智能名片系统 · AI智能助手方案书
自然语言驱动 · 设计软件自动化调用 · 智能名片全链路
项目负责人：广告哥 | 文档版本：v1.0 | 日期：2026-07-05
🎯 欢迎广告装饰设计公司、广告装饰加工制作公司、图文广告实体店参与，参与的人数越多我们的设计成就越趋近于零！
1 项目概述
在现有智能名片系统基础上，开发AI智能助手模块，实现两大核心能力：
- 对话式智能服务（知识问答、名片解析、OCR识别）
- 设计软件AI调用（自然语言驱动PS/CDR/CAD自动执行设计任务）
💬 对话式AI服务
接入大模型API，替换当前纯前端关键词匹配。支持名片管理、零工市场、平台规则等知识问答，上下文多轮对话。
📸 智能OCR识别
替换当前5条硬编码模拟数据，接入真实OCR引擎。拍照/上传名片图片 → 自动提取姓名、电话、公司、职位、邮箱等信息。
🖥️ 设计软件AI调用
服务器预装PS/CDR/CAD，用户通过自然语言指令让AI调用设计软件自动完成调色、排版、导出等操作。
核心创新 📄 名片文本解析
后端实现真实文本解析，从粘贴文本中正则+NLP提取结构化名片字段，替换当前返回全空的mock实现。
后端实现真实文本解析，从粘贴文本中正则+NLP提取结构化名片字段，替换当前返回全空的mock实现。
核心差异化：市面上智能名片系统（如加推、名片全能王）的AI助手仅做问答和OCR。我们的方案独辟蹊径——AI不仅”回答”，更能”动手”：用户说”帮我做张名片设计稿”，AI直接调PS生成。这是从”信息助手”到”生产力工具”的跨越。
2 现状分析
当前智能名片系统的AI相关模块均为前端mock实现，无真实AI能力：
| 模块 | 路由/组件 | 当前状态 | 目标状态 |
|---|---|---|---|
| AI助手 | /ai → AIAssistant-BP529hAJ.js | 前端关键词匹配 13条本地知识，不调用后端 | 大模型API + 后端知识库 |
| AI聊天API | /api/ai/chat (mock-server.js:506) | 随机预设回复 4条硬编码 | 通义千问/GPT-4o stream |
| OCR识别 | /create/ocr → OcrCreate-SKaWjFKX.js | 5条硬编码随机返回 | Tesseract.js + 后端OCR |
| 文本解析 | /create/parse → /api/cards/parse-text | 返回全空字段 | 正则+NLP结构化提取 |
| 更多面板 | AIAssistant more-panel (8项) | 多数标注”待开放” | 图片上传/文件发送开放 |
| 设计软件调用 | — | 不存在 | PS/CDR/CAD AI调用 |
技术债：前端AIAssistant组件是编译后的Vue 3 bundle（已压缩混淆），改造方式为overrides目录JS/CSS覆盖注入，非源码级修改。后端server/src已有基础框架（Express + MySQL + JWT + Socket.io），但AI相关controller/route/service尚未创建。
3 整体架构
系统分为五层：用户交互层 → AI网关层 → 任务编排层 → 执行引擎层 → 结果输出层。
📱 用户（微信H5）→ 自然语言指令
🧠 AI网关：LLM意图识别 + Function Calling
↓ 结构化操作意图 (JSON)
⚙️ 任务编排引擎 → 路由分发
💬 知识问答 | 📸 OCR识别 | 📄 文本解析 | 🖥️ PS/CDR/CAD
↓ 执行结果
📦 结果输出：文本/文件/截图预览
🔄 AI校验 + 用户确认（不满意→闭环重试）
🧠 AI网关：LLM意图识别 + Function Calling
↓ 结构化操作意图 (JSON)
⚙️ 任务编排引擎 → 路由分发
💬 知识问答 | 📸 OCR识别 | 📄 文本解析 | 🖥️ PS/CDR/CAD
↓ 执行结果
📦 结果输出：文本/文件/截图预览
🔄 AI校验 + 用户确认（不满意→闭环重试）
3.1 AI网关层
核心职责：将用户的自然语言转换为结构化操作意图。使用LLM的Function Calling能力，预定义一组原子操作函数，AI只负责”选函数+填参数”，不直接生成代码。
设计原则：不让AI直接写脚本。预定义原子操作（如 adjust_brightness、export_image、add_watermark），AI用function calling选操作+填参数，编排引擎翻译成软件脚本。安全、可控、可审计。
3.2 任务编排层
- 操作序列生成：复杂请求拆解为有序原子操作链（如”调亮+加水印+导出PNG”→3步）
- 软件路由：根据操作类型路由到对应软件执行器（PS→JSX、CDR→VBA、CAD→LISP）
- 脚本模板填充：参数注入预定义脚本模板，生成可执行脚本
- 工作副本隔离：每个用户请求创建独立文件副本，互不干扰
3.3 执行引擎层
| 设计软件 | 自动化接口 | 调用方式 | 成熟度 |
|---|---|---|---|
| Photoshop | JSX脚本 / UXP插件 / COM自动化 | Node.js → COM桥接 | ✅ 最成熟 |
| CorelDRAW | VBA宏 / COM自动化 | Node.js → COM桥接 | ✅ 可用 |
| AutoCAD | AutoLISP / .NET API / COM | 命令行 SCR 脚本 / COM | ✅ 工业级 |
3.4 进程池管理
- 每个软件实例维护N个工作进程（如PS×3、CDR×2、CAD×2）
- 请求进入队列，空闲进程领取任务执行
- 执行超时自动kill+重启（防止僵尸进程）
- 每个任务分配独立工作目录，文件互不干扰
4 技术选型
4.1 大模型选择
| 模型 | 优势 | 劣势 | 推荐 |
|---|---|---|---|
| 通义千问 qwen-plus | 国内直连无墙、中文强、价格低 | 复杂推理略弱 | ⭐ 首选 |
| GPT-4o | 推理强、多模态 | 需代理、价格高 | 备选 |
| DeepSeek-V3 | 价格极低、代码强 | Function Calling较新 | 可选 |
推荐方案：通义千问 qwen-plus 为主力（成本可控、国内合规），GPT-4o 为复杂任务备选。用户已配置阿里百炼API，直接可用。
4.2 后端技术栈
| 组件 | 技术 | 说明 |
|---|---|---|
| Web框架 | Express 4.x | 复用现有框架 |
| AI聊天API | 通义千问 SDK + SSE | 打字机效果 |
| OCR引擎 | Tesseract.js + 腾讯云OCR | 前端快速+后端精准 |
| 文本解析 | 正则 + LLM辅助 | 结构化提取 |
| 知识库 | MySQL + 向量检索 | 动态管理 |
| 设计软件桥接 | Node.js + winax(COM) | Windows自动化 |
| 任务队列 | BullMQ + Redis | 异步排队 |
| 文件存储 | MinIO / 阿里云OSS | 图片文件存储 |
5 功能模块设计
5.1 AI对话服务
POST /api/ai/chat— SSE流式对话POST /api/ai/chat/stream— 流式返回（打字机）GET /api/ai/history— 对话历史POST /api/ai/feedback— 回答反馈
5.2 OCR名片识别 — 双引擎方案
- 前端 Tesseract.js：离线快速识别，准确率约85%
- 后端腾讯云OCR：准确率95%+，每次0.01元，前端失败时自动降级
识别字段：姓名、电话、手机号、公司名称、职位/头衔、邮箱、网址、地址、微信/QQ号
5.3 名片文本解析
- 正则规则：手机号、邮箱、网址自动提取
- LLM辅助：姓名、公司、职位用LLM推断
- API：
POST /api/cards/parse-text
5.4 设计软件AI调用（核心创新）
最小可用链路（PS Demo）：用户说”帮我把这张图调亮一点，加个水印，导出PNG” → AI识别3个操作意图 → 编排引擎生成JSX脚本 → PS执行 → 返回处理后的图片。
| 函数名 | 参数 | 对应操作 |
|---|---|---|
| open_file | file_path | 打开文件 |
| adjust_brightness | value(-100~100) | 调节亮度 |
| adjust_contrast | value(-100~100) | 调节对比度 |
| add_watermark | text, position, opacity | 添加水印 |
| resize_image | width, height | 调整尺寸 |
| crop_image | x, y, w, h | 裁剪 |
| apply_filter | filter_name, params | 应用滤镜 |
| export_image | format, quality | 导出图片 |
6 开发周期与里程碑（总计8周）
第1周 · 阶段0：PS Demo验证 — 跑通”自然语言→PS调色导出”最小链路 本周完成
第2-3周 · 阶段1：AI对话 + 文本解析 — 通义千问API接入、SSE流式对话、知识库迁移
第4-5周 · 阶段2：OCR识别 + 更多面板 — 双引擎OCR、图片上传、语音输入
第6-7周 · 阶段3：设计软件调用全链路 — PS/CDR原子操作库、进程池、任务队列
第8周 · 阶段4：联调测试 + 上线 — 全链路联调、压力测试、部署上线
7 成本预算
7.1 开发成本（月度运营）
| 项目 | 预估费用 |
|---|---|
| 大模型API（通义千问） | ~500元/月 |
| 腾讯云OCR | ~100元/月 |
| 云服务器（Windows 8核16G） | ~400元/月 |
| 对象存储 | ~50元/月 |
| Redis | ~60元/月 |
开发期月度运营成本（不含软件授权）≈ 1,110 元/月
7.2 设计软件授权
⚠️ 合规提醒：Adobe Photoshop、CorelDRAW、AutoCAD均为商业软件，服务器预装并对外提供自动化服务需确认授权条款。
| 方案 | 费用 | 说明 |
|---|---|---|
| Adobe CC 团队版 | ~888元/月 | PS正版，合规首选 |
| CorelDRAW 订阅 | ~395元/月 | CDR正版 |
| AutoCAD 订阅 | ~1,500元/月 | CAD正版，按需 |
| 开源替代（GIMP等） | 0元 | Demo阶段可用 |
8 风险与对策
| 风险 | 对策 |
|---|---|
| AI理解精度不足 | 操作预览确认机制，高风险操作必须用户确认 |
| PS进程崩溃 | 进程池管理：超时kill+重启、心跳检测 |
| 并发性能瓶颈 | 任务队列排队，PS×3进程支撑20并发/分钟 |
| 软件授权合规 | 商业化前完成正版授权 |
| LLM API延迟 | SSE流式输出（打字机效果）+ 进度条 |
9 竞品对比
| 能力 | 名片全能王 | 加推 | 本方案 |
|---|---|---|---|
| 电子名片 | ✅ | ✅ | ✅ |
| AI对话 | ❌ | 基础关键词 | 大模型+知识库 |
| OCR识别 | ✅ | ✅ | ✅ 双引擎 |
| AI调用设计软件 | ❌ | ❌ | ✅ PS/CDR/CAD |
| 自然语言生成设计 | ❌ | ❌ | ✅ 核心差异化 |
竞争壁垒：“AI调用设计软件”是本方案的核心差异化能力。名片全能王和加推的AI停留在”识别+问答”层面，我们是”识别+问答+自动执行设计”。用户说”帮我做张名片”，AI直接调PS出图，这是降维打击。
10 下一步行动
1️⃣ 本周启动PS Demo — 7天内跑通”自然语言→PS调色导出”链路，录制演示视频
2️ 确认大模型API — 确认阿里百炼API Key可用，测试Function Calling效果
3️ 服务器环境准备 — 准备Windows Server，安装PS，验证COM自动化通路
4️⃣ 确认软件授权方案 — Demo阶段可用现有授权，上线前采购正版
一句话总结：技术上完全可行，接口都是现成的。核心风险不在”能不能做”，而在”AI理解精度”和”软件授权合规”——这两个都有明确对策。本周先跑通PS Demo，眼见为实。
欢迎广告装饰设计公司、广告装饰加工制作公司、图文广告实体店参与，参与的人数越多我们的设计成就越趋近于零！
📱 扫码联系 · 获取最新消息
公众服务号
扫码关注获取最新消息
人工客服
扫码联系人工客服
欢迎广告装饰设计公司、广告装饰加工制作公司、图文广告实体店参与合作
智能名片系统 · AI智能助手方案书 v1.0
编制：御史（AI） · 审核：广告哥 · 日期：2026-07-05
本文档由 AI 协助生成，投资决策前建议结合技术尽调。