人工智能 软件定制 案例

多端工单提交： 1. PC 网页控制台：【支持与服务】→提交工单，选择对应云产品分类、问题等级，填写问题描述、上传截图日志附件，预留联系手机、邮箱Alibaba Cl...。 2. 阿里云手机 App：移动端随时随地新建工单、查看工单进度、回复工程师消息，接收处理提醒。 3. 支持设置优先级：普通、紧急，重大业务故障可标记紧急，工程师优先介入。 2、完整工单生命周期流转 工单标准状态流转：已分派 → 处理中 → 待反馈（需要你补充日志、实例信息） → 用户反馈 → 待确认处理结果 → 用户确认完结 → 服务评价。 - 双向对话：工程师在工单内给出排查方案、操作指导；你可以上传日志、截图、补充信息。 - 待反馈：信息不足时退回给用户补充材料； - 待确认：工程师处理完成，等待客户验证确认； - 完结评价：问题解决后可对本次技术支持服务打分。 3、消息通知提醒 工单状态发生变更、工程师回复内容，通过**短信、邮箱、阿里云 App 推送**通知用户，不需要一直停留在页面刷新查看阿里云帮助...。 4、工单台账管理 - 我的工单列表：查看全部历史工单，可按产品、时间、状态筛选检索； - 历史工单永久保存，可以回看历史故障的处理方案，用于项目复盘、运维文档沉淀。 - RAM 子账号权限管控：可以给公司内部开发、运维人员开放工单查看、提交权限，不同人员权限隔离。 5、配套 AI 辅助 提交工单前内置 AI 智能助手，优先输出常见问题自助解决方案；自助方案无法解决，再一键转人工工单，减少排队耗时。 6、特殊业务场景 - 资源特殊权限申请、后台配置调整、数据恢复、实例异常排查等网页控制台无法自助完成的操作，必须提交工单由阿里云工程师后台执行。 - 机密信息：支持机密备注字段，填写实例 ID、敏感信息，做安全隔离，避免明文泄露。

立项背景：随着大语言模型普及，用户需要的不再是简单问答机器人，而是一个能主动服务、可语音交互、长期陪伴的个人AI助手。本项目目标是打造一款"管家式"AI智能体，用户打开网页即可使用。核心功能：1.智能对话：接入大语言模型，支持上下文记忆、流式回复、联网搜索和网页内容读取，事实类回答附带来源；2.语音交互：文字转语音播报，提供多个中英文音色，支持语音输入；3.主动服务：定时提醒（久坐、日程、睡前总结）、早间简报、情境关怀，管家可主动发起对话；4.任务与日程：待办管理、日程提醒、自动化规则引擎；5.个性化：音色、语速、唤醒词、人格风格均可配置，数据本地持久化。业务流程：用户打开网页，通过文字或语音下达指令，前端鉴权后请求云端服务，大模型生成回复（过程中可调用搜索、网页读取工具），结果流式展示并语音播报；后台按规则定时触发主动提醒。

本项目面向嵌入式设备研发调试及维护场景，将固件升级、I²C 通信调试和专用芯片参数烧录集成到同一款 Windows 上位机中，方便开发人员集中完成设备更新、外设调试和参数配置。 固件升级模块支持选择 HEX、BIN 格式应用固件，通过串口执行 A/B 升级。I²C 调试模块通过 IM942 串口转 I²C 桥接器访问外设，支持总线频率选择、设备扫描、寄存器读写及原始数据收发。 芯片烧录模块面向 JW3323A/JW3323C，支持芯片通信检测、8 字节 OTP 参数编辑、双备份区读取、预烧验证、正式烧录和回读校验。界面分别展示待写入数据与两个读取区的数据，并提示一致性状态。各模块集成于分页界面，共用串口选择，配合进度和日志信息，方便操作及问题定位。

基于 Unity 搭建 AI 3D 实时生成、视觉识别与运行时资源加载系统，对 AI 生成能力进行统一接口封装，实现从内容生成到场景落地的一体化流程。 1.文生场景：输入自然语言描述，调用 AI 生成模型、场景资源，并在 Unity 运行时自动加载、实例化和展示。 2.图生场景：通过图片视觉识别提取物体、场景结构及语义信息，并调用 AI 3D 能力生成对应模型和场景。 3.文生动画：根据文本动作描述生成角色动画，并完成动画资源加载、绑定与播放。 4.图生动画：基于图片/角色视觉识别生成对应动作或动画数据，实现角色动画快速生成。 实时资源加载：封装 AI 生成结果的下载、解析、缓存、模型实例化、材质绑定等流程，实现运行时动态加载。 5.场景渲染系统：负责场景 Shader、材质效果、灯光、Post Processing 后处理及整体视觉表现优化。 6.接口模块化封装：统一 AI 生成、视觉识别、资源下载、模型加载和场景管理接口，方便后续接入不同 AI 服务。

1、立项背景和目标： 面向社群运营场景打造AI虚拟角色：它拥有稳定独立的人格设定，能在群聊和私聊中与人实时互动，支持文字与语音双形态，用于社群陪伴与内容运营。目标是让AI角色"有人设、有记忆、能持续陪伴"，而非普通问答机器人。 2、软件功能、核心功能模块： 消息路由模块：统一收发多平台消息，支持25种以上消息类型；人格引擎：人设Prompt模板管理配合情绪状态机，保证角色性格连贯；记忆系统：短期上下文与长期记忆分层存储，长期记忆持久化入库并按相关性召回；语音管线：TTS语音合成与ASR语音转写，支持群聊语音互动；WebUI管理面板：对话记录查看、记忆编辑、人格配置、运行状态日志。 3、业务流程、功能路径： 用户在群聊中@角色或发起私聊→消息经WebSocket长连接进入消息路由器→人格引擎结合人设与召回记忆生成回复→经TTS合成语音→文字与语音消息返回群聊；管理员通过WebUI面板调整人设、编辑记忆、监控运行日志。

1、立项背景和目标： 为酪动科技打造企业官网与智能服务平台，对外统一展示企业与产品，对内集成AI在线服务与在线交易能力，形成"展示+服务+交易"的业务闭环，替代纯静态宣传页。 2、软件功能、核心功能模块： 企业展示模块（响应式官网，PC/移动端自适应）；AI在线对话模块（接入大模型，支持多厂商模型切换、打字机式流式输出）；在线支付下单模块（支付宝支付、订单全流程管理）；文件上传与管理模块（对象存储）；后台管理模块（内容与订单管理）。 3、业务流程、功能路径： 访客进入官网了解企业与产品→使用AI在线对话获取服务→选择服务下单并通过支付宝支付→支付结果异步回调、订单状态自动更新→管理员在后台处理订单与维护内容。

PaperTrail 是一个浏览器端的 AI 阅读工具，作品集对其定位为“浏览器插件 · AI 阅读工具”。 项目主要服务于需要大量阅读网页、文章或资料的用户。通过浏览器插件的方式，直接嵌入用户现有的阅读环境，结合 AI 能力对网页内容进行理解和辅助处理。 可能覆盖的核心业务包括： 网页正文提取、长文本快速理解、AI 摘要、重点内容提炼、阅读辅助、信息整理与知识沉淀

立项是把桌面AI工具自带的模型额度转成标准接口，目标是一个地址同时供多个助手调用。软件功能是两条桥：一条把常用积分模型转成OpenAI兼容接口，原生支持function calling；一条把另一工具内置的四十多个模型转出来；统一启停脚本加开机自启，对外都是标准接口格式。业务流程是助手发标准请求、网关按别名路由到对应后端、结果原样返回。

1. 立项背景和目标：工程类文档（合同/标书/竣工资料）模板化强、条款重复多、人工撰写耗时。项目目标是构建一个多模型协同的 AI Agent 平台，自动完成"文档摄取—检索—生成—后处理"的闭环，降低人工撰写与合规审查成本，并通过 RAG 复用历史文档知识。 2. 软件功能和核心模块： Agent 调度器 scheduler.py：任务规划、工具调用、记忆与反思。 RAG Pipeline（8 个可插拔 Harness）：H1 文档摄取 → H2 清洗分块 → H3 向量化入库 → H4 查询解析 → H5 混合检索 → H6 重排序 → H7 生成 → H8 后处理 pipeline.py。 工具集 tools/：OCR、长文 QA、合同风险分析、图片/视频/PPT 生成、任务规划。 API 网关、存储、对话管理、用户认证 等支撑模块。 Web 界面 static/：对话、上传、思考过程展示。 3. 业务流程与功能路径： 文档入库路径：上传文件 → /pipeline/ingest → H1 解析（电子 PDF / OCR 扫描件 / Word）→ H2 章节优先分块（512 字符 + 50 字重叠）→ H3 bge 嵌入写入 Milvus。 查询生成路径：用户请求 → /pipeline/query → H4 DeepSeek 解析意图(JSON) → H5 向量(0.7)+BM25(0.3)融合召回 → H6 MiniMax 重排 → H7 DeepSeek 生成 → H8 结构校验/脱敏/Word 导出。 反馈闭环：人工修订后通过 /pipeline/feedback 重新入库，知识库持续迭代。

项目面向职业教育业务场景，目标是将“可用的AI问答能力”落到教学与管理流程中，并保证可部署、可验收、可交接。系统支持学生、教师、管理员三类角色，按权限开放聊天、知识库、统计与管理能力，避免权限混乱带来的流程风险。核心功能包括：多应用（Chatflow）切换与知识库检索，提升问答贴合度；文档上传与内容解析，覆盖常见教学资料格式；学员统计与问答明细，支持过程追踪与复盘；配套部署说明、配置清单与验收步骤，支持需求方按文档完成落地与复验。整体交付强调“功能可用 + 流程可验 + 运行可控”，适合作为教育机构AI助教与教学支持底座。

1.立项背景和目标 碎片化的灵感、待办、情绪往往转瞬即逝——用户常在"想记"到"打开 App 写完"的过程中就忘了或丢失了一部分。传统记录工具打开成本高（需选分类、填表单），进一步加剧丢失。 浮签立项旨在打造一款极低门槛、无压力的 C 端碎片记录工具：系统级快捷磁贴秒开即写、写完即走，后台由 AI 异步把碎片转化为结构化认知资产。 2.软件功能与核心模块 产品为移动端应用（Flutter Android App + 系统级快捷磁贴双入口），后端 Spring Boot 模块化单体（12 模块 / 42 端点 / 22 表）。核心模块： 记录与同步（note/sync） ：主 App 与 Android 原生磁贴双路径提交，离线队列加密回放，解决弱网/瞬时丢失。 AI 洞察（ai） ：双 LLM 编排——LLM1 SMALL 一次产出六维评分（情绪/深度/话题/意图/重要度/紧急度）+ 意图识别；命中白名单则 LLM2 MEDIUM 抽取意图细节。模型配置免重启热刷新。 积分计费（gamify） ：签到、积分流水、TCC 预扣 + Token 公式计费框架（为付费铺垫，当前未计费）。 标签（tag） ：AI 自动打标 + 手动全量编辑 + 标签筛选。 账号（user/security） ：短信/微信登录、JWT 双 Token、头像、注销。 3.业务流程与功能路径 【记录→AI 洞察主链路】 用户下拉磁贴或打开 App 写碎片 → 提交触发 NoteCreatedEvent → 监听器 @Async 虚拟线程异步处理 → 同步串行：LLM1 生成六维+意图 → 路由定级 → 命中意图白名单则 LLM2 生成细节 → 落库并计算优先级/四象限/紧急度衰减 → 返回降级或完整结果。书写全程不被 AI 阻塞。 【积分预扣链路】 LLM 调用前 reserve（FOR UPDATE 行锁 + CAS 冻结/真扣）→ LLM 成功即 confirm 结算 → 失败则 release；清道夫兜底崩溃遗孤。（当前免费，预扣额度为 0，框架预留。）

银狼完整实现 AI Agent 七大核心能力：① 意图管道（L0危险拦截→L4工具集决策）② 原生 Function Calling + 文本JSON兜底的工具调用（读/写/执行/网络四类，带失败重试与并行调度）③ 用户事实/偏好/目标/对话四维记忆系统 ④ Edge-TTS + RVC 音色转换的语音链路 ⑤ Three.js 3D PMX 模型渲染（含人脸跟踪、站姿/舞蹈/表情）⑥ 桌面 launcher 自动清理端口+Ollama 本地模型自启 ⑦ 多端形态（桌面 .pyw / 网页 / 微信风格手机端）。

为企业量身定做的智能办公助手,员工借助该助手可以了解公司的规章制度,各种业务流程规范等,并可以结合业务需求,使用大模型分析做出最优方案;且根据员工身份的不同,做不同的权限控制,按照不同的角色实现不同的回答.

智慧农业微信小程序项目。整体架构是前后端分离的，用户端用UniApp，后台管理用Vue加Ant Design，后端接口是我用PHP的ThinkPHP框架写的。 在这个项目里，我主要负责后端接口和后台管理界面的开发。有两个比较核心的亮点：第一是农事管理模块，我用队列异步调用百炼大模型，帮农户自动生成科学的农事日历；第二是AI智能问答，我用了RAG技术，把大模型和我们的农业知识库结合起来，让AI回答农技问题时更专业、更精准。

这是一个针对老人的养护ai项目，做到子女不在身边能感知老人的各项活动，相当于请一个24小时看护。 1.老人防跌倒功能，有跌倒做到及时多种方式反馈。 2.门窗管理功能。 3.报警功能。 4.夜灯自动控制功能。 app对老人的健康监控达到了及时准确，快速反应的目的，让每个有子女的居家的老人能在没有人看护的情况下，能把家里发生的活动反馈给子女，子女也可以遥控这些设备。

1、立项背景和目标：研究院需要对猫咪排泄物照片做规模化健康筛查，人工判读效率低、判读经验难沉淀。目标是构建"上传照片→AI自动分析→出报告→可疑样本人工复核"的智能分析服务：AI自动输出六分类异常结果（异物便/异色便/结晶/软便/颜色异常/正常）、Bristol粪便分型、血液/结晶/寄生虫等健康标志与健康建议，辅助兽医批量初筛，已完成商业交付上线。 2、核心功能模块：①图像预处理——EXIF信息剥离、方向修正、图片质量评估；②AI识别服务——多模态大模型结合兽医知识库RAG检索，输出结构化JSON（分类、Bristol分型、健康标志、业务推导结果）；③医学规则引擎——出血/结晶与颜色字段交叉一致性校验，Bristol≤2自动标记复核建议，不让大模型独自承担医疗判断责任；④人工复核队列——低置信或字段不一致样本自动进入队列，审核确认后回流知识库；⑤数据飞轮——复核确认样本经Kappa一致性仲裁后增量入库，含类别平衡与版本化管理，服务越用越准；⑥运行保障——背压熔断、请求队列分级限流、Prometheus指标埋点与MLflow实验追踪。 3、业务流程：上游系统上传排泄物照片→质量检查与隐私脱敏→多模态模型结合检索到的兽医知识生成结构化结论→规则引擎交叉校验→高置信样本直接出报告，低置信/不一致样本进入人工复核队列→复核确认后经一致性仲裁增量回流知识库→随数据积累识别质量持续提升。

1、立项背景和目标：客户的跨境贸易系统（PHP/Laravel技术栈、面向印尼市场）每天需处理大量中/印尼/英三语采购合同，财务人员手工录入合同编号、甲乙方、含税金额、明细行等字段，效率低且易错。目标是为老系统低成本集成AI合同识别能力：上传PDF/DOC/DOCX/XLS合同文件，自动输出结构化字段，替代人工录入。客户服务器仅6GB内存、无GPU、与大业务系统共用主机，方案必须在极端资源约束下长期稳定运行，已上线商业交付。 2、核心功能模块：①文件接收与校验——文件魔数校验、批量总大小限制、路径白名单，PHP系统经HTTP安全调用；②三语规则引擎——约90条带权正则覆盖印尼盾Rp千分位金额、DPP/PPN税额拆分与税率反算、三语日期、客户专属四种合同编号体系；③智能分档路由——规则引擎对文档打分（文本密度/表格格式/关键字段命中/乱码率四因子加权），按85/50阈值分档：高分档以极简Prompt校验补漏，低置信档完整LLM推理并标记人工复核，兼顾成本与准确率；④双轨识别——DeepSeek云端API为主方案，本地GGUF量化小模型降级兜底；⑤合规与审计——云端调用前10类PII结构化脱敏（含递归分片保护）、数据出境授权门禁、HMAC签名+时间戳窗口防重放、每次调用的token/成本/耗时全量审计留痕；⑥持续学习——用户纠错反馈沉淀为动态同义词库，经审核状态机管控后运行时优先命中；⑦监控告警——CPU/内存/调用量指标落盘与告警闭环。 3、业务流程：PHP系统上传合同文件→签名鉴权与文件校验→文本抽取（PDF/Word/Excel）→规则引擎打分分档→高分档极简Prompt校验补漏、低置信档完整LLM推理+人工复核标记→结构化JSON返回PHP系统入库→用户纠错反馈沉淀同义词→监控指标持续记录，全程审计可追溯。

1、立项背景和目标：面向日均3000单的电商客服场景，针对外包客服知识断层、跨部门流转率高、客服经验无沉淀三大痛点，构建一套"提交→分类→检索→审核→关单"全链路自动化的多智能体工单系统，让常见问题自动解答、复杂问题有序流转人工。 2、核心功能模块：①智能分类路由——Supervisor中心化编排，按物流/退款/账单/账户/通用五类意图自动分派；②知识问答——BM25+向量混合检索、RRF融合与可插拔精排，回答附带引用来源；③幻觉控制——四级降级（重试改写→模板兜底→相似解→转人工）+全局重试预算，杜绝死循环；④人机协同HITL——敏感操作、连续降级自动暂停工单进入审批队列，支持通过/编辑/驳回三种裁决并断点续跑；⑤知识自迭代——关单自动抽取"问题-根因-方案-置信度"四元组入库沉淀；⑥可观测面板——全链路调用追踪、SSE流式输出、Token成本核算。 3、业务流程：用户提交工单→意图识别与分类→混合检索知识库生成答复→质检校验（不通过按级降级或转人工）→敏感/低置信工单进入人工审批队列→裁决后断点恢复继续流转→关单时自动沉淀知识四元组，供后续工单检索复用。

一、背景 团队已有多个智能体产品在实际使用，但效果一直不稳定：改动一处之后不知道整体是变好还是变差，缺少客观统一的衡量标准；评测要么干脆不做，要么各团队各评各的，口径不一、结论互相矛盾，没法支撑产品迭代决策；优化方向靠"感觉不够好"，优化完了也没法证明真的变好了。 二、目标 建立一套覆盖全链路的智能体评测规范：评什么、为什么这么评、结论需要什么证据支撑，让每一次智能体变更都能跑出可对比的量化结论；把迭代从拍脑袋推进变成按证据推进，把优化方向从猜测变成定位，让团队敢改、改了能验证。

一、背景 团队开始大量使用智能能力生成代码、文档和测试用例之后，产出速度远超人工审核能力：这次产出的质量比上次是好了还是差了、具体是哪个环节出了问题、哪些场景被漏掉了，团队里没人说得清。质量判断靠感觉，评审靠争论，出了问题只能事后补救；更麻烦的是智能产出变化快，传统"测一轮就完事"的方式完全跟不上变化节奏。 二、目标 为智能产出建立一套可重复、可量化的质量验证流程，让产出质量从不可控变成可度量、可对比、可追溯：测试集设计覆盖核心场景与边界情况，能交给机器判定的全部交给机器，每次变更后自动回归，版本之间用数据对比，让"变好还是变坏"不再靠感觉，而是看报告。