跳转至

AI 应用服务实践路线图（AppDocs · 阶段 A-G）

用途：指导 AI 助手陪同完成 AI 应用服务方向实验。实验机制（七步循环/五段式报告/时间盒/回炉）沿用 Docs\Roadmap\README.md，本文件只定义阶段、实验清单与判据。 目录：F:\EricLiu\AppDocs\Roadmap\　实验产出：各技术目录 labs\　创建：2026-11-11 下次继续点：阶段 A · EA0-1 待做

总路线

阶段 A        阶段 B           阶段 C          阶段 D/E       阶段 F           阶段 G
集中管理  →  语音链路(核心) →  NLP/LLM 服务化 →  图像/OCR    →  高可用集群    →  全链路整合
(2-3 天)    (2-3 周)         (1-2 周)        (各 3-5 天)     (1 周)           (1 周)

前置：建议先完成 Docs 路线图阶段 2-3（有 Vagrant 环境和 Docker 基础）；阶段 B 起可完全独立于 Docs 的 K8s 进度。

资源红线提醒：所有服务以 Docker 容器部署；同开服务合计内存 ≤ 150GB、vCPU ≤ 48（宿主机 60% 上限，见 Docs\Roadmap §2.6）。本机无 GPU，GPU 依赖项默认走 CPU 慢速或 [GPU-可选] 跳过。

阶段 A：服务器集中管理（2-3 天）

进入条件：至少 1 台可用的 Linux VM（Docs 阶段 2 即可）。

  • [ ] EA0-1 安装 1Panel（Web 面板），纳管宿主 VM：应用商店装 Nginx/MySQL，记录安装路径与端口（WebPanel）
  • [ ] EA0-2 安装 Cockpit，对比 1Panel 定位（系统管理 vs 应用管理），两者共存端口规划
  • [ ] EA0-3 安装 Portainer CE，纳管 Docker 环境，用 Stack 功能复刻 TTS 的 compose 部署
  • [ ] EA0-4 多机纳管：起第 2 台 VM，Portainer Agent 方式接入，体验"单面板管多机"
  • [ ] EA0-5 安全加固：改默认端口、强密码/禁 root、面板只绑定内网网卡，写检查清单入 Reusable\checklists\

出关：浏览器一站式查看 2 台 VM 的系统状态、容器、日志；安全清单入库。

阶段 B：语音链路 TTS → ASR → SOE（2-3 周，本库核心）

进入条件：阶段 A 出关。文档：TTS\、ASR\、SOE\。

B1 · TTS - [ ] EB1-1 Piper CPU 起步：合成第一段中文语音（判据：生成 wav 且时长与文本匹配），测 RTF（实时率） - [ ] EB1-2 TTS 服务化：Piper 封装成 HTTP API（FastAPI）+ Docker + /health，写成 Compose - [ ] EB1-3 GPT-SoVITS 少样本克隆：3-10 秒参考音频克隆音色 [CPU 慢速，或标记 GPU-可选] - [ ] EB1-4 选型对比实验：Piper vs GPT-SoVITS vs CosyVoice（自然度/速度/资源三维评分表入 EXPERIENCE）

B2 · ASR - [ ] EB2-1 faster-whisper int8 CPU：转写一段 1 分钟中文音频（判据：WER 抽查可接受），测 RTF - [ ] EB2-2 FunASR Paraformer：中文场景对比 whisper（标点/热词/速度），选型结论入库 - [ ] EB2-3 ASR 服务化：faster-whisper 封装 HTTP API + Docker，与 EB1-2 同网段互通

B3 · SOE 口语评测 - [ ] EB3-1 理解 GOP（Goodness of Pronunciation）原理，跑通一个 wav2vec2/GOP 开源实现 - [ ] EB3-2 组合拳：录音 → ASR 对齐 → GOP 打分（音素级发音分），输出 JSON 评测报告 - [ ] EB3-3 里程碑：把 B1+B2+B3 串成"跟读评测"完整小服务（TTS 朗读句子 → 用户跟读 → ASR+SOE 打分）

出关：一个 Docker Compose 拉起 TTS+ASR+SOE 三服务，端到端评测流程可演示；语音三件套选型结论入 EXPERIENCE.md。

阶段 C：NLP 与 LLM 服务化（1-2 周）

  • [ ] EC1-1 中文 NLP 工具链：jieba/HanLP 分词+NER 对比，封装统一文本预处理服务
  • [ ] EC1-2 Ollama 本地 LLM：跑通 qwen 量化小模型，OpenAI 兼容 API 调用（判据：curl 返回补全）
  • [ ] EC1-3 模型对比：Ollama vs vLLM vs Xinference 吞吐对比（并发压测，记录 tokens/s）
  • [ ] EC1-4 Dify 或 RAGFlow：搭建知识库问答，灌入本库 Docs 的 md 文档（判据：提问能召回正确章节）
  • [ ] EC1-5 RAG 效果实验：改 chunk 大小/top-k，记录召回质量变化

出关：本地 LLM + 自建知识库（内容=本仓库文档）可问答；压测数据入经验库。

阶段 D：图像生成（3-5 天）[CPU 慢速，GPU-可选]

  • [ ] ED1-1 ComfyUI 安装跑通 SD1.5/SD-Turbo（CPU 出图 1 张记录耗时，判据：出图即达标）
  • [ ] ED1-2 模型生态认知实验：SDXL vs FLUX vs SD-Turbo 的资源/效果对比表（可仅调研+单张验证）
  • [ ] ED1-3 API 服务化：ComfyUI API 模式提交任务→轮询取图
  • [ ] ED1-4 结论：本机无 GPU 场景下"本地跑"还是"接云 GPU API"的决策记录

出关：一张 CPU 生成图 + 服务化 API 可用 + 云 GPU 成本/方案决策记录。

阶段 E：OCR 文字识别（3-5 天）

  • [ ] EE1-1 PaddleOCR 跑通：识别含中文的截图/票据（判据：关键文字准确）
  • [ ] EE1-2 RapidOCR 对比（onnx 离线部署更轻），测速度/精度/内存三维
  • [ ] EE1-3 OCR 服务化：HTTP API + Docker，支持图片上传返回 JSON
  • [ ] EE1-4 实战：识别一张表格截图 → 输出结构化 CSV（结合 LLM 做版面理解）

出关：OCR 服务可被其他服务调用；PaddleOCR vs RapidOCR 选型结论入库。

阶段 F：高可用与集群（1 周）

进入条件：阶段 B 出关（有真实的 TTS/ASR 服务可保护）。文档：HA\。

  • [ ] EF1-1 HAProxy 四层/七层负载均衡：把 2 个 TTS 实例挂到 HAProxy 后面，验证轮询
  • [ ] EF1-2 健康检查：配置 /health 探活，手动 kill 一个实例验证自动摘除与恢复
  • [ ] EF1-3 Keepalived+VIP 双机热备：2 台 VM + VRRP，主宕机 VIP 漂移（判据：ping VIP 不断，切换 <5s）
  • [ ] EF1-4 数据层高可用认知实验：MySQL 主从复制 + Redis 哨兵最小化搭一套（理解原理为主）
  • [ ] EF1-5 故障演练日：随机 kill 服务/断网/重启 VM，演练恢复并记录 RTO/RPO

出关：TTS 服务具备"单实例挂掉用户无感"的能力；故障演练报告入库。

阶段 G：全链路整合（1 周）

  • [ ] EG1-1 统一网关：Nginx 按路径分发 web/tts/asr/ocr/nlp 各服务（/tts/* /asr/* ...）
  • [ ] EG1-2 迁移进 K8s（配合 Docs 阶段 4）：TTS+ASR 以 Deployment+Service 部署进 kind/k3s
  • [ ] EG1-3 监控接入：各服务暴露 /metrics，接入 Prometheus+Grafana，配置 TTS 延迟告警
  • [ ] EG1-4 毕业项目：公网/局域网可访问的"AI 服务门户"——1Panel 管机器、网关统一入口、语音评测+OCR+知识库可演示、监控告警齐备、高可用演练报告齐全

出关：EG1-4 演示通过 + 全部阶段 EXPERIENCE.md 完整 + Reusable 资产 ≥15 条。

阶段 H：教育与文化应用（选修，按兴趣选做，总计 2-4 周）

进入条件：阶段 C 出关（有 Ollama/Dify 底座）。文档：EnglishLearn\、ClassicalCN\、ArtGen\、YouthCoding\。

H1 · 英语学习（EnglishLearn） - [ ] EH1-1 语法检查服务：LanguageTool Docker 部署（社区 meyay 镜像），HTTP API 批改作文 - [ ] EH1-2 阅读分级 + 生词本：textstat 分级 → ECDICT 词典 → LLM 例句生成流水线 - [ ] EH1-3 自适应闭环：Anki sync server + Dify 出题（对接 SOE 跟读打分），NLTK 必须 ≥3.10.3

H2 · 古诗词/古籍（ClassicalCN） - [ ] EH2-1 语料入库：chinese-poetry（MIT，注意繁简归一 OpenCC）+ SQLite FTS5 检索 - [ ] EH2-2 诗词 RAG 问答：Dify 灌入语料，判据=名句出处可溯源（禁止 LLM 凭记忆答） - [ ] EH2-3 格律检查：gelv-poetry 平仄检测；文言翻译实验（GuwenBERT 选配）

H3 · 古典艺术生成（ArtGen）[CPU 慢速] - [ ] EH3-1 SD-Turbo + 国风 LoRA 出图（水墨/工笔，S 档 10-60 秒/张） - [ ] EH3-2 模型许可核查：GuoFeng3 NC 冲突记录，商用前须书面确认

H4 · 青少年编程（YouthCoding） - [ ] EH4-1 学习站搭建：JupyterLite（纯静态）+ scratch-gui 自建 + TurboWarp - [ ] EH4-2 AI 编程助教：Ollama "只给提示不给答案" prompt 上线 - [ ] EH4-3 毕业小站：Nginx 网关挂 /learn/（编程）/poetry/（诗词）/english/（英语）三个入口

出关：H4-3 三个入口可演示；教育类实验注意未成年人隐私守则。

AI 协作补充守则（应用方向专属，叠加 Docs 总纲规则）

  • 模型下载先行确认：模型动辄几 GB-几十 GB，下载前告知体积、存放路径（F 盘）、预估时间，经确认再下。
  • CPU 算力诚实预告：涉及大模型推理先给"预计耗时"（如 SDXL CPU 出图约 10-30 分钟/张），用户确认再跑，长任务后台跑并定期汇报。
  • 选型先查选型表：每个分册第 1 节有对比表，先按"资源需求+中文支持+许可证+活跃度"四维推荐，不盲选最新最大模型。
  • 商用 SDK 对比参照：SOE/ASR/TTS 涉及商用 API（讯飞/腾讯云/阿里云）时只做能力对比说明，不代注册不代调用。
  • 音频/图像实验留样：生成的 wav/图片存 labs\，报告里引用文件名，作为效果对比证据。