🍑 桃子专注 · Peach Focus

一款把番茄工作法「桃子化」的全栈时间管理 Web 应用：待办任务 + 桃子钟专注计时 + 数据可视化 + 本地大模型 AI 助手。

前端：Vue 3 + Pinia + Vue Router + Element-Plus + ECharts + vue-i18n（Vite 构建，PWA 离线缓存）
后端：Spring Boot 2.7 (Java 8) + MyBatis-Plus + MySQL 8 + JWT + WebSocket + Caffeine 缓存
AI 端：Ollama 本地推理，主力模型为基于 Qwen2.5-3B-Instruct 微调（QLoRA） 的 peach-focus:latest，视觉模型 qwen2.5vl:3b
部署：Docker Compose 一键编排（MySQL / 后端 / Nginx 前端 / Ollama 可选）

一、功能清单

1. 账号与安全

注册 / 登录，JWT 令牌鉴权（Authorization: Bearer）
BCrypt 密码加密、修改密码、登录接口限流（5 次/分钟）
接口层用户数据隔离（防越权访问）、参数校验、操作审计

2. 待办任务（TodosView）

任务 CRUD，四级优先级：紧急最高 / 高 / 普通 / 低
子任务（子事项）独立勾选，全部完成自动完成主任务
截止日期、到点提醒（remindAt）、重复规则、标签、拖拽排序
按优先级 / 时间范围（今天、本周、已逾期）/ 标签筛选
一键「去专注」把任务绑定到计时器
IndexedDB 离线缓存，先读缓存秒开、后台同步后端

3. 桃子钟专注计时（FocusView）

绑定任务开始专注，自定义专注 / 休息时长（个人中心可设默认值）
计时中页面锁定、暂停 / 继续 / 结束二次确认、结束提示音
专注记录自动归档到后端（pomodoro_record），驱动统计

4. 数据统计大屏（StatsView）

今日 / 本周 / 本月 KPI：专注总时长、桃子钟数、完成任务、完成率、日均专注、最佳时段
ECharts：专注时长趋势、完成率仪表盘、优先级分布、热力图等
AI 周报生成、报告导出（jsPDF + html2canvas）
日间 / 夜间双主题自适应配色

5. 到点提醒（双通道）

WebSocket 实时推送：后端每 60s 扫描到点任务，经 /api/ws/reminder 推送，前端弹出通知
本地轮询兜底：前端每 15s 扫描任务 remindAt，离线也能提醒
双通道去重，同一任务只弹一次；另支持浏览器系统通知

6. 桃子助手（AiPanel，右侧常驻）

流式问答：SSE 逐字输出，可中途「停止回答」，支持引用追问
自然语言建任务：「明天下午3点提醒我开组会」→ 自动解析日期/时间/优先级并创建待办
图片识别建任务：上传截图（待办清单、聊天记录、课表等），视觉模型提取任务列表，勾选后批量导入
上下文增强：注入当前任务、本周专注数据、近期相关任务（轻量 RAG）、多轮对话历史
AI 周报、任务拆解一键入库（拆解步骤可加为子事项 / 新任务 / 按天计划）
算术预计算（后端先算好再交给模型，杜绝算错）、<think> 思考标记过滤
对话历史持久化（MySQL），支持查看与再次提问
后端 / 模型不可用时自动回退到内置规则回复

7. 其他

日间 / 夜间「桃子」双主题（CSS 变量 + Element-Plus dark）
中英文切换（vue-i18n）
PWA：Service Worker 缓存、离线可用
Swagger 接口文档（springdoc，/api/swagger-ui.html）
数据备份 / 审计接口

二、目录结构

peach-focus/
├── index.html / vite.config.js / package.json
├── public/                        # PWA manifest、sw.js、桃子吉祥物图
├── src/                           # ─── 前端 ───
│   ├── main.js                    # 入口：Element-Plus / Pinia / Router / i18n
│   ├── layouts/MainLayout.vue     # 三栏布局 + WS 提醒订阅 + 本地提醒轮询
│   ├── components/
│   │   ├── AiPanel.vue            # 桃子助手（流式聊天/图片识别/任务拆解/主题切换）
│   │   └── PeachIcon.vue
│   ├── views/                     # Home / Todos / Focus / Stats / Login / Profile
│   ├── stores/                    # Pinia：tasks / focus / ai / auth / theme
│   ├── utils/
│   │   ├── backend.js             # 后端 REST 封装（JWT 注入）
│   │   ├── websocket.js           # WS 提醒连接（断线 3s 重连）
│   │   ├── reminder.js            # 本地提醒轮询兜底
│   │   ├── taskParser.js          # 自然语言 → 任务（日期/优先级解析）
│   │   ├── taskExtractor.js       # AI 回答 → 可入库任务/步骤提取
│   │   ├── offlineDb.js           # IndexedDB 离线缓存
│   │   └── ...                    # stats / format / storage / llmConfig 等
│   ├── locales/                   # zh / en 语言包
│   └── styles/main.css            # 桃子主题 CSS 变量（含暗色）
├── backend/                       # ─── 后端（Spring Boot）───
│   ├── pom.xml                    # Spring Boot 2.7.18 / Java 8
│   └── src/main/
│       ├── java/com/peach/focus/
│       │   ├── controller/        # Auth/Task/SubTask/Tag/Pomodoro/Stat/Ai/User/Backup/Audit
│       │   ├── service/           # 业务层（ReminderService 定时扫描提醒等）
│       │   ├── websocket/         # ReminderWebSocket 推送
│       │   ├── config/            # WebConfig / WebSocketConfig / 拦截器 / 限流
│       │   └── entity|mapper/     # MyBatis-Plus
│       └── resources/
│           ├── application.yml
│           └── db/schema.sql      # 建库脚本
├── training/                      # ─── AI 微调流水线 ───
│   ├── build_dataset.py           # 领域 SFT 数据集构造
│   ├── finetune_lora.py           # QLoRA 微调（8GB 显存可跑）
│   ├── merge_lora.py / evaluate.py
│   ├── Modelfile*                 # Ollama 模型定义（GGUF + 系统提示词）
│   └── llama.cpp/                 # GGUF 转换与量化
├── docker/                        # Nginx 配置、后端 Docker 专用 application.yml
├── docker-compose.yml             # MySQL + 后端 + 前端 + Ollama(可选) 编排
└── Dockerfile / backend/Dockerfile

三、本地开发运行

0. 环境要求

Node 16+、JDK 8+、Maven 3.6+、MySQL 8、Ollama（AI 功能需要）

1. 数据库

CREATE DATABASE peach_focus DEFAULT CHARACTER SET utf8mb4;
-- 导入 backend/src/main/resources/db/schema.sql

在 backend/src/main/resources/application.yml 中改成你的 MySQL 账号密码。

2. 后端（端口 8080，context-path `/api`）

cd backend
mvn spring-boot:run

3. AI 模型（可选，不启动则 AI 助手走规则回复兜底）

ollama serve                 # 默认 http://127.0.0.1:11434
ollama run peach-focus       # 微调后的领域模型（见 training/ 目录）
# 没有微调模型时，可在 application.yml 把 ollama.model 换成 qwen2.5:3b 等通用模型
# 图片识别需要：ollama pull qwen2.5vl:3b

⚠️ 若 AI 回答异常缓慢，先 ollama ps 看 PROCESSOR 列：显示 100% CPU 说明启动时 GPU 探测失败（开机初期常见），重启 Ollama 即可恢复 GPU 推理（约 10 倍速差）。

4. 前端（端口 5173）

npm install
npm run dev

浏览器打开 http://localhost:5173 。Vite 已把 /api 与 /api/ws（WebSocket）代理到 :8080。

5. 测试

npx vitest run               # 前端单元测试
cd backend && mvn test       # 后端单元测试

四、Docker 一键部署

# 在项目根目录准备 .env（可参考 backend/.env.example），至少包含：
#   MYSQL_PASSWORD=xxx  JWT_SECRET=xxx  PASSWORD_SALT=xxx
docker compose up -d                    # MySQL + 后端 + 前端(Nginx :80)
docker compose --profile ai up -d       # 额外启动 Ollama（需 ≥6GB 内存或 ≥4GB 显存）

五、AI 微调流水线（training/）

build_dataset.py：生成时间管理领域 SFT 数据集（任务规划、拆解、数据解读等场景）
finetune_lora.py：QLoRA 4-bit 微调 Qwen2.5-3B-Instruct（RTX 4060 8GB 可训）
merge_lora.py：合并 LoRA 权重 → llama.cpp 转 GGUF 并量化（q8_0）
Modelfile + ollama create peach-focus：注入系统提示词、few-shot 与推理参数，部署为本地服务

六、实现要点

鉴权链路：登录签发 JWT → 前端 utils/backend.js 统一注入 → 后端拦截器解析出 userId，所有查询强制带 userId 隔离数据
流式问答：后端以 stream:true 调 Ollama /api/chat，逐行读 NDJSON 转发为 SSE；前端 AbortController 支持中断
实时提醒：ReminderService 每 60s 扫 remind_at ±30s 窗口 → ReminderWebSocket 按 userId 推送 → MainLayout.vue 订阅弹窗；前端另有 15s 本地轮询兜底，双通道以 reminded 标记去重
性能：Ollama keep_alive 模型常驻显存；Caffeine 缓存统计查询；Vite server.watch.ignored 排除 training/dist 等大目录避免 watcher 卡死；IndexedDB 缓存任务列表实现秒开
可靠性：AI / 后端不可用时前端规则兜底；WS 断线 3 秒自动重连；算术表达式后端预计算防止模型算错