## 服务器技术栈总结

基于代码分析，您的服务器采用了高性能 Python 异步架构，深度整合了最新的 AI 模型和硬件加速技术。以下是详细的技术栈清单：

- 核心框架
  语言: Python 3.9+
  Web 框架: FastAPI (高性能异步 Web 框架)
  服务器: Uvicorn (基于 uvloop 的 ASGI 服务器)
  通信协议:
  WebSocket: 用于音频/视频流的实时双向传输 (websockets 库)
  HTTP: 用于控制指令和状态查询

- 新一代 AI 交互管道 (Day 28+ 架构)
  大语言模型 (LLM): GLM-4.6v-Flash (通过 zai-sdk 调用智谱 AI，支持多模态视觉理解)
  语音识别 (ASR): SenseVoiceSmall (通过 funasr 本地部署，高精度中文识别)
  语音活动检测 (VAD): Silero VAD (PyTorch 实现，含 300ms 环形缓冲，抗噪能力强)
  语音合成 (TTS): EdgeTTS (微软 Edge 在线 TTS，免费且自然)

- 计算机视觉 (CV)
  核心引擎: Ultralytics YOLO (YOLO11 / YOLOv8)
  模型矩阵: 
    - 盲道导航: yolo11l-seg-blind.engine
    - 室内导盲: yolo11l-seg-indoor14.engine (14类)
    - 红绿灯: yolov8n.engine
  任务类型: 目标检测 (Detection) + 语义分割 (Segmentation)
  推理加速: TensorRT (NVIDIA 深度学习推理引擎，FP16半精度 + .engine 模型文件)
  图像处理:
  PyTurboJPEG: 基于 libjpeg-turbo 硬件加速的 JPEG 编解码 (比 OpenCV 快 2-3 倍)
  OpenCV: 传统的图像处理与绘图
  MediaPipe: 手势识别 (辅助功能)

- 高性能计算与并发
  并行计算: CUDA (通过 PyTorch 调用 NVIDIA GPU)
  数学加速: Numba (JIT 即时编译，加速 NumPy 矩阵运算)
  并发模型:
  AsyncIO: 处理高并发 WebSocket 连接
  Threading: 处理阻塞式 I/O 任务
  Semaphore: 限制 GPU 并发槽位 (默认 2-4 个)

- 关键依赖
  PyTorch: 深度学习底座
  NumPy: 科学计算
  python-dotenv: 环境变量管理

这个架构充分利用了 RTX 3090 的算力 (TensorRT/CUDA)，同时通过 AsyncIO 保证了网络层的高吞吐，是一套非常成熟且现代化的 AI 服务端方案。