状态: 规划定稿（2026-08-21） 目标: ① 取消会话停止时的逐屏自动捕获（会话 33 实测 50%+ 结构图围绕字幕，误收严重）； ② 改为手动一键分析参考图集（full/ 全部归档帧）——结构图只记表格/公式/代码/流程图等 含有文本信息且 OCR 不准确的图。 依据: 会话 33 真机验收实测（2026-08-21）· v0.7.7 结构图机制（REQ-182~185）交付后质量回归 关联: v0.7.7（本版修正其结构图机制）· ADR-010（图语义纯本地无法还原）·
SessionOcrBlock字幕标记（v0.7.3 REQ-155/156）
现象：会话 33 的结构图 50%+ 围绕字幕区域。
根因：字幕背景条 + 白色文字在 32×18 版面网格中呈现为"满宽长直线 + 中等墨迹密度 + 合适面积"，
恰好命中 diagram_likeness 三项特征（长直线 0.75 / 墨迹密度 0.15 / 面积占比 0.10）：
被版面分析判为 Text 后，旧门控 diagram_likeness ≥ 0.5 轻易通过 → 字幕条入库为结构图。
关键洞察：数据库已具备字幕标记（SessionOcrBlock.region="subtitle" + 帧坐标 bbox，v0.7.3 落库），
但结构图管线从未消费该信号。准确性判据应是"含文本且 OCR 不准确"——OCR 自己的表现就是最直接的度量。
| # | 决策点 | 结论 | 被否方案 |
|---|---|---|---|
| 1 | 捕获时机 | 取消停止后自动捕获，改为图库「分析参考图集」手动一键 | 保留自动（误收无感知）；保留逐屏采样（复杂度高收益低） |
| 2 | 分析对象 | 直接扫描参考图集 full/ 全部归档帧（与图集画廊同源） | 逐屏构建 + 帧采样 + 选优帧（旧管线，样本与字幕纠缠） |
| 3 | Text 区域策略 | OCR 置信度动态判断（L2）：高置信 → 已还原 → 拒；低置信/无块 → 收 | 全部跳过（漏掉被判 Text 的真实流程图）；全部收（字幕误收不变） |
| 4 | 字幕拦截 | L0：候选区域与字幕块 bbox IoU ≥ 0.3 → 拒 | 仅底部条带位置约束（旧数据无字幕标记时兜底用 L3） |
| 5 | 历史数据 | 不清理（只影响新捕获，旧记录用户手动删） | 自动清理（误删风险）；启动时全量扫描（成本高收益低） |
判定顺序（任一拒则拒，全部过则收）：
| 层 | 机制 | 规则 | 作用 |
|---|---|---|---|
| L3 | 位置约束（最廉价预过滤） | 区域中心位于画面底部 12% 且 高宽比 > 8:1 → 拒 | 字幕条形状特征；防旧数据无字幕标记 |
| L0 | 字幕块重叠拦截 | 与 region="subtitle" 块 bbox IoU ≥ 0.3 → 拒 |
直接解决 50%+ 误收（字幕块 bbox 同帧坐标系） |
| L1 | 版面类型 | Table/Formula/Code 直收；Unknown 拒 | 结构布局 OCR 无法还原，直收不查 OCR |
| L2 | OCR 置信度反向信号 | Image/Text 过 diagram_likeness 后：重叠 full 块平均分 ≥ 0.7 → 拒；< 0.5 或无块 → 收；0.5~0.7 → 收（模糊地带偏向收，V1.0 用户删除反馈校准） | "OCR 不准确"的直接度量——OCR 已还原的线性文本不收 |
OCR 块与参考图帧同时间基（相对会话起点 ms），按 ±3s 时间窗（STRUCTURE_OCR_WINDOW_MS）对齐。
| # | 文件 | 改动 |
|---|---|---|
| 1 | app/src-tauri/src/commands_live.rs |
删除停止后 trigger_auto_capture_structures 调用与函数（trigger_auto_refine 保留） |
| 2 | app/src-tauri/src/structure_detect.rs |
新增 StructureFilterContext + decide_keep + iou_frame；删除 edge_energy/pick_sharpest/filter_structure_regions 死代码；新增 5 常量（SUBTITLE_IOU_MIN/OCR_SCORE_CONFIDENT/OCR_SCORE_WEAK/BOTTOM_BAND_RATIO/SUB_BAR_ASPECT） |
| 3 | app/src-tauri/src/structure_capture.rs |
重写主循环直扫参考图集（list_full_image_timestamps 全量）；新增 build_filter_context/decode_frame；删除 frame_candidates/decode_candidates/MAX_FRAMES_PER_SCREEN；CaptureSummary.screens_scanned → images_scanned |
| 4 | app/src-tauri/src/structure_detect_tests.rs |
删除 pick_sharpest 4 测试；新增 decide_keep L0/L2/L3 用例（字幕重叠拒 / 高置信拒 / 低置信与无块收 / 底部条带拒 / 结构三类直收） |
| 5 | app/src-tauri/src/structure_capture_tests.rs |
删除 frame_candidates 2 测试；新增字幕帧+表格帧端到端（只收表格）；新增过滤上下文时间窗/无 bbox 用例 |
| 6 | app/src/components/StructureImageSection.tsx |
「重新捕获」→「分析参考图集」；空状态/成功文案更新；imagesScanned 字段适配 |
保留不动：layout_analyzer.rs（版面分析）、db_structures.rs/structure_store.rs（存储层）、
screens.rs/screen_merge.rs（屏卡体系——手动框选仍依赖）、commands_images.rs（参考图集）、
手动框选 capture_structure_manual、历史已入库数据。
| 步骤 | 内容 | 验收 |
|---|---|---|
| M1 | Rust 单测 | structure_detect 13 用例 + structure_capture 10 用例全绿（含字幕拦截端到端）；cargo test 无本次改动引入的失败；cargo clippy 干净 |
| M2 | 前端 | tsc --noEmit 通过；按钮/空状态/成功文案更新 |
| M3 | 真机回归（人工） | 会话 33 重跑「分析参考图集」：字幕结构图不再产生；表格/公式/代码仍正常捕获 |
| M4 | 回归 | 停止会话不再自动产生结构图（行为变更符合预期）；手动框选/删除/大图预览不劣化 |
- 用户删除反馈回路（D1 既有设计）：统计删除结构图的特征（位置/类型/OCR 信号）反哺阈值
- L2 模糊地带（0.5~0.7）当前偏向收，真机数据积累后校准
- unknown 区域归 V1.0 AI 补缝（ADR-010 不变）