Krishnachakri/LS.ai

# LifeSaver.ai (LS.ai) **LifeSaver.ai (LS.ai)** 是一个实时 AI 驱动的应急协调平台，可将非结构化的紧急语音或文本报告转化为结构化、可执行的事件摘要，供调度员和响应人员使用。通过结合可解释的 AI 解析与确定性的严重程度评分，它优化了分诊路由，从而在关键的初步响应时间内挽救生命。 ## 为什么开发此项目 LifeSaver.ai 的创建目的很简单：帮助减少在医疗紧急情况发生的前几分钟内经常出现的沟通延误。 **LS** 这个名字具有个人意义。它代表了我的父母 **Lokesh** 和 **Sasi**。该项目的灵感来源于我的家庭经历，以及我相信在紧急情况下更好的协调能够挽救生命的信念。虽然灵感是个人化的，但使命是普遍的——让紧急情况下的沟通更快、更清晰、更可靠。 ## 问题与解决方案 - **问题：** 惊慌失措的紧急情况呼叫者难以传达结构化的事实（事件类型、受害者人数、伤情）。语言障碍和缺乏自动化分诊延误了调度，浪费了宝贵的时间。 - **解决方案：** 一个直接、零安装的移动呼叫者界面，具有自动的多语言语音转录功能，将非结构化数据输入到确定性的分诊引擎中，立即将解析后的紧急情况广播到专业的调度控制台。 ## 技术栈 * **前端：** Next.js (App Router)、TypeScript、原生 CSS（灵感来源于 RapidSOS 的仪表板控制台样式） * **后端：** FastAPI (Python)、Uvicorn ASGI Server * **AI 摄取（多模态转录）：** Gemini API（多模态音频转录） * **AI 解析器（紧急上下文提取）：** Gemini API（结构化 JSON Schema 生成） * **实时协议：** WebSockets (`/api/v1/incidents/live`) * **状态管理：** 内存 `collections.deque` 缓存（保存最近的 20 个活跃事件以供实时显示） ## 架构与系统流程 ``` Caller Mobile UI (Microphone/Text Input) │ ▼ FastAPI Backend Ingestion API │ ├──► Stage A: Multimodal Audio Transcription (Gemini API) │ Extracts raw text transcript & detects language (en/te) │ ├──► Stage B: Emergency Context Parser (Gemini API) │ Extracts structured JSON facts (breathing difficulty, bleeding, etc.) │ ├──► Stage C: Pydantic Validator & Schema Sanitation │ ├──► Stage D: Deterministic Severity Triage Engine │ Evaluates override triggers and calculates safety priority scores │ └──► Stage E: Real-time Gateway (FastAPI WebSockets) │ ▼ Responder Dispatch Dashboard Console (Live Updates) ``` ## 严重程度逻辑 为了保证 100% 可解释且可复现的决策，我们将语言理解与分诊评分分开。LLM 解析非结构化事实；确定性的 Python 规则引擎计算严重程度： 1. **关键覆盖条件：** 失去意识、严重呼吸困难、胸痛或疑似心脏紧急情况将立即覆盖评分逻辑，并将严重程度设置为 **Critical**（Score 100）。 2. **积分规则：** 如果没有触发覆盖条件，则累加积分： * 疑似骨骼骨折：**+15 分** * 头部受伤：**+15 分** * 多名受害者 (>2)：**+10 分** 3. **阈值分类：** * **Critical：** 触发覆盖条件或积分 >= 40 * **Urgent：** 积分 15 - 39 * **Stable：** 积分 < 15 ## 设置与本地运行说明 ### 1. 前置条件 - Python 3.10+ - Node.js 18+ ### 2. 环境变量配置 在 `backend/` 目录下创建一个 `.env` 文件： ``` GEMINI_API_KEY=your_gemini_api_key_here GEMINI_MODEL=gemini-3.5-flash CORS_ORIGINS=http://localhost:3000,http://127.0.0.1:3000 ``` 在 `frontend/` 目录下创建一个 `.env.local` 文件： ``` NEXT_PUBLIC_API_URL=http://127.0.0.1:8000 ``` ### 3. 运行后端 在根工作区目录下执行： ``` cd backend python -m venv venv # 在 Windows PowerShell 上： .\venv\Scripts\Activate # 在 macOS/Linux 上： source venv/bin/activate pip install -r requirements.txt uvicorn app.main:app --host 127.0.0.1 --port 8000 --reload ``` ### 4. 运行前端 在根工作区目录下打开一个新的终端标签页执行： ``` cd frontend npm install npm run dev ``` 打开 [http://localhost:3000/caller](http://localhost:3000/caller) 进入移动呼叫者门户，以及 [http://localhost:3000/dashboard](http://localhost:3000/dashboard) 查看调度仪表板。 ## 当前已知限制

标签：AI信息提取, AV绕过, FastAPI, IPv6支持, WebSockets, 多模odal转录, 应急救援, 逆向工具