适用场景
当你需要把一批播客/课程/短视频配音/旁白音频统一到目标响度（例如 -16 LUFS 或 -14 LUFS），同时确保真峰值不过载（True Peak 不超过 -1 dBTP），单靠离线命令容易出错。本文提供 1 条可直接投喂给 AI 的提示词（Prompts），让 AI 产出一个可运行/可部署的在线工具：上传音频 -> 自动分析 -> 生成标准化结果 -> 导出文件与检测报告。
交付物要求（必须产出）
AI 需要一次性产出：完整项目代码、清晰的文件结构、可直接复制执行的本地运行命令、可选的 Docker 部署、以及测试用例或 QA checklist。工具必须支持：多格式输入、响度与峰值检测、按目标参数批量标准化、结果下载、以及处理报告（JSON/CSV/Markdown 任一）。
Prompt（直接复制给 AI）
你是资深全栈工程师 + 音频工程顾问。请为我生成一个“在线音频响度标准化与峰值检测”Web 工具的完整可运行项目（不要只给片段）。
目标：用户在浏览器里上传一个或多个音频文件（MP3/WAV/FLAC/M4A/AAC/OGG），工具自动分析每个文件的：
- Integrated Loudness（LUFS）
- Loudness Range（LRA）
- True Peak（dBTP）
- Peak（dBFS）与 RMS（可选）
然后按用户设置的目标响度与峰值限制进行标准化处理，并提供下载：
- 标准化后的音频文件（保持原采样率/声道，或允许选择输出格式）
- 每个文件的分析与处理报告（JSON + 可选 CSV）
- 批处理汇总报告（含失败原因与重试建议）
硬约束：
1) 必须产出完整项目：代码 + 文件树 + 依赖清单 + 运行命令。
2) 必须包含部署说明：本地运行 + Docker（可选但推荐）+ 生产部署建议。
3) 必须包含测试：至少提供 3 个自动化测试（或明确的 QA checklist，覆盖上传、分析、处理、下载、异常）。
4) 不能依赖任何需要付费 API Key 的第三方服务。
5) 音频分析与处理建议使用 ffmpeg/ffprobe 或等价开源方案；若用 WebAssembly 版本 ffmpeg，请给出缓存与性能策略。
6) 必须有安全限制：文件大小/时长限制、并发队列、临时文件清理、MIME/扩展名校验、CORS/CSRF 基础说明。
7) 结果可复现：所有处理参数要写入报告；每次处理生成唯一任务ID。
产品细节：
- 前端：提供拖拽上传、任务队列、进度条、参数面板（目标 LUFS、True Peak 上限、输出格式、是否归一到双声道/保持原声道、是否批量打包 zip）。
- 后端：提供 API（上传、分析、处理、下载、报告），并能在本地一键启动。
- 性能：大文件采用分片上传或流式处理（任选其一并说明）。
- 可观测性：日志 + 简单的健康检查 endpoint。
请按以下结构输出：
A. 项目简介（1-2 段）
B. 技术选型与理由
C. 文件树（tree 形式）
D. 关键代码（按文件给出完整内容，不要省略）
E. 安装与运行命令（Windows/macOS/Linux）
F. Docker 部署（如果提供）
G. 测试用例或 QA checklist
H. 常见问题与排错（例如 ffmpeg 不可用、编码不支持、True Peak 计算差异等）
参数建议
默认参数可设为：目标响度 -16 LUFS（语音类常用），True Peak 上限 -1 dBTP。若输出用于短视频平台，可提供 -14 LUFS 的快捷预设。报告中需明确写出：输入格式、采样率、声道、分析结果、处理增益（gain）、输出格式与最终指标。
验收清单
1) 上传不同格式音频均可分析；2) 批量任务可排队，失败有原因；3) 处理后可下载单文件与打包；4) 报告可下载并含全部参数；5) 本地运行命令可一键启动；6) 部署说明清晰；7) QA checklist 或测试覆盖核心流程。
