diff --git a/DevelopmentPlan.md b/DevelopmentPlan.md
new file mode 100644
index 0000000..ff2e9dd
--- /dev/null
+++ b/DevelopmentPlan.md
@@ -0,0 +1,377 @@
+这是一个基于 `RequirementsDoc.md`、`FeatureSummary.md` (V1.2) 和 `User_Role_Interfaces.md` 编写的开发计划文档。
+
+这份文档旨在指导技术团队进行架构设计、选型和排期，重点在于解决**视频处理的高并发/高延迟**、**多模态 AI 的集成**以及**移动端适配**等工程难点。
+
+文件名：`DevelopmentPlan.md`
+
+---
+
+# DevelopmentPlan.md - 智能视频审核系统开发计划
+
+| 文档类型 | **Development Plan (技术架构与实施计划)** |
+| --- | --- |
+| **项目名称** | SmartAudit (AI 营销内容合规审核平台) |
+| **版本号** | V1.1 |
+| **日期** | 2026-02-03 |
+| **依据** | FeatureSummary V1.2, PRD V1.0, RequirementsDoc V1.0 |
+| **侧重** | 技术选型、架构设计、MVP 范围、开发排期、验收标准 |
+
+---
+
+## 版本历史 (Version History)
+
+| 版本 | 日期 | 作者 | 变更说明 |
+| --- | --- | --- | --- |
+| V1.0 | 2026-02-03 | Gemini | 初稿：技术架构、选型、排期 |
+| V1.1 | 2026-02-03 | Claude | 审阅修订：补充 F-05-A/F-45 技术方案、验收标准、数据模型、测试策略 |
+
+---
+
+## 1. 技术架构设计 (Architecture Design)
+
+### 1.1 系统架构图 (逻辑视图)
+
+采用 **前后端分离** + **AI 微服务化** 的架构，以应对视频处理的高算力需求和长尾延迟。
+
+```mermaid
+graph TD
+    User[用户 (PC/Mobile)] -->|HTTPS| Gateway[API Gateway / Nginx]
+    
+    subgraph Frontend
+        Web_PC[PC 审核台 (React/Next.js)]
+        Web_H5[达人端 H5 (React/Next.js)]
+    end
+    
+    subgraph Backend_Core [核心业务服务]
+        API_Main[主业务 API (FastAPI)]
+        Auth[认证服务]
+        Workflow[工作流引擎]
+        Upload_Svc[文件上传服务 (Tus协议)]
+    end
+    
+    subgraph Async_Layer [异步处理层]
+        Queue[消息队列 (RabbitMQ/Redis)]
+        Worker_Manager[任务调度器 (Celery)]
+        Socket_Svc[WebSocket 推送服务]
+    end
+    
+    subgraph AI_Engine [AI 引擎集群]
+        Svc_Parser[Brief 解析服务 (LangChain)]
+        Svc_NLP[脚本/语义分析 (LLM)]
+        Svc_Video[视频多模态流水线]
+    end
+    
+    subgraph Storage
+        DB[(PostgreSQL - 业务数据)]
+        VectorDB[(Milvus/pgvector - 知识库)]
+        Cache[(Redis - 缓存/进度)]
+        OSS[对象存储 (视频/图片)]
+    end
+
+    Gateway --> Web_PC
+    Gateway --> Web_H5
+    Web_PC --> API_Main
+    Web_H5 --> API_Main
+    API_Main --> DB
+    API_Main --> Queue
+    Worker_Manager --> Queue
+    Worker_Manager --> Svc_Parser
+    Worker_Manager --> Svc_NLP
+    Worker_Manager --> Svc_Video
+    Svc_Video --> OSS
+    Socket_Svc <--> User
+
+```
+
+### 1.2 技术选型 (Tech Stack)
+
+| 模块 | 选型建议 | 理由 (Why) |
+| --- | --- | --- |
+| **前端框架** | **Next.js (React)** + Tailwind CSS | 统一 PC 和 H5 代码库；Next.js 的 SSR 对 SEO 和首屏渲染友好；适合构建复杂的审核 Dashboard。 |
+| **移动端** | **Responsive H5** | 达人端无需开发原生 App，通过 Next.js 响应式布局覆盖 iOS/Android 浏览器及微信内嵌浏览器。 |
+| **后端 API** | **Python (FastAPI)** | Python 是 AI 原生语言，FastAPI 具有极高的并发性能（AsyncIO），方便集成 AI 模型 SDK。 |
+| **异步队列** | **Celery + Redis** | 视频审核是典型长耗时任务（3-5分钟），必须异步处理。Celery 成熟稳定。 |
+| **实时通讯** | **WebSocket (Socket.io)** | 必须实现（F-17），用于向前端实时推送“正在检测 Logo...”等细粒度进度。 |
+| **数据库** | **PostgreSQL** + **pgvector** | PG 处理关系型数据，pgvector 插件直接在 PG 中处理向量搜索（竞品库/相似案例），减少架构复杂度。 |
+| **文件存储** | **阿里云 OSS / AWS S3** | 视频文件大，必须上云。需配合 CDN 加速预览。 |
+| **上传协议** | **Tus Protocol** (Uppy.js) | 解决大文件（100MB+）上传不稳定问题，支持**断点续传**，替代 ZIP 上传。 |
+
+### 1.3 AI 模型选型 (Model Selection)
+
+| 任务 | 模型/服务选型 | 备注 |
+| --- | --- | --- |
+| **通用语义 (NLP)** | **豆包 Pro / Qwen-Max / DeepSeek** | 处理 Brief 解析、反讽识别、情感分析 |
+| **视觉理解 (VLM)** | **Qwen-VL / 豆包视觉** | 处理复杂场景理解（如：环境脏乱差、具体动作判定） |
+| **语音识别 (ASR)** | **Paraformer (阿里) / SenseVoice** | 高精度中文语音转写，支持时间戳对齐 |
+| **文字识别 (OCR)** | **PaddleOCR v4** | 针对中文视频字幕优化，开源免费，轻量级 |
+| **物体检测 (CV)** | **YOLOv8 (Fine-tuned)** | 需针对特定"竞品 Logo"进行微调训练，保证高召回率 |
+
+> ⚠️ **国内数据合规说明：** 根据 PRD 第 10 章"数据本地化"要求，国内客户数据必须存储于中国大陆境内服务器。因此：
+> - **生产环境必须使用国内 LLM**（豆包/Qwen/DeepSeek），不可调用 GPT-4o/Claude 等海外 API
+> - 海外 API 仅用于内部研发测试，不可处理客户真实数据
+> - ASR/OCR/CV 均选用国内服务或本地部署模型
+
+---
+
+## 2. 关键技术难点与解决方案
+
+### 2.1 难点：视频上传与解压风险 (F-30)
+
+* **风险：** 传统表单上传大视频会导致超时；ZIP 解压消耗大量 CPU。
+* **方案：**
+1. **废弃 ZIP：** 前端采用 Dropzone 实现**多文件并发上传**。
+2. **分片上传：** 使用 Tus 协议，将 100MB 视频切分为 5MB 的 chunk 上传，服务端合并。
+3. **直传 OSS：** 前端获取签名直传云存储，不经过应用服务器，节省带宽。
+
+
+
+### 2.2 难点：长时任务的用户焦虑 (F-17)
+
+* **风险：** 视频分析需 3-5 分钟，用户易关闭页面。
+* **方案：** **精细化 WebSocket 推送**。
+* 后端 Worker 每完成一个子步骤（如 OCR 完成、ASR 完成），即向 Redis 写入状态。
+* Socket 服务订阅 Redis，推送到前端：“✅ 字幕提取完成 (30%)” -> “👁️ Logo 检测中...”。
+
+
+
+### 2.3 难点：语境理解与误报控制 (F-09)
+
+* **风险：** 将"最开心"误判为广告法违规。
+* **方案：** **两段式 AI 分析**。
+1. **Segment（切片）：** 先让 AI 判断当前时间段是"剧情"还是"植入"。
+2. **Evaluate（执法）：** 如果是"剧情"，应用宽松 Prompt；如果是"植入"，应用严格 Prompt。
+
+### 2.4 难点：时长与频次校验 (F-45) ⭐ 新增
+
+* **场景：** Brief 要求"产品同框 > 5秒"、"口播提及品牌名 ≥ 3次"。
+* **技术挑战：** 需要将 ASR/CV 的时间戳信息转化为可统计的结构化数据。
+* **方案：**
+
+**频次统计（口播提及）：**
+1. ASR 输出带时间戳的逐字稀疏文本：`[00:05.2] 这款 [00:05.8] 产品 [00:06.1] 真的很好用`
+2. NLP 识别"品牌词/产品词"并统计出现次数
+3. 输出：`品牌名提及 4 次 @ [00:05, 00:32, 01:15, 02:08]`
+
+**时长统计（产品同框）：**
+1. CV 模型逐帧检测"产品出现"（采样率：2fps 即可）
+2. 合并连续出现的帧为"片段"：`产品出现 @ [00:10-00:18], [01:05-01:12]`
+3. 累加总时长：`产品同框总时长 = 8s + 7s = 15s`
+
+**验收标准：**
+- 时长统计误差 ≤ 0.5秒
+- 频次统计准确率 ≥ 95%
+
+---
+
+## 3. MVP (P0) 开发范围定义
+
+基于 `FeatureSummary.md V1.2`，MVP 阶段必须包含的功能：
+
+### ✅ MVP 包含 (Must Have) - 共 18 个 P0 功能
+
+基于 `FeatureSummary.md V1.2` 第 4.1 章定义：
+
+| 模块 | 功能编号 | 功能名称 | 备注 |
+| --- | --- | --- | --- |
+| **Brief 管理** | F-01 | Brief 文档上传与解析 | |
+| | F-02 | 在线文档链接导入 | |
+| | F-03 | 平台规则库自动加载 | |
+| | F-04 | 区域合规规则切换 | |
+| | **F-05-A** | **基础黑白名单与竞品库** | ⭐ MVP 必须能防竞品 |
+| **脚本预审** | F-07 | 文本脚本提交与预审 | |
+| | F-08 | 违规检测与修改建议 | |
+| | **F-09** | **语境理解降低误报** | ⭐ P1→P0，避免"人工智障" |
+| **视频审核** | F-10 | 视频上传 | |
+| | F-11 | 多模态联合检测 | ASR/OCR/CV |
+| | F-12 | 竞品 Logo 检测 | |
+| | F-13 | 违禁词口播检测 | |
+| | F-14 | 时间戳风险标注 | |
+| | **F-45** | **时长与频次校验** | ⭐ 新增，Brief 硬指标 |
+| | **F-17** | **审核进度实时展示** | ⭐ P1→P0，缓解等待焦虑 |
+| **审核台** | F-19 | 风险列表展示 | |
+| | F-20 | 确认/驳回操作 | |
+| **数据看板** | F-33 | 核心指标卡片 | |
+
+### ❌ MVP 暂不包含 (Post-MVP)
+
+1. 高级豁免规则 (F-05-B)。
+2. 版本比对 Diff 视图 (F-28)。
+3. 批量操作 (F-30 批量审核/导出)。
+4. 舆情监控中心 (F-41)。
+5. AI 闭环训练系统 (F-46)。
+
+---
+
+## 4. 开发周期规划 (Roadmap)
+
+假设配置：1 PM, 1 UI/UX, 2 Frontend, 2 Backend, 1 AI Engineer, 1 QA。
+**总周期：约 10 周 (2.5 个月)**
+
+### Phase 1: 基础设施与 Brief 引擎 (Weeks 1-2)
+
+* **Backend:** 搭建 FastAPI 框架，PG 数据库设计，接入 OSS。
+* **AI:** 调试 Brief 解析 Prompt，搭建竞品 Logo 向量库。
+* **Frontend:** 完成 PC 端框架搭建，Brief 上传与解析交互。
+* **交付物:** 能够上传 PDF 并提取出 JSON 规则。
+
+### Phase 2: 核心 AI 流水线 (Weeks 3-5) ⭐ *攻坚期*
+
+* **Backend:** 实现 Celery 异步队列，集成 Tus 上传协议。
+* **AI:** 串联 ASR -> OCR -> NLP -> CV 模型；实现 F-09 (语境) 和 F-45 (频次) 逻辑。
+* **Frontend:** 开发 WebSocket 进度组件，实现“透明思考”UI。
+* **交付物:** 后端可跑通“视频输入 -> 审核报告输出”的完整流程。
+
+### Phase 3: 达人端 H5 与 审核台 (Weeks 6-8)
+
+* **Frontend (H5):** 开发达人手机端上传、查看报告、申诉页面 (响应式适配)。
+* **Frontend (PC):** 开发复杂的“审核决策台”（视频播放器与时间轴打点的联动）。
+* **Backend:** 实现申诉逻辑、审核状态流转 (State Machine)。
+* **交付物:** 达人可上传，代理商可审核，流程闭环。
+
+### Phase 4: 联调与验收 (Weeks 9-10)
+
+* **QA:** 全链路测试，重点测试大文件上传稳定性、AI 误报率。
+* **AI:** 根据测试数据微调 Prompt，优化“油腻/爹味”提示词。
+* **Ops:** 部署生产环境，配置 CDN，压力测试。
+* **交付物:** v1.0 上线。
+
+---
+
+## 5. 资源需求清单
+
+| 资源类型 | 规格/服务 | 预估成本 | 备注 |
+| --- | --- | --- | --- |
+| **应用服务器** | 8C 16G * 2 (Web/API) | Medium | 承载 API 和 Websocket |
+| **AI 推理服务器** | GPU T4/A10 * 1 | High | 用于跑本地 OCR/YOLO 模型 |
+| **LLM API** | GPT-4o / Doubao Pro | 按量计费 | 核心语义分析 |
+| **ASR 服务** | 阿里/腾讯云 API | 按量计费 | 语音转文字 |
+| **存储 (OSS)** | 预留 5TB | Low | 视频与图片存储 |
+| **数据库** | RDS PostgreSQL (High Avail) | Medium | 业务数据 |
+| **缓存** | Redis Cluster | Medium | 队列与实时状态 |
+
+---
+
+## 6. 风险管理 (Risk Management)
+
+| 风险点 | 可能性 | 影响程度 | 缓解措施 |
+| --- | --- | --- | --- |
+| **AI 误报率过高** | 中 | 高 | 上线前进行不少于 1000 条视频的“红蓝对抗”测试；初期设置较低的阈值（宁缺毋滥）。 |
+| **视频处理积压** | 低 | 高 | 监控队列长度，配置**弹性伸缩 (Auto-scaling)**，当队列堆积时自动增加 AI Worker 节点。 |
+| **平台规则变更** | 高 | 中 | 建立“配置化规则库”，无需改代码，运营人员在后台通过 JSON 更新违禁词。 |
+| **达人 H5 兼容性** | 中 | 中 | 使用 BrowserStack 进行主流机型（iOS/Android/微信内置）的兼容性测试。 |
+
+---
+
+## 7. 核心数据模型 (Data Model Overview)
+
+> 详细字段定义见数据字典文档
+
+### 7.1 核心实体关系
+
+```
+┌─────────────┐     ┌─────────────┐     ┌─────────────┐
+│   Brand     │────<│   Agency    │────<│   Creator   │
+│   (品牌方)   │     │   (代理商)   │     │   (达人)    │
+└─────────────┘     └─────────────┘     └─────────────┘
+       │                   │                   │
+       │                   ▼                   │
+       │            ┌─────────────┐            │
+       └───────────>│    Task     │<───────────┘
+                    │   (任务)    │
+                    └──────┬──────┘
+                           │
+          ┌────────────────┼────────────────┐
+          ▼                ▼                ▼
+   ┌─────────────┐  ┌─────────────┐  ┌─────────────┐
+   │    Brief    │  │   Video     │  │   Report    │
+   │  (Brief规则) │  │   (视频)    │  │  (审核报告)  │
+   └─────────────┘  └─────────────┘  └─────────────┘
+```
+
+### 7.2 核心表结构概述
+
+| 表名 | 说明 | 关键字段 |
+| --- | --- | --- |
+| `brands` | 品牌方 | id, name, settings_json |
+| `agencies` | 代理商 | id, brand_id, name |
+| `creators` | 达人 | id, agency_id, credit_score, appeal_tokens |
+| `tasks` | 审核任务 | id, brand_id, agency_id, creator_id, status, platform |
+| `briefs` | Brief 规则 | id, task_id, raw_file_url, parsed_rules_json |
+| `videos` | 视频文件 | id, task_id, version, file_url, duration |
+| `reports` | 审核报告 | id, video_id, ai_result_json, human_decision, created_at |
+| `risk_items` | 风险项 | id, report_id, type, level, timestamp_start, timestamp_end, evidence_json |
+| `rule_sets` | 规则库 | id, brand_id, platform, version, rules_json |
+| `audit_logs` | 审计日志 | id, task_id, operator_id, action, detail_json, created_at |
+
+---
+
+## 8. 验收标准 (Acceptance Criteria)
+
+引用自 `FeatureSummary.md V1.2` 第 9 章，MVP 上线前必须满足：
+
+| 验收项 | 标准 | 测量方式 | 责任方 |
+| --- | --- | --- | --- |
+| **Brief 解析准确率** | 图文混排 PDF 提取准确率 **> 90%** | 标注测试集评估 | AI 团队 |
+| **竞品 Logo 检测** | 遮挡 30% 场景 F1 **≥ 0.85** | 标注测试集评估 | AI 团队 |
+| **语义理解误报率** | 广告/非广告语境区分误报率 **≤ 5%** | 样本量 ≥ 1,000 句 | AI 团队 |
+| **ASR 字错率** | 普通话+方言 **≤ 10%** | 标注测试集评估 | AI 团队 |
+| **OCR 准确率** | 含复杂背景 **≥ 95%** | 标注测试集评估 | AI 团队 |
+| **时长统计误差** | **≤ 0.5秒** | 人工核对 | AI 团队 |
+| **频次统计准确率** | **≥ 95%** | 人工核对 | AI 团队 |
+| **审核报告产出时间** | 100MB 视频 **≤ 5 分钟** | 系统埋点 | 后端 |
+| **审计链路完整性** | 每条结论含规则版本、证据、时间戳 | 人工抽查 | QA |
+
+---
+
+## 9. 测试策略 (Testing Strategy)
+
+### 9.1 测试类型
+
+| 测试类型 | 覆盖范围 | 工具 | 负责人 |
+| --- | --- | --- | --- |
+| **单元测试** | 后端业务逻辑、工具函数 | pytest | 后端 |
+| **集成测试** | API 接口、数据库交互 | pytest + TestContainers | 后端 |
+| **E2E 测试** | 核心用户流程 | Playwright | QA |
+| **AI 模型测试** | 准确率/召回率/F1 | 标注测试集 + MLflow | AI 团队 |
+| **性能测试** | 并发、响应时间、队列积压 | Locust / k6 | 后端 |
+| **兼容性测试** | H5 移动端适配 | BrowserStack | 前端 |
+
+### 9.2 AI 模型专项测试
+
+| 测试项 | 测试集规模 | 通过标准 |
+| --- | --- | --- |
+| 违禁词检测 | ≥ 500 正样本 + 500 负样本 | 召回率 ≥ 95%，误报率 ≤ 5% |
+| 竞品 Logo 检测 | ≥ 200 张图片（含遮挡场景） | F1 ≥ 0.85 |
+| 语境理解 | ≥ 1,000 句子 | 误报率 ≤ 5% |
+| Brief 解析 | ≥ 50 份真实 Brief | 准确率 > 90% |
+
+### 9.3 上线前必须通过
+
+- [ ] 所有 P0 功能通过 E2E 测试
+- [ ] AI 模型指标达到验收标准
+- [ ] 100 并发压测无异常
+- [ ] H5 端在 iOS/Android/微信内置浏览器通过兼容性测试
+- [ ] 安全扫描无高危漏洞
+
+---
+
+## 10. 下一步行动 (Next Steps)
+
+1. **架构师：** 确认 `Database Schema` (特别是 Brief 规则与审核报告的 JSON 结构)。
+2. **UI 设计师：** 优先输出 **"达人端 H5 上传页"** 和 **"代理商 PC 审核台"** 的高保真原型。
+3. **AI 工程师：** 立即开始训练/微调 **"竞品 Logo 检测"** 的 YOLO 模型（需收集样本）。
+4. **后端工程师：** 搭建 FastAPI 框架骨架，集成 Celery 异步队列。
+5. **QA：** 准备 AI 模型测试集（违禁词、Logo、Brief 样本）。
+
+---
+
+## 11. 相关文档
+
+| 文档 | 说明 |
+| --- | --- |
+| RequirementsDoc.md | 业务需求文档 |
+| PRD.md | 产品需求文档 |
+| FeatureSummary.md | 功能清单与优先级 |
+| User_Role_Interfaces.md | 界面规范 |
+| 数据字典 | 待编写 |
+| API 接口规范 | 待编写 |