多模态交互层上线:语音 + 图像 + 文本统一入口
同一段对话里可以随时补充一张照片或一段语音,识别结果在 800ms 内回填到上下文;老用户无需改代码,只需把 channel 参数从 text 换成 auto。
从数据接入到交互回馈,我们把冷色系配色的未来科技界面拆成可复用的组件:首屏 1.2 秒内呈现关键指标,任意一次点击都有 150–250ms 的即时反馈,让「AI 展示」不再是黑箱,而是家里人也能看懂的日常工具。
只保留可验证的动作与数字,不写空话。
同一段对话里可以随时补充一张照片或一段语音,识别结果在 800ms 内回填到上下文;老用户无需改代码,只需把 channel 参数从 text 换成 auto。
横向对比接入成本、延迟与适配范围。
| 接入方式 | 典型延迟 | 接入工作量 | 适合场景 | 注意点 |
|---|---|---|---|---|
| 托管 API | P95 ≤ 800ms | 1 人日以内 | 家庭助手、相册分类、日程摘要 | 注意每月调用量与并发上限 |
| 可编排工作流 | P95 ≤ 1.2s | 3–5 人日 | 客服问答、工单归因、内容审核 推荐 | 先画链路图,再决定节点拆分粒度 |
| 私有化部署 | P95 ≤ 300ms(内网) | 2–4 周 | 医疗、金融、涉密数据场景 | 预留峰值算力与回滚窗口 |
小屏下表格可横向滚动查看,避免挤压列宽导致文字断行。
每条都带参数或阈值,可直接写进需求文档。
延迟、可用性、接入步数各占一格即可;把 60% 的底色留给低饱和中性色,强调色只用于数字本身,视觉焦点不会散。
hover 抬升 2–4px、描边发光控制在 20px 以内;超过 250ms 用户会觉得「卡」,低于 100ms 又像没响应。
底色占约六成、主色约三成、强调色不超过一成;绿色作主色时降饱和,配中性灰与暖色点缀,避免通篇荧光绿。
1024px 收成单列、640px 卡片改一列、380px 以下内边距收到 12px;所有网格用 minmax(0,1fr) 防溢出。
轮询 5 秒已足够家用;超过 10 秒用户会误判「没在跑」,低于 2 秒则白白烧算力,成本能差出三成。
正文与背景对比度不足就加描边而非加饱和;按钮最小高度 44px,键盘 focus-visible 必须有可见轮廓。