Proposal：一键从图片生成草案

[gac0812]

Proposal：一键从图片生成草案

1 功能描述

一键从图片生成草案负责回答一个问题：用户已经在外部场景截图或保存图片后，如何不打开 TimeFlow，通过一次通知栏点击把最近一张可用图片送入 OCR 和草案生成链路。

本能力采用“用户先截图/存图 → 点击通知栏 → 定位最近一张图片 → OCR → CreateDraft”的固定路径。它不后台监听截图流，不自动创建正式事项，也不处理多图批量导入。

2 用户

目标用户

用户分层	特征	取图需求
先截后记型	已在外部场景截图/存图，希望尽快进草案	点通知读最近图，不必回 App 上传
知情触发型	不接受未点击就后台接截图流	先截/存、再自己点通知才处理
轻量固定路径型	不愿先分类，只要固定闭环	固定「先有图 → 点通知 → 从图生成草案」

用户故事

用户在微信群、学校通知等外部场景里已经截图或存了图，若还要切回 App 手动上传，场景会被打断；若 App 后台持续监听截图流，则会在用户未点击时自动接图、感知差。用户需要的是：先主动截图/存图，再主动点通知栏，由 App 定位最近一张图并进入「从图生成草案」——全程是用户显式操作，不后台盯截图流。

故事 A — 先有图，再一点生成草案

我在微信群/学校通知里截了任务图，不想切 App 重新导入。而是让我在不打开app的情况下用最少的操作来帮我生成任务草稿，下拉通知栏点入口 → App 自动定位最近图 → 提文字 → 从图生成草案。

故事 B — 不要后台偷听截图流

我不接受开启后后台一直监听系统截图流，这样会读取到我的隐私图，泄露我的隐私。本路径是我先截/存、再自己点通知才处理，不是静默接流。

故事 C — 轻量用户固定一条路径

我不想先判断日程/待办/提醒，只想用固定流程：先截图/存图 → 再点通知 → 从图生成草案；确认前不创建正式任务。

共性需求提炼

流程固定为「用户先截图/存图 → 再点通知栏 → 从图生成草案」。相对旧持续监听（不选）：多一次主动点击、不再后台盯截图流；取图对象是用户已产出的图，不依赖后台接流。

3 现有做法以及不足

当前产品内缺少「先有图、再点通知即从图生成草案」的轻量闭环：要么步骤多，要么取图时机不可控。

现有做法	不足
看截图后手动创建任务	输入成本高，易漏时间/地点
截图堆在相册稍后处理	未进时间管理闭环，易忘
聊天收藏/置顶	留在原 App，难进今日页/草稿确认
复制文字到备忘录	仍需人工筛标题/时间/地点
App 内手动上传图片	多一步；难覆盖微信等即时场景
开启后后台持续监听系统截图（旧持续监听）	零额外操作，但未点击就接截图流，感知差、风险高

共同不足：操作足够轻 vs 取图时机可控（须用户显式触发）——本提案选「先截图/存图 → 再点通知 → 从图生成草案」。

4 产品范围

状态	事项	依据
做	常驻通知栏作为入口；用户先截图/存图，再点击触发	全程显式操作；无点击不查库、不提文字、不进草案
做	点击后定位 MediaStore 最近一张系统截图/相册最近图	本提案取图方式：读用户已产出的图
做	提文字（OCR）→ 从图生成草案（CreateDraft）	点击触发的就是这条链路；确认前不创建正式任务
做	MVP 可先验证到提文字/草案入口；默认无 INTERNET	先验证入口与链路，再完整接入多模态
不做	用户开启后后台持续自动监听系统截图 / MediaStore 新增事件流	旧持续监听——不选；未点击就接流，风险与感知不可接受
不做	跳过草案自动创建正式任务；远程强制上传原图作为主路径	正式数据须经草案确认
不做	iOS；来源 App 判定；无通知静默常驻；多图批量；OCR 准确率专项	超出本期
不做	多模态内部 AI 提取模型与正式落库细节	承接《多模态处理模块 Proposal》

边界一句话：本提案流程是「先截图/存图 → 再点通知 → 从图生成草案」；点击触发的是定位最近图并处理用户已产出的图，不触发后台接流，也不停在「只打开文件」。

5 关键决策

决策：取图与触发方式

方案	描述	选择
A. 开启后后台持续监听系统截图流	零额外操作；未点击即接新截图	❌ 不选（未点击接流，感知差、风险高）
B. 用户先截图/存图 → 再点通知 → 读最近图 → 从图生成草案	全程用户显式操作；读用户已产出的图	✅ 采纳（本提案）

选择 B，理由：用户先主动截/存、再主动点通知，取图时机与意图对齐；相对 A 多一次知情点击、不后台盯流。

配套规则：

• 用户须先产出图；无点击不查 MediaStore、不提文字、不进草案链路
• 点击后查最近一张候选元数据再读 URI，定位最近图 → 提文字 → 从图生成草案；不加载整本相册，不后台 ContentObserver 常驻接流
• 确认前不创建正式 Schedule/Todo/Goal；后续承接《多模态处理模块 Proposal》

替代 / 对照

路径	定位	说明
旧持续监听	不选	未点击就接截图流；隐私风险与感知问题落在此方案上
App 内手动上传	备选	可控，但无法验证本提案轻量闭环
AI 直接建正式任务（跳过草案）	不选	正式数据须经草案确认

取舍一句话：采纳便捷图生草案 = 先截图/存图 → 再点通知 → 从图生成草案；不选旧持续自动监听。

6 边界规则与异常处理

边界规则

• 用户必须先主动截图或保存图片，再主动点击通知栏入口；无点击不查询 MediaStore。
• 每次点击只处理查询时最新的一张可用图片，不扫描整本相册，不做多图批量处理。
• 同一图片重复点击必须去重，不重复生成草案。
• 图片只进入 OCR / 多模态草案链路；确认前不创建正式 Schedule、Todo 或 Goal。
• 本期只覆盖 Android，不考虑 iOS，也不判断图片来自哪个 App。

异常场景与处理方式

情况	行为
先有图，点通知，定位到最近图	提文字 → 从图生成草案
无可用最近图 / IS_PENDING=1	提示无可处理图；可短延迟且要求写完
同一 URI 重复点击	去重，不重复从图生成草案
未授权媒体 /（Android 13+）通知权限	不提供稳定入口；提示授权
无用户点击却因新图进流程	非法（旧持续监听路径·不选）

状态	含义
idle	通知入口可见；未定位图
resolving	点击后查询最近候选
extracting	提文字 / 从图生成草案进行中
draft_ready	草案可展示/确认
empty / failed	无图或提文字失败；给原因与可重试/改路径提示

权限：媒体读权限 +（Android 13+）通知权限；MVP 无 INTERNET。

7 基本概念与信息结构

概念	含义
通知入口	通知栏点击触发「从图生成草案」；权限满足时可见；无点击不启动链路
最近图解析	点击后查 MediaStore 最近一张系统截图/相册最近图候选，得到 URI
提文字（OCR）	从定位到的图提取文字，进入后续草案链路
从图生成草案	NormalizedInputText → ExtractedCandidate → CreateDraft；用户确认后才落正式数据

处理流程

用户先截图/存图 → 点通知栏
→ 定位 MediaStore 最近一张候选
→ 提文字（OCR）
→ NormalizedInputText → ExtractedCandidate → CreateDraft
→ 用户确认 → Schedule / Todo / Goal

当前 MVP 可先验证提文字与草案入口，再接入完整 AI 提取与 CreateDraft。

禁止：后台截图流（未点击）→ 自动接图 → AI 直接创建正式任务

关键信息结构（链路相关）

结构	要点
截图/存图记录	uri、显示名、路径/桶、mime、dateAdded、尺寸、去重键（id + size + dateAdded）
提文字结果	状态 idle/running/success/empty/failed；提取文本；失败原因
草案输入	提文字结果进入多模态规范化与 CreateDraft；source 可标为截图/存图来源

8 验收标准

用例	操作	通过标准
最近图命中	先截图或保存一张图，再点击通知栏入口	系统定位该图，完成 OCR，并进入从图生成草案链路
无点击不处理	产生新截图但不点击通知栏	系统不查询图片、不 OCR、不生成草案
无可用图片	未产生可读图片时点击入口	明确提示无可处理图片，不创建空草案
图片仍在写入	图片处于 IS_PENDING=1 时点击	等待短暂写入完成或提示稍后重试，不读取不完整文件
重复点击去重	对同一张图片连续点击入口	同一去重键只生成一次处理结果和草案
权限缺失	未授予媒体或通知权限时触发	给出对应授权提示，不静默读取或处理
草案确认边界	OCR 和提取完成后查看正式数据	确认前没有正式事项；用户确认后才由既有模块创建
不启用后台监听	授权后连续新增多张截图但不点击入口	不存在常驻 ContentObserver 接流，也不会自动处理新图
离线 MVP	断网后验证通知入口与本地 OCR 路径	入口和本地验证链路可用，应用默认不要求 INTERNET 权限