一、 今日进展概述

今天主要完成了视觉分析系统（HuiVision）的后端日志持久化模块。通过在 FastAPI 流程中集成 SQLite 数据库，成功实现了对 AI 视觉识别结果、首字延迟（First Token Latency）及总响应时长（Total Latency）的自动化存库。

二、 核心实现技术点

1. 数据库选型与架构

为了兼顾开发效率和轻量化需求，项目采用了 SQLite 作为日志存储介质。

• 数据库路径：/PythonProject/huivision.db

• 核心表结构 (vision_logs)：

  • ai_result: 存储视觉模型生成的描述性文本（如：对人体解剖展示设备的识别描述）。

  • first_token_latency: 记录模型生成第一个字符的耗时，用于衡量流式输出的响应速度。

  • total_latency: 记录整个请求完成的总耗时。

2. 日志存库自动化

在 FastAPI 的路由处理函数中，通过异步方式调用存储逻辑。每当视觉分析请求完成，系统会自动将模型返回的解析内容及性能埋点数据写入 huivision.db。

三、 运行测试与数据分析

通过 DB Browser for SQLite 对生成的日志进行了验证（如下图）：

测试结果分析：

• 识别准确性：模型成功识别出“正前方2米处的大型数字人体解剖展示设备”，描述语境准确，符合数字媒体实验室/展厅场景。

• 性能表现：

  • 首字延迟：约 2617ms。

  • 总时长：约 4216ms。

  • 结论：目前的延迟主要集中在首字生成阶段，后续可以考虑在模型加载和并发处理上进行优化，或尝试更轻量化的 Vision Transformer 变体。

四、 遇到的问题与解决方案

• 问题：初始测试时发现 ai_result 字段存在乱码风险。

• 解决：确保数据库连接字符串强制指定 UTF-8 编码，并在存库前对模型输出进行字符串清洗。

五、 后续计划

1. 前端展示：将 vision_logs 中的数据同步到 Web 前端界面，实现可视化的历史记录查询。

2. 性能对比：测试不同分辨率图片输入对 total_latency 的影响。

3. Unity 集成：尝试将该视觉能力通过 API 接入正在开发的 Unity 地图解谜项目。