# 灵感瀑布流（Inspiration Flow）设计文档

> **创建日期：** 2026-04-28
> **更新日期：** 2026-04-29
> **项目：** TopFans 横向瀑布流藏品展示
> **服务：** galleryService (Go Dubbo-go)
> **状态：** 设计中

---

## 一、设计目标

横向瀑布流展示该 star_id 下所有用户展出的藏品，支持**随机展示**、**双向横向无限滚动**、按类型过滤。

**核心特点：**
- 每次查询返回随机顺序的藏品
- 支持双向横向无限滚动：
  - 向右滚动：加载更多新数据（发现新内容）
  - 向左滚动：加载历史数据（回看）
- 支持按藏品类型过滤（badge/poster/original/all）
- 会话级缓存，刷新后数据重新随机

**无限滚动实现方式：** 使用游标分页（Cursor-based Pagination），前端滚动到边缘时携带 `cursor` 参数加载下一批数据。

---

## 二、数据来源

**主表：** Exhibition（展品展示表）

**关联表：**
- Asset（资产表）- 用于获取藏品名称、封面、点赞数
- FanProfile（粉丝档案表）- 用于获取展出者昵称

**筛选条件：**
- `occupier_star_id = ?` (当前用户 star_id)
- `expire_at > now` (未过期)
- `deleted_at IS NULL` (未删除)

---

## 三、API 设计

### 3.1 获取灵感瀑布藏品列表

```
GET /api/v1/inspiration-flow
```

**Query 参数：**

| 参数 | 类型 | 必填 | 默认值 | 说明 |
|------|------|------|--------|------|
| cursor | string | 否 | 空 | 游标（首次请求为空） |
| direction | string | 否 | right | 滚动方向：right（加载新数据）/ left（加载历史） |
| limit | int | 否 | 10 | 每页数量（最大 20，移动端优化） |
| type | string | 否 | all | 过滤类型：badge/poster/original/all |

**HTTP 响应：**

```json
{
  "code": 200,
  "message": "ok",
  "data": {
    "items": [
      {
        "asset_id": 123,
        "name": "藏品名称",
        "cover_url": "https://xxx.com/cover.png",
        "like_count": 100,
        "owner_nickname": "粉丝昵称"
      }
    ],
    "cursor": "eyJsaW1pdCI6MTB9",
    "has_more": true
  }
}
```

**响应字段说明：**

| 字段 | 类型 | 说明 |
|------|------|------|
| items | array | 藏品列表 |
| cursor | string | 下次请求的游标，base64 编码的 JSON |
| has_more | bool | 是否还有更多数据 |

**错误码：**

| code | 说明 |
|------|------|
| 200 | 成功 |
| 401 | 用户认证失败 |
| 500 | 服务器内部错误 |

---

## 四、Proto 定义

### 4.1 Request / Response

```protobuf
// 获取灵感瀑布藏品列表请求
message GetInspirationFlowRequest {
  string cursor = 1;    // 游标（首次请求为空）
  string direction = 2; // 滚动方向：right（加载新数据）/ left（加载历史）
  int32 limit = 3;      // 每页数量（默认10，最大20）
  string type = 4;      // 过滤类型：badge/poster/original/all（默认all）
}

// 获取灵感瀑布藏品列表响应
message GetInspirationFlowResponse {
  topfans.common.BaseResponse base = 1;
  InspirationFlowData data = 2;
}

// 灵感瀑布数据
message InspirationFlowData {
  repeated InspirationFlowItem items = 1;  // 藏品列表
  string cursor = 2;                        // 下次请求的游标
  bool has_more = 3;                       // 是否有更多
}

// 灵感瀑布藏品项
message InspirationFlowItem {
  int64 asset_id = 1;        // 资产ID
  string name = 2;           // 藏品名称
  string cover_url = 3;     // 封面图URL
  int32 like_count = 4;      // 点赞数
  string owner_nickname = 5; // 展出者昵称
}
```

### 4.2 Service 方法

在 GalleryService 中新增方法：

```protobuf
// 展馆服务
service GalleryService {
  // ... 现有方法 ...

  // 获取灵感瀑布藏品列表
  rpc GetInspirationFlow(GetInspirationFlowRequest) returns (GetInspirationFlowResponse) {
    option (google.api.http) = {
      get: "/api/v1/inspiration-flow"
    };
  }
}
```

---

## 五、核心逻辑

### 5.1 随机查询实现

**核心需求：** 每次查询返回随机顺序的藏品数据，而不是固定顺序。

**实现方式：** 使用 PostgreSQL 的 `ORDER BY RANDOM()` 实现随机排序。

**为什么选择 ORDER BY RANDOM()：**
1. **实现简单**：一条 SQL 搞定，无需应用层处理
2. **数据量适配良好**：在几千到几万条数据时性能可接受（< 100ms）
3. **接口稳定**：便于后期扩展优化策略

**性能说明：**

| 数据量 | RANDOM() 性能 | 推荐程度 |
|--------|--------------|---------|
| < 1万条 | < 50ms | 强烈推荐 |
| 1-5万条 | 50-100ms | 推荐 |
| 5-10万条 | 100-500ms | 可接受 |
| > 10万条 | 开始变慢 | 需要优化 |

> 注：后期数据量超过 10 万条时，可考虑切换为"区间采样"策略，详见本章 5.5 节扩展说明。

---

### 5.2 随机 offset 分页设计

**核心思路：** 每次请求都是独立的随机排序，随机生成 offset 值，而不是依赖游标累加 offset。

**游标结构（JSON，base64 编码）：**
```json
{
  "limit": 10
}
```

> **说明：** 游标只记录 limit，不需要记录 offset（因为每次 offset 都是随机生成的）

**为什么用随机 offset：**
1. **数据变化无影响**：每次都是全新随机，数据变化不影响展示
2. **性能稳定**：offset 从 0 开始，不存在深分页性能问题
3. **实现简单**：无需处理数据变化时的缓存问题

**游标的行为说明：**
- 每次请求 offset 都是随机生成的（0 ~ max(0, total-limit)）
- 同一会话内滚动时，顺序可能跳变（这是预期行为）
- 用户刷新页面后，看到全新的随机顺序

> **业务说明：** 由于每次请求都是独立随机，滚动加载过程中顺序可能跳变。这是预期行为，用户每次刷新看到的是不同顺序，符合"随机展示"的需求。

---

### 5.3 查询逻辑

**实现流程：**

```
1. 查询该 star_id 下有效展品的总数
2. 随机生成 offset 值（0 ~ max(0, total-limit)）
3. 执行带随机 offset 的查询
```

**SQL 查询：**

```sql
-- 1. 先查询总数
SELECT COUNT(*) FROM exhibitions e
WHERE e.occupier_star_id = ?
  AND e.expire_at > ?
  AND e.deleted_at IS NULL;

-- 2. 应用层生成随机 offset，然后查询
SELECT
    e.asset_id,
    a.name,
    a.cover_url,
    a.like_count,
    fp.nickname as owner_nickname
FROM exhibitions e
JOIN assets a ON e.asset_id = a.id
JOIN fan_profiles fp ON e.occupier_uid = fp.user_id AND e.occupier_star_id = fp.star_id
WHERE e.occupier_star_id = ?
  AND e.expire_at > ?
  AND e.deleted_at IS NULL
  AND a.status = 1
  AND a.is_active = true
  AND (? = 'all' OR a.material_type = ?)
ORDER BY RANDOM()
LIMIT ? OFFSET ?;  -- offset 由应用层随机生成
```

**参数说明：**
- `? = star_id` (当前用户 star_id)
- `? = now` (当前时间戳)
- `? = type` (过滤类型)
- `? = limit` (每页数量)
- `? = offset` (随机生成的偏移量，非固定值)

---

### 5.4 游标编解码

**说明：** 由于每次请求的 offset 是随机生成的，游标只需要记录 limit。

**编码（服务端）：**
```go
limit := 10  // 默认值，实际从请求或配置获取
cursor := base64.StdEncoding.EncodeToString([]byte(fmt.Sprintf(`{"limit":%d}`, limit)))
```

**解码（服务端）：**
```go
decoded, _ := base64.StdEncoding.DecodeString(cursor)
var cursorData map[string]int
json.Unmarshal(decoded, &cursorData)
limit := cursorData["limit"]  // offset 由每次请求随机生成，无需从游标获取
```

**前端使用：**

```javascript
// 首次请求
fetch('/api/v1/inspiration-flow?limit=10&type=all')

// 向右滚动（加载新数据）
fetch('/api/v1/inspiration-flow?cursor=eyJsaW1pdCI6MTB9&limit=10&type=all&direction=right')

// 向左滚动（加载历史）
fetch('/api/v1/inspiration-flow?cursor=eyJsaW1pdCI6MTB9&limit=10&type=all&direction=left')
```

---

### 5.5 双向滚动实现

**核心思路：** 后端维护会话级已展示数据缓存，实现双向滚动时完全避免重复。

**滚动方向定义：**
- `direction: "right"` - 向右滚动，加载新数据（发现新内容）
- `direction: "left"` - 向左滚动，加载历史数据（回看）

**游标结构（JSON，base64 编码）：**
```json
{
  "limit": 10
}
```

> **说明：** direction 是独立的 query 参数，不包含在游标中。游标只用于分页控制。

**缓存结构（Redis）：**
```
Key: inspiration_flow:{star_id}:{session_id}
Type: Hash
Fields:
  - display_order: [1, 5, 3, 9, 2, 4, ...]  # 展示顺序
  - history: {1: data1, 5: data5, 3: data3, ...}  # 历史数据详情（方便回看）
TTL: 30分钟（无操作自动清理）
```

**向右滚动处理流程：**

```
1. 前端请求：direction=right
2. 后端从 Redis 获取已展示ID集合
3. 后端执行随机查询，排除已展示ID
   SELECT ... FROM exhibitions
   WHERE id NOT IN (已展示ID)
   ORDER BY RANDOM()
   LIMIT ?
4. 返回新数据，并记录到缓存
5. 前端追加展示
```

**向左滚动处理流程：**

```
1. 前端请求：direction=left, offset=?
2. 后端从 Redis 获取 display_order
3. 后端根据 offset 从历史中分页返回
4. 前端在左侧插入展示
```

**SQL 排除已展示ID查询：**

```sql
SELECT
    e.asset_id,
    a.name,
    a.cover_url,
    a.like_count,
    fp.nickname as owner_nickname
FROM exhibitions e
JOIN assets a ON e.asset_id = a.id
JOIN fan_profiles fp ON e.occupier_uid = fp.user_id AND e.occupier_star_id = fp.star_id
WHERE e.occupier_star_id = ?
  AND e.expire_at > ?
  AND e.deleted_at IS NULL
  AND e.id NOT IN (已展示ID列表)
  AND a.status = 1
  AND a.is_active = true
  AND (? = 'all' OR a.material_type = ?)
ORDER BY RANDOM()
LIMIT ?;
```

> **注意：** 当已展示数据量很大时，`NOT IN` 查询性能会下降。需要在适当时机清理已展示缓存（建议 TTL 30分钟或达到一定数量后刷新随机顺序）。

---

### 5.6 扩展说明：数据量大时的优化策略

**触发条件：** 当展品数据量超过 10 万条，`ORDER BY RANDOM()` 性能开始明显下降时。

**优化方案：区间采样**

**思路：** 把数据按 ID 区间分成多个桶，随机选择桶后在该桶内读取数据，应用层再对结果进行随机打乱

**优点：**
- 查询性能稳定，不随数据量增长而显著下降
- 能保证随机分布，每个数据都有机会被展示
- 跨桶采样，随机性更好

**适用场景：**
- 数据量大（10 万以上）
- 需要保证随机分布的均匀性

**实现示意：**

```go
// 1. 获取该 star_id 下有效展品的 ID 范围
minID, maxID := "SELECT MIN(id), MAX(id) FROM exhibitions
                 WHERE occupier_star_id = ? AND expire_at > ? AND deleted_at IS NULL"

// 2. 计算桶信息（假设每个桶 10000 条）
bucketSize := int64(10000)
totalBuckets := (maxID - minID) / bucketSize + 1

// 3. 随机选择 1 个桶
randomBucket := random.Int63n(totalBuckets)
bucketStartID := minID + randomBucket*bucketSize
bucketEndID := bucketStartID + bucketSize

// 4. 在桶内查询所有有效 ID（数据量小，随机开销可忽略）
bucketIDs := "SELECT id FROM exhibitions
              WHERE id BETWEEN ? AND ?
                AND occupier_star_id = ? AND expire_at > ? AND deleted_at IS NULL
              ORDER BY id"

// 5. 应用层对 bucketIDs 随机打乱，取前 limit 个
shuffle(bucketIDs)
selectedIDs := bucketIDs[:limit]

// 6. 根据 selectedIDs 查询完整数据
"SELECT ... FROM exhibitions WHERE id IN (?)", selectedIDs
```

---

#### 扩展接口设计（预留）

两种策略可以抽象成统一的接口，便于后期切换：

```go
// 随机策略接口
type RandomStrategy interface {
    // GetRandomAssetIDs 获取随机的展品 ID 列表
    GetRandomAssetIDs(ctx context.Context, starID string, limit int) ([]int64, error)

    // Name 返回策略名称
    Name() string
}

// 策略1：随机排序（当前使用，数据量 < 10 万时推荐）
type RandomOrderStrategy struct{}

func (s *RandomOrderStrategy) GetRandomAssetIDs(ctx context.Context, starID string, limit int) ([]int64, error) {
    // 1. 获取有效展品总数
    total, err := repo.CountValidAssets(starID)
    if err != nil {
        return nil, err
    }
    if total == 0 {
        return []int64{}, nil
    }

    // 2. 随机生成 offset（0 ~ max(0, total-limit)）
    maxOffset := total - int64(limit)
    if maxOffset < 0 {
        maxOffset = 0
    }
    randomOffset := random.Int63n(maxOffset + 1) // +1 是因为 Int63n(0) 会报错

    // 3. 执行随机排序查询
    return repo.GetRandomAssetsByOrder(starID, int(randomOffset), limit)
}

func (s *RandomOrderStrategy) Name() string {
    return "random_order"
}

// 策略2：区间采样（数据量 > 10 万时推荐）
type RangeSamplingStrategy struct {
    bucketSize int64
}

func (s *RangeSamplingStrategy) GetRandomAssetIDs(ctx context.Context, starID string, limit int) ([]int64, error) {
    // 1. 获取 ID 范围
    minID, maxID, err := repo.GetIDRange(starID)
    if err != nil {
        return nil, err
    }

    // 2. 计算桶信息并随机选择桶
    bucketSize := s.bucketSize // 默认 10000
    totalBuckets := (maxID - minID) / bucketSize + 1
    randomBucket := random.Int63n(totalBuckets)
    bucketStartID := minID + randomBucket*bucketSize
    bucketEndID := bucketStartID + bucketSize

    // 3. 在桶内查询 ID 列表
    ids, err := repo.GetAssetIDsInRange(starID, bucketStartID, bucketEndID, limit*3)
    if err != nil {
        return nil, err
    }

    // 4. 应用层随机打乱
    shuffle(ids)
    if len(ids) > limit {
        ids = ids[:limit]
    }

    return ids, nil
}

func (s *RangeSamplingStrategy) Name() string {
    return "range_sampling"
}
```

**策略选择建议：**

| 数据量 | 方案 | 随机性 | 推荐度 |
|--------|------|--------|--------|
| < 10 万 | RandomOrderStrategy | ✅ 真正随机 | 强烈推荐 |
| > 10 万 | RangeSamplingStrategy | ✅ 跨桶分布均匀 | 强烈推荐 |

**策略切换配置：**

```go
// config.go
// 数据量 < 10 万（推荐）
var randomStrategy RandomStrategy = &RandomOrderStrategy{}

// 数据量 > 10 万（推荐）
// var randomStrategy RandomStrategy = &RangeSamplingStrategy{bucketSize: 10000}
```

> **扩展提示：** 切换策略只需修改配置，将 `randomStrategy` 的具体实现替换，接口和调用方无需改动。

---

## 六、数据模型

### 6.1 Exhibition 表（已有字段）

```go
type Exhibition struct {
    ID             int64  `gorm:"primaryKey"`
    AssetID        int64  `gorm:"not null"`
    SlotID         int64  `gorm:"not null"`
    HostProfileID  int64  `gorm:"not null"`
    OccupierUID    int64  `gorm:"not null"`
    OccupierStarID int64  `gorm:"not null;index"`
    StartTime      int64  `gorm:"not null"`
    ExpireAt       int64  `gorm:"not null;index"`
    CreatedAt      int64  `gorm:"not null"`
    UpdatedAt      int64  `gorm:"not null"`
    DeletedAt      *int64 `gorm:"index"`
}
```

### 6.2 Asset 表关联字段

```go
type Asset struct {
    // ... 现有字段 ...
    MaterialType string `gorm:"column:material_type"` // 素材类型：badge/poster/original
    IsOriginal   bool   `gorm:"column:is_original"`
    LikeCount    int32  `gorm:"not null;default:0"`
}
```

---

## 七、配置项

| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| inspiration_flow_limit | 默认每页数量 | 10 |
| inspiration_flow_max_limit | 最大每页数量 | 20 |

---

## 八、项目文件结构

```
backend/
├── proto/
│   └── gallery.proto              # 修改：新增 GetInspirationFlow 方法

├── pkg/proto/
│   ├── gallery/
│   │   ├── gallery.pb.go          # 重新生成
│   │   └── gallery.triple.go      # 重新生成

├── services/galleryService/
│   ├── repository/
│   │   └── gallery_repository.go  # 修改：新增 GetInspirationFlow 方法，使用 ORDER BY RANDOM()
│   │
│   ├── service/
│   │   └── gallery_service.go    # 修改：新增 GetInspirationFlow 方法
│   │
│   ├── provider/
│   │   └── gallery_provider.go   # 修改：新增 GetInspirationFlow Handler
│   │
│   └── config/
│       └── gallery_config.go      # 修改：新增灵感瀑布配置项

└── gateway/
    ├── controller/
    │   └── gallery_controller.go  # 修改：新增 GetInspirationFlow 路由处理
    │
    ├── dto/
    │   ├── gallery_dto.go         # 修改：新增 InspirationFlow DTO
    │   └── gallery_converter.go   # 修改：新增转换函数
    │
    └── router/
        └── router.go              # 修改：新增 /api/v1/inspiration-flow 路由
```

---

## 九、数据库变更（必须执行）

**注意：** 当前 `assets` 表**没有** `material_type` 字段，此变更**必须执行**后才能支持按类型过滤。

### 9.1 DDL

```sql
-- assets 表新增 material_type 字段
ALTER TABLE assets ADD COLUMN IF NOT EXISTS material_type VARCHAR(50) DEFAULT 'original';

-- 创建索引优化查询
CREATE INDEX IF NOT EXISTS idx_assets_material_type ON assets(material_type);
```

### 9.2 迁移脚本

```sql
-- backend/scripts/migrate_add_material_type.sql
ALTER TABLE assets ADD COLUMN IF NOT EXISTS material_type VARCHAR(50) DEFAULT 'original';
CREATE INDEX IF NOT EXISTS idx_assets_material_type ON assets(material_type);
```

---

## 十、前端对接说明

### 10.1 首次请求
```
GET /api/v1/inspiration-flow?limit=10&type=all
```

### 10.2 向右滚动（加载新数据）
```
GET /api/v1/inspiration-flow?cursor=eyJsaW1pdCI6MTB9&limit=10&type=all&direction=right
```

### 10.3 向左滚动（加载历史）
```
GET /api/v1/inspiration-flow?cursor=eyJsaW1pdCI6MTB9&limit=10&type=all&direction=left
```

### 10.4 前端逻辑
1. 首次请求 cursor 为空（`?cursor=` 不传或传空），direction 默认为 right
2. 解析响应中的 cursor 和 has_more
3. 滚动到右侧边缘时，若 has_more=true，携带 cursor 发起下一页请求（direction=right）
4. 滚动到左侧边缘时，携带 cursor 发起上一页请求（direction=left）
5. 会话级缓存，刷新后数据重新随机

### 10.5 双向滚动行为说明
- **首次进入**：看到随机顺序的藏品
- **向右滚动**：加载更多新数据（发现新内容）
- **向左滚动**：加载之前看过的历史数据（回看）
- **刷新页面**：数据重新随机，已浏览历史清空
- **首次进入时左滑**：前端禁用左滑操作（因为没有历史数据）

**前端实现要点：**

```javascript
// 判断是否可以左滑
const canScrollLeft = displayedIDs.length > 0;

// 首次进入时禁用左滑
if (!canScrollLeft) {
  // 禁用左滑手势
}

// 加载数据后启用左滑
onDataLoaded() {
  this.canScrollLeft = true;
}
```

### 10.6 随机展示行为说明
- **每次进入页面**：看到的是新的随机顺序
- **滚动加载过程中**：顺序可能跳变（因为每次都是独立随机）
- **刷新页面**：随机顺序重新生成，已浏览历史清空

---

## 十一、待确认事项

1. **material_type 枚举值**：badge/poster/original，后续按需扩展
2. **每页数量上限**：当前设为 20（移动端优化），是否合适？
3. **是否需要缓存**：热门 star_id 的数据可以考虑 Redis 缓存

---

## 十二、变更记录

| 日期 | 变更内容 |
|------|---------|
| 2026-04-29 | 重构随机查询逻辑，明确使用 ORDER BY RANDOM() 实现随机展示；添加大数据量扩展说明 |
| 2026-04-29 | 针对移动端优化：默认每页数量从 20 调整为 10，最大每页数量从 50 调整为 20 |
| 2026-04-29 | 补充大数据量优化方案：增加"区间采样"方案及 RandomStrategy 扩展接口设计 |
| 2026-04-29 | 移除方案一（随机起点），只保留 ORDER BY RANDOM() 和区间采样两个方案 |
| 2026-04-29 | 明确使用 PostgreSQL 数据库，ORDER BY RANDOM() 语法与 MySQL 相同 |
| 2026-04-29 | 改用随机 offset 方案（方案 B），每次请求都是独立随机，数据变化无影响 |
| 2026-04-29 | 新增双向滚动支持：向右加载新数据，向左加载历史数据，后端维护会话级缓存 |
| 2026-04-29 | 修复：修正重复的 10.4 章节、RangeSamplingStrategy 签名、游标结构说明 |
| 2026-04-29 | 新增 Redis 会话级缓存实现方案：支持双向滚动去重 |

---

## 十三、Redis 会话级缓存实现

### 13.1 技术选型

- **客户端**: `github.com/redis/go-redis/v9`
- **连接信息**: `localhost:6379`，无密码
- **TTL**: 30分钟（无操作自动清理）

### 13.2 缓存结构

```
Key: inspiration_flow:{star_id}:{session_id}
Type: Hash
Fields:
  - displayed_ids: ["id1", "id2", ...]  # 已展示ID列表（用于去重）
  - history: {"id1": json_data1, "id2": json_data2, ...}  # 历史数据详情
TTL: 1800秒（30分钟）
```

### 13.3 环境变量配置

| 变量名 | 说明 | 默认值 |
|--------|------|--------|
| REDIS_HOST | Redis 主机地址 | 127.0.0.1 |
| REDIS_PORT | Redis 端口 | 6379 |
| REDIS_PASSWORD | Redis 密码 | （空） |
| REDIS_DB | Redis 数据库编号 | 0 |

### 13.4 核心逻辑

| 方向 | 行为 |
|------|------|
| `direction=right` | 随机查询新数据（排除已展示ID），返回并更新缓存 |
| `direction=left` | 从缓存的历史数据中分页返回 |

### 13.5 实现文件

| 文件 | 说明 |
|------|------|
| `backend/pkg/database/redis.go`（新建） | Redis 客户端初始化 |
| `backend/services/socialService/repository/social_repository.go` | 新增 `GetRandomUsersExcludeIDs` |
| `backend/services/socialService/service/friend_service.go` | 修改 `GetRandomUsers` 支持 direction + 缓存 |
| `backend/services/socialService/provider/social_provider.go` | 透传 direction 参数 |
| `backend/gateway/dto/social_converter.go` | 转换 exclude_ids |
| `backend/gateway/config/config.go` | 新增 Redis 配置 |

### 13.6 session_id 生成

- 由后端生成（UUID）
- 首次请求时返回给前端，前端后续请求携带

### 13.7 向左滚动实现

向左滚动时，后端从 Redis 缓存的 `history` 字段读取已展示数据，按 offset 分页返回。前端在左侧插入展示。

### 13.8 预签名 URL 批量获取优化

**问题**：前端逐个获取预签名 URL，N 个卡片产生 N 次请求。

**解决方案**：新增批量接口，前端一次性获取所有 URL。

**接口设计**：
```
POST /api/v1/assets/oss/batch-presigned-urls
Content-Type: application/json

Request:
{
  "files": ["path/to/img1.png", "path/to/img2.png", ...],
  "expires": 3600,
  "type": "asset"
}

Response:
{
  "code": 200,
  "data": {
    "urls": {
      "path/to/img1.png": "https://xxx?signature=...",
      "path/to/img2.png": "https://xxx?signature=..."
    }
  }
}
```

**前端逻辑**：
1. 加载用户数据后，收集所有 `cover_url`
2. 批量调用接口获取全部预签名 URL
3. 存入 Map 缓存，后续直接使用

**实现文件**：
| 文件 | 说明 |
|------|------|
| `backend/gateway/controller/asset_controller.go` | 新增 batch presigned urls 路由 |
| `backend/gateway/dto/asset_dto.go` | 新增 BatchPresignedUrlsRequest/Response |
| `frontend/utils/api.js` | 新增 `getBatchOssPresignedUrlsApi` |
| `frontend/pages/square/components/WaterfallGrid.vue` | 使用批量接口替代逐个调用 |