3 设备端与云端分界：本地处理与云端回传的决策点、延迟阈值设定、离线模式边界

3.1 适用场景

本章定义的方法适用于以下典型场景：

• 智能家居传感器（温湿度/人体感应/门窗磁）：数据量小、频次高，需快速本地判断与响应。
• 工业现场控制器（PLC/边缘网关）：需毫秒级确定性延迟，网络抖动不可接受。
• 可穿戴健康设备（心率/血氧）：本地做初步滤波与异常检测，云端存档与深度分析。
• 车载交互系统：本地语音唤醒、视线追踪需低延迟，云端负责语义理解与知识库查询。

3.2 前置条件

3.3 操作步骤

操作步骤分为 定义决策矩阵、设定延迟阈值、配置离线边界 三个阶段。每个阶段输出明确产物并经过复核。

步骤 3.3.1 定义本地处理 vs 云端回传的决策矩阵

1. 列出所有人机交互事件（E1, E2, … En）。
2. 对每个事件评估：
   • 实时性等级：硬实时（<10ms）/ 软实时（10-100ms）/ 准实时（100ms-1s）
   • 数据敏感度：用户隐私（需本地化）/ 业务可公开
   • 模型推理体积：模型能否压缩至设备端 RAM 和 Flash 余量内
3. 填写决策矩阵表，标记策略：本地执行、云端执行、本地过滤+云端精算。

步骤 3.3.2 设定延迟阈值

1. 根据人机交互的生理感知极限，定义三类边界：
2. 测量当前网络 RTT 抖动范围（取 P90 作为参考）。
3. 对照决策矩阵，选择延迟底线。

步骤 3.3.3 配置离线边界

1. 确定 离线降级等级：完全离线运行 / 本地缓存在线 / 功能降级。
2. 本地部署离线缓存模型与预计算参数。
3. 设计 心跳保活机制：设备端每秒检查云端可达性；若连续 N 次丢失则切换离线模式。
4. 回滚策略：云端恢复后，合并离线期间产生的事务日志。

// 心跳保活示例（C 伪代码）
if (cloud_ping_loss_counter >= CLOUD_LOSS_THRESHOLD) {
    transitionToOfflineMode();
    enableLocalModelInference();
}
if (cloud_ping_restored) {
    syncOfflineTransactionsLedger();
    transitionToOnlineMode();
}

3.4 输入输出物

3.5 责任边界

• 设备端团队：负责本地处理模型的裁剪与部署；心跳保活逻辑实现；离线事务日志记录。
• 云端团队：负责云端 API 的性能 SLA 保障；提供事务日志同步接口；执行复杂模型推理。
• 质量保障：负责端到端延迟场景用例编写，覆盖在线/离线/切换状态。
• 产品/系统架构师：审批决策矩阵和延迟阈值，维护边界定义文档。

3.6 记录材料

1. 决策矩阵评审记录（包含每项事件选择的理由与反对意见）。
2. 延迟阈值测量记录（至少采集 2000 个样本，取 P50/P90/P99）。
3. 离线切换测试报告（覆盖网络中断、恢复、长时间离线场景）。

3.7 异常处理

3.8 验收标准

• ✅ 决策矩阵覆盖全部已识别交互事件，无歧义项。
• ✅ 所有阈值配置绑定到具体事件，可在设备固件中直接读取（.json 格式）。
• ✅ 离线切换延迟 ≤ 200ms，用户无明显感知。
• ✅ 在线–离线–在线全路径事务无丢失，事务日志同步后一致性 100%。
• ✅ 端到端延迟测试通过率 100%（按阈值基线）。

3.9 核心流程：本地与云端决策流程图

下图为决策矩阵与阈值判定相结合的执行流程，覆盖在线与离线路径。