暗室中被灯光照亮的水草缸与成群小鱼,叠加发光线框数字孪生与数据流
ORANGEZH / 产品介绍

水族物种百科与识别社区平台(自有产品)

橙智合自有产品:物种百科、拍照识别与养鱼社区共用一套数据口径的产品实现与工程能力介绍。

项目概览

产品定位与背景

这是橙智合自研自运营的一款自有产品:以水族物种百科为底座,把拍照识别、图文社区与运营后台接进同一条数据链路。它不是受委托的建设项目,全篇不使用委托方口径;本页描述的是已完成的产品实现与工程能力,当前运营与在架状态不对外确认。

观赏鱼知识的公开资料分散、命名混乱:同一鱼种往往同时存在俗名、地方名、商品名与学名,还要在界门纲目科属种的分类树上各归其位。爱好者拍到不认识的鱼难以查证,发布的内容也难以稳定挂到正确词条下;平台侧还要同时处理图文内容审核、高频互动统计与多端一致体验。目标不是再做一个只读图鉴,而是把查证、识别、发布、互动与沉淀回百科做成一条可运营的链路。

我们的做法与取舍

顺序上先底座后识别:先把分类树与词条模型定下来,学名精确匹配为主、别名检索兜底,词条携带参数化属性与图集,同一份数据供各端共用。识别链路再接在这套底座之上——没有可靠的词条体系,识别结果就没有归档去处。

识别是事件驱动的异步链路:上传后由服务端并发调用外部大模型视觉识别服务,按学名投票取胜出者,命中词条自动归档;未命中时按策略生成待审草稿,流程停在校准环节而不是卡死在“识别中”。失败治理三级递进:单次调用带超时预算,失败走指数退避重试,外部服务故障期由断路器降级停调用,保留待识别状态以便恢复后重放。

另一个取舍是克制:PC 站的对话入口当前只是占位,部分工具入口由功能开关隐藏,我们不把没有做完的能力写进对外描述;识别允许出错,靠投票、草稿与人工编辑兜底,不做夸大识别效果的表述。

平台能力如何承载

内容侧,图文发布可带位置信息,先机审再人工复核,通过后进入信息流与频道分发;评论、回复、点赞、收藏、关注构成互动链路,热度分由计数聚合、内容质量因子与时间衰减共同计算,用于排序与榜单,优质内容再回流词条图集。数据侧,独立采集服务把公开资料按分类、栖息环境、生活史、保护级别与图片等字段整理入库,作为词条底稿与后台编辑的输入,来源与版权口径逐项确认后再进入正式词条。运营后台基于成熟开源底座自研业务页面,覆盖词条编辑、审核工作台、频道策略、资源位与首页看板。

架构与多端边界

后端是 Go 与 Fiber 的模块化单体,按业务域分模块,统一走接口层、服务层与实体层分层。互动行为经事件总线异步落库,高频计数走多槽位分片写入、低频指标单槽位,查询时按指标类型实时聚合,避开热点计数行的锁竞争;点赞、评论、回复、提及、收藏、关注、私信等多类事件由统一订阅器生成站内信,移动端经服务端推送通道实时接收。

端上要区分确证与推断:小程序是主要确证端;App、H5 与其他小程序平台目前只有同一套跨端工程的构建脚本与依赖证据,未逐端确认发布状态;PC 站以服务端渲染承接词条与文章,配套站点地图与抓取规则。对外口径统一为按同一套接口与字段口径支持多端,字段命名以后端定义为准,数字格式化只在展示层处理。

数据与内容治理

责任边界按“平台具备的能力与设计原则”表述:个人信息采集限于账号功能所需,昵称、签名等资料进入审核与保护范围;敏感字段做确定性加密并支持密钥轮换,展示与日志侧统一脱敏;图文与评论先经第三方内容安全服务机审,再由运营人工复核,处置过程与状态可追溯,并保留用户投诉与申诉入口。本页不据此声称任何合规资质或测评结论。

能力范围与口径声明

下文清单按“当前已实现的能力范围”与“当前未包含或尚未确认的能力”两个口径整理,依据是代码仓库、设计文档与开发规约的现状。对正在评估“内容底座加识别加社区”这类多端产品的团队来说,这份边界比功能列表本身更有参考价值。

项目信息

客户

橙智合自有产品

行业

数字内容与社区

项目周期

未披露

技术栈

Go / Fiber / GORM / PostgreSQL(含时序扩展) / Redis / NATS JetStream 事件总线 / Casbin 权限策略 / GraphQL / 自研 Go 基础框架 / Vue 3 + Vite + TypeScript(运营后台) / Taro + React + TypeScript(跨端工程) / Next.js(PC 站服务端渲染) / 外部大模型视觉识别服务 / 第三方内容安全服务 / Docker + Nginx

服务类型

水族物种百科与识别社区平台

CHALLENGES

客户当时面对的现实

01

俗名、别名、商品名与学名混用,内容要落到分类树正确词条

02

单图识别易误判,外部服务会冷启动与失败,发布流程不能卡死

03

小程序、App、H5、PC 站与运营后台共用同一套字段口径与权限模型

04

浏览点赞等高频计数在计数行上形成锁竞争,影响读写稳定

05

图文与个人资料都进审核与保护范围,合规边界必须写清

CAPABILITIES

我们交付的能力

自研产品的能力构成

物种百科底座

词条按分类树组织,学名精确匹配与别名检索互为兜底,携带参数化属性与图集,同一份数据多端共用。

拍照识别归类

图片上传后异步识别,并发调用外部大模型视觉识别服务并按学名投票,命中词条自动归档,未命中转待审草稿。

识别失败治理

超时预算、指数退避重试与断路器三级递进,外部服务故障期保留待识别状态,恢复后可批量重放。

互动计数分槽

互动行为经事件总线异步落库,高频指标多槽位分片写入,查询时实时聚合并附带当前用户操作标记。

先审后发的内容流

图文发布可带位置信息,先机审再人工复核,通过后进入信息流与频道分发,处置过程与状态可追溯。

站内消息提醒

点赞、评论、关注等多类互动事件统一生成站内信,收件箱与个人偏好分列管理,前端经推送通道实时接收。

SCOPE

交付范围

以下按本产品的能力范围与当前实现边界口径整理,依据是代码仓库与设计文档现状,未包含与未确认项一并列出。

已交付

  • 分类树与词条体系:学名精确匹配、别名检索兜底,词条携带参数化属性与图集归属
  • 拍照识别链路:多图并发识别与学名投票,带超时预算、指数退避重试与断路器降级
  • 图文发布与互动:位置信息、先审后发、评论点赞收藏关注与热度分排序榜单
  • 高频计数治理:互动事件总线异步落库,多槽位分片写入与查询时实时聚合
  • 站内消息:多类互动事件统一生成站内信,收件箱与偏好分列,推送通道实时提醒
  • 运营后台与审核工作台:词条与内容编辑、机审人审处置、频道策略与资源位配置

不在本次范围

  • 对话式问答等生成交互功能:入口现为占位,未纳入当前提供的能力
  • 各端的发布与在架状态:小程序之外的端仅有跨端构建工程证据,未逐端确认
  • 外部大模型服务细节:供应商、模型型号、服务地址、用量与成本不在公开口径
  • 百科来源授权与署名口径:公开资料整理成果的版权确认仍在逐项核对
  • 合规资质与测评声明:本页不声称任何认证、测评或资质结论
  • 业务效果数字:运营数据与识别准确率等效果指标不对外发布

PROJECT MATERIALS

项目图纸与资料

以下内容来自项目原始资料,保留准确的业务关系与技术含义,并通过统一画框呈现。点击图片可查看高清细节。

01

水族物种百科与识别社区平台(自有产品) · 系统能力地图

水族物种百科与识别社区平台(自有产品) · 系统能力地图(按公开口径整理,不含客户名称与部署信息)

原图
02

水族物种百科与识别社区平台(自有产品) · 应用技术架构

水族物种百科与识别社区平台(自有产品) · 应用技术架构(按公开口径整理,不含客户名称与部署信息)

原图
03

水族物种百科与识别社区平台(自有产品) · 产品使用主链路

水族物种百科与识别社区平台(自有产品) · 产品使用主链路(按公开口径整理,不含客户名称与部署信息)

原图
04

水族物种百科与识别社区平台(自有产品) · 内容与互动链路架构

水族物种百科与识别社区平台(自有产品) · 内容与互动链路架构(按公开口径整理,不含客户名称与部署信息)

原图
PROJECT MATERIAL

项目资料

ARCHITECTURE

分层技术架构

公开架构归纳为五层:使用端覆盖小程序、App 与 H5、PC 站与运营后台;接入与权限层管登录令牌与策略化权限;业务服务层承载百科、审核、互动、消息与激励;平台能力层沉淀事件总线、分槽计数、调度与加解密脱敏;数据层存主数据与统计。部署拓扑、外部服务供应商用量与各端发布状态不公开。

FLOW 01

使用端层

微信小程序 App 与 H5 PC 站 运营后台

同一产品能力覆盖查询、识别、社区与运营四类场景

FLOW 02

接入与权限层

统一登录与令牌 策略化权限控制 接口限流与来源校验 结构化日志与链路追踪

身份与权限在后端做最终校验,问题可定位

FLOW 03

业务服务层

词条百科 内容与审核 互动与关系 消息通知 积分任务与商城 频道与搜索

把百科对象与用户内容组织成可运营链路

FLOW 04

平台能力层

事件总线 分槽计数与热度计算 定时任务 对象存储路由 加解密与脱敏 外部服务适配

把跨模块复用能力沉到统一底座

FLOW 05

数据与内容层

百科与内容主数据 计数与时序统计 附件与图集 过程留痕

支撑多端一致展示与内容追溯

DELIVERY

交付过程

分阶段推进,每个阶段都有可验收的产出,客户在早期就能看到实际效果。

阶段一

百科底座与数据模型

整理公开资料并字段化入库,定义分类树、词条模型与各端统一的字段口径,先固定数据归属与展示规则。

阶段二

识别链路与失败治理

接入外部大模型视觉识别服务,实现多图并发、学名投票与待审草稿,补齐超时预算、退避重试与断路器。

阶段三

社区互动与消息规模化

建设发布、审核、互动与消息订阅体系,把高频计数改为分槽写入,接入热度分计算与榜单展示能力。

阶段四

多端覆盖与运营治理

同一套接口继续支撑跨端构建与 PC 站知识收录,运营后台完善审核工作台、频道策略与激励任务配置项。

FACTS

可核验的交付事实

以下内容来自本项目实际交付物;未经验证的指标不予展示。

4类使用端

小程序·App 与 H5·PC 站·运营后台

3级降级

超时预算·指数退避·断路器

7

点赞·评论·回复·提及·收藏·关注·私信消息事件

FAQ

常见问题

以下是同类项目沟通中出现频率最高的问题,答案就是我们实际的做法。

我们想做一个类似的百科加识别加社区产品,这套底子能直接复用吗?
大体可以,但不是整体照搬。可复用的是骨架:分类树与词条模型、接口层到服务层到实体层的分层、事件总线与分槽计数、多端共用的字段口径。需要重做的是领域部分:分类树怎么组织、词条携带哪些属性、识别对象有图几类投票口径怎么定。通常我们先做一轮数据与流程梳理,把百科模型和识别边界确认清楚,再确定开发范围。
外部识别服务靠谱吗?它变慢或者故障了怎么办?
设计前提就是外部服务会失败。单次调用带超时预算,失败走指数退避重试;连续异常触发断路器后降级停调用,任务保留待识别状态,恢复后批量重放。用户侧不会看到流程卡死:没识别出来的内容留在待审草稿里,可以继续编辑发布。识别本身允许出错,多图并发加学名投票降低单图误判,最后一道是人工编辑校正。
点赞浏览这种高频互动,数据库扛得住吗?
我们没有把高频计数落在单条计数行上。互动行为先经事件总线异步落库,高频指标按多槽位分片写入、低频指标单槽位,查询时按指标类型实时聚合,并附带当前用户的操作标记。这样避开热点计数行的锁竞争,整体读写表现稳定。热度分由计数聚合、质量因子与时间衰减异步计算,排序与榜单展示不占用在线请求的关键路径。
用户生成的内容和个人信息,你们是怎么治理的?
按平台具备的能力与设计原则表述:图文与评论先经第三方内容安全服务机审,再由运营人工复核,处置过程与状态可追溯;昵称、签名等资料同样进入审核范围。个人信息采集限于功能所需,敏感字段做确定性加密并支持密钥轮换,展示与日志统一脱敏,并保留用户投诉与申诉入口。我们不对此声称任何合规资质或测评结论。
这个产品现在什么状态,能先体验一下吗?
本页只描述已完成的产品实现与工程能力。当前运营与在架状态还没有对外确认,因此我们不承诺线上体验或对外演示入口。评估工程能力时,可以在技术交流中按模块讲解代码结构、设计文档与开发规约,逐项说明实现细节与边界;对类似项目的判断,建议基于可核验的工程文档和可讲解的实现来做,而不是界面截图。
多端一致具体指什么?App 是不是已经发布?
确证的口径是:小程序是主要落地端;App、H5 与其他小程序平台有同一套跨端工程的构建脚本与依赖证据,未逐端确认发布状态;PC 站与运营后台各有独立工程证据。因此我们说的是按同一套接口与字段口径支持多端——接口与权限均由后端做最终校验,字段命名以后端定义为准,数字格式化只在展示层处理——而不是逐端声称发布。
如果委托你们做类似产品,阶段和边界怎么定?
通常按先主线后周边的原则切分:首期先固定百科数据模型与一条能跑通的发布链路,验证后再加识别治理、互动规模化与激励体系;端上先保小程序主场景,PC 端承接知识内容收录。边界用范围清单与字段口径固定,每个阶段以可评审的可运行版本收口。范围没澄清前我们不给统一报价,必要时先用原型固定交互与边界,再进入开发。

本页最后更新:2026年9月22日

聊聊你的百科内容与识别产品怎么落地

从内容底座与识别链路,到多端一致体验和运营治理,一起确定第一期可评审的边界。