖 5 部典籍）
-
实现 LLM 抽象层（Dev 模拟模式 + Cloud 云端模式双模式）
-
开发五维评价引擎、产婆对话引擎、临帖比对算法
-
封装 22 个 REST API + 5 个 WebSocket 端点
-
修复知识图谱索引 bug（路径错误 + 字段名不匹配）
开发步骤截图：后端 API 接口文档页，展示 22 个 REST 端点与 5 个 WS 端点的完整定义
阶段三：M5 前端开发与视觉装修（7月14日~7月15日）
-
Vue3 + TypeScript + Vite 前端工程化搭建
-
Pinia 状态管理 + 7 个路由页面
-
三大高光时刻页面（翰墨知客 / 习作对比 / 书论讲堂）
-
中式古典雅致风格（墨色 / 赭石 / 朱砂 / 金配色）
-
全站动效层（页面切换淡入 + stagger 入场）
-
网站装修：水墨晕染 + 朱砂印章 + 宣纸纹理 + 装饰边
开发步骤截图：前端首页展示，水墨晕染背景 + 朱砂印章 + 五大功能模块导航
关键 Session ID
| # | Session ID | 里程碑 |
|—|------------|--------|
| 1 | 6a54e2b73937e5fabcc79a1e | M5 A1-A2 前端架构设计与编码验证 |
| 2 | 6a5680ba3937e5fabcc7a150 | M5 A3.1 翰墨知客高光时刻开发 |
| 3 | 6a5688813937e5fabcc7a2a7 | M5 A3.2 习作对比页开发 |
| 4 | 6a5691113937e5fabcc7a437 | M5 A3.3 书论讲堂 + 对话 bug 修复 |
| 5 | 6a56e5273937e5fabcc7ab84 | 网站装修 + HTTP_PROXY 问题根治 |
5. 开发环境改造与带来的变化
在开发墨瞳项目的过程中，我们不仅完成了业务功能，还对 TRAE Work 的开发环境进行了深度改造，构建了一套OpenClaw 三层记忆开发方法论，实现了跨会话知识继承和自动化知识沉淀。
5.1 三层记忆架构改造
| 层级 | 名称 | 载体 | 生命周期 | 核心价值 |
|------|------|------|----------|----------|
| L1 | 工作记忆 | 会话上下文 | 仅限本次会话 | 实时上下文管理，80% 阈值自动压缩 |
| L2 | 中期情景记忆 | memory/daily/YYYYMMDD_session.md | 永久保存 | 完整交互日志归档，检索命中时按需读取 |
| L3 | 长期持久记忆 | MEMORY.md + ChromaDB 向量库 | 跨会话继承 | 核心知识沉淀，容量上限 45k token |
5.2 带来的变化
变化一：知识不再丢失
传统 AI 开发中，每次开启新会话都是"从零开始"。改造后，所有确认的方案决策、架构选择、技术选型、踩坑记录都会自动沉淀到 MEMORY.md 和向量库中。新会话启动时自动加载，Agent 能够记住之前的决策，避免重复造轮子。
变化二：自动化知识蒸馏
当会话上下文接近窗口阈值时，系统自动执行结构化蒸馏，从 6 个维度提取核心知识：
-
需求约束、已确认方案、失败方案
-
踩坑清单、编码规范、待办事项
变化三：技能萃取系统
当同类任务成功完成 ≥2 次时，系统自动提取可复用技能文档，存入 skills/ 目录并更新索引。后续遇到相似任务时，自动匹配并加载技能，提高开发效率。
变化四：标准化工作流
实现了两个自定义工作流指令：
-
/attach-main-project（挂载项目）：加载 L3 热记忆 + 行为协议 + 环境自检 -
/milestone-archive（里程碑归档）：系统化梳理产出 + 知识沉淀 + 冲突处理
5.3 具体改造文件
| 文件 | 作用 |
|------|------|
| .trae/workspace/MEMORY.md | 长期热记忆，跨会话继承核心知识 |
| .trae/rules/memory_protocol.md | 三层记忆执行协议，管控记忆读写与压缩 |
| .trae/rules/skill_protocol.md | 技能萃取与调用协议，管控技能全生命周期 |
| .trae/rules/workspace_commands.md | 自定义工作流指令定义 |
| .trae/rules/debug_protocol.md | 排障协议，强制按顺序排查问题 |
| .trae/skills/workspace-attach.md | 挂载项目技能 |
| .trae/skills/workspace-milestone-archive.md | 里程碑归档技能 |
| .trae/workspace/mcp_server.py | MCP 向量记忆服务（ChromaDB） |
5.4 改造带来的实际效果
-
效率提升：新会话启动时自动加载历史知识，无需重复说明项目背景和架构决策
-
质量保证：排障协议强制按路径→环境变量→Python解释器→依赖→超时→进程→日志的顺序排查，避免盲目试错
-
知识传承：从"一次性对话"升级为"可持续知识库"，项目经验真正沉淀下来
这套开发环境改造不仅服务于墨瞳项目，也为后续所有项目提供了标准化、可复用的开发框架。
6. 开发心得与踩坑记录
踩坑一：前后端枚举值不匹配
问题：前端 WeightMode 定义使用了 balanced / basic / spiritual，但后端实际接受的是 flat / base_bias / realm_bias，导致评价权重设置失效。
解决：统一以后端定义为准，前端类型定义严格对齐，同时在对接规范中明确枚举值来源。
踩坑二：书论对话话题错配
问题：用户输入"探讨兰亭序"，AI 却回复"中锋用笔"——因为首回合话题为空时 fallback 到了硬编码的"中锋用笔"。
解决：从 user_message 中提取话题并初始化 current_topic，将 fallback 改为更通用的"书法之道"，同时优化知识图谱检索逻辑。
踩坑三：Windows 代理导致 LLM 调用失败
问题：Windows 注册表中 ProxyServer 值带 http:// 前缀，导致 Python urllib 自动再添加一层 http://，产生双 http:// 拼接，DNS 解析失败。
解决：
-
代码层面：
cloud_client.py中httpx.Client和httpx.AsyncClient添加trust_env=False -
系统层面：修正注册表
ProxyServer值为纯 host:port 格式
这个问题前后排查了 3 次才彻底根治，从"偶发连接失败"到定位到注册表，再到代码加防御，印象非常深刻。
踩坑四：uvicorn --reload 不触发文件变化
问题：修改后端代码后，uvicorn 的 --reload 模式没有热重载，浏览器看到的始终是旧代码。
原因：WatchFiles 检测到临时脚本删除但后续编辑没触发 reload，且存在 zombie 子进程占用端口返回旧代码。
解决：完整重启 uvicorn，并在启动时设置 PYTHONPATH 为项目根目录，从根目录启动。
6. 技术栈
| 层级 | 技术 |
|------|------|
| 前端框架 | Vue 3 + TypeScript + Vite |
| 状态管理 | Pinia |
| UI 样式 | SCSS + 中式设计系统（墨色/赭石/朱砂/金） |
| 图表 | ECharts（雷达图 / 柱状图） |
| 后端框架 | FastAPI + Python 3.13 |
| 图像比对 | OpenCV + ORB 特征匹配 |
| LLM 对接 | 智谱 GLM-VL + httpx（抽象层支持 Dev/Cloud 双模式） |
| 书论知识图谱 | 自研有向图索引 + 语义检索 |
| 实时通信 | WebSocket（5 个端点：评价/对话/传感/状态/调试） |
| 部署 | FastAPI 一体化 serve + localtunnel 公网暴露 |
谢谢。你是第一个发帖支持我的！
谢谢你的关注！