框架或代码包 软件定制 案例

1. 立项背景和目标 1.1 立项背景 文旅行业数据量激增，景点信息分散杂乱，传统方式难以高效处理和分析。为实现旅游数据的自动化采集、深度分析与可视化应用，构建旅游大数据推荐系统，助力文旅数字化升级。 1.2 项目目标 完成携程景点数据爬取、分布式存储与清洗，构建分层数据仓库； 实现景点数据多维度分析，挖掘评分、热度、价格、地域分布规律； 开发数据可视化大屏，直观展示统计结果，支撑运营决策； 搭建后台管理系统，实现景点管理、数据仪表盘与精准推荐。 2. 软件功能、核心模块介绍 数据采集模块：Python 爬虫抓取携程全国景点数据，含 25 个关键字段，输出 CSV 文件。 大数据存储模块：搭建 Hadoop+Spark+Hive 集群，构建 ODS/DWD 分层数据仓库，实现数据分布式存储与管理。 数据清洗分析模块：PySpark+Hive SQL 完成数据清洗、去重、标准化；实现评分 / 价格 / 热度分档、区域统计、综合评分建模等多维度分析。 数据可视化模块：DataEase 制作数据大屏，生成柱状图、饼图、雷达图、地图等，直观呈现数据。 后台管理模块：基于若依框架开发，实现景点信息管理、数据仪表盘、图表接口开发与优质景点推荐。 3. 业务流程、功能路径 整体流程：数据采集 → 存储 → 清洗 → 分析 → 可视化 → 后台管理与推荐 采集：Python 爬虫爬取携程数据，导出 CSV。 存储：HDFS 上传数据，Hive 建库建表。 清洗分析：Spark 清洗数据，Hive SQL 多维度分析，结果存入 MySQL。 可视化：DataEase 连接 MySQL，设计并发布数据大屏。 后台：若依框架开发管理系统，实现数据展示、管理与推荐功能。

项目描述: 通过本项目实现各个业务系统间服务的标准化调用和全行统一分布式架构，通过对报文标准改造后，将为灰度发布、多版本并行、热力地图采数、交易服务统一监控、交易全局路由、快速迭代开发等提供支撑基础。本项目涉及范围改造40多个系统，横跨研发8个团队，属于部门级重点项目。项目角色: 项目经理，统筹协调各方资源，保障项目进度，解决资源冲突，及时响应各系统需求，分批次调整投产策略，整理项目交付材料；

一、核心业务定位与整体流程 业务核心解决仓库 "货从哪来、放哪、去哪" 的全生命周期管理，通过单据驱动作业，实现库存数据的实时准确与作业流程的标准化。 采购/退货入库通知 → 生成入库单 → 到货验收（质检） → 合格上架/不合格退回 → 库存增加 ↓ 库存锁定（出库预占） → 生成出库任务 → 波次拣货（待实现） → 下架作业 → 出库确认 → 库存扣减 ↓ 定期/动态盘点 → 差异核对 → 库存调整 二、系统功能模块详解 1. 基础管理模块 作为系统的基础数据支撑，所有业务模块均依赖此模块： 仓库管理：维护仓库信息、库区、库位编码及库位容量 单据类型管理：定义入库 / 出库单类型（采购入库、销售出库、退货入库等） 物料管理：维护物料编码、名称、规格、单位、保质期等基础信息 客户 / 供应商管理：维护往来单位的基本信息和联系方式 2. 入库管理模块 入库通知管理：新增、编辑、删除、查询入库通知，支持批量导入 入库单管理：生成、审核、作废入库单，查看入库单明细和状态 批量操作：支持入库单的批量导出、批量打印功能 3. 质量管理模块 质量检验：对到货货物进行验收，录入合格 / 不合格数量 验收记录：查询所有历史验收记录，支持按订单号、物料编码筛选 不合格品处理：标记不合格品原因，记录退回或报废处理结果 4. 上架管理模块 待上架任务：展示所有已验收未上架的货物任务 上架作业：录入上架库位、托盘码、标签号，确认上架数量 上架记录：查询历史上架明细，支持按单据号、物料编码追溯 上架调整：修正上架过程中的数量错误，生成调整明细记录 5. 库存管理模块 即时库存查询：实时查询各库位、各批次的库存数量 库存明细：查看每一笔库存的入库时间、来源单据、库位信息 库存调整：手动调整库存数量，需记录调整原因并留痕 标签 / 托盘管理：管理货物的标签和托盘信息，支持扫码作业预留接口 6. 出库管理模块 出库通知管理：接收和维护出库需求信息 出库任务管理：生成和分配下架作业任务 下架管理：执行下架作业，确认下架数量 出库记录：查询历史出库明细，跟踪订单发货状态

本项目核心业务为货车始发场故障检测算法的研发、优化与落地实施，聚焦货车始发编组环节的故障排查需求，通过技术创新解决人工排查效率低、隐患识别不全面的行业痛点，提升货运安全管理水平，强化行业技术竞争力。项目以实现货车故障精准、高效识别为目标，完成从算法研发、系统开发到部署交付的全流程落地，最终通过可研评审，为后续实际应用奠定基础。

本项目面向卫星载荷在轨运行场景，目标是构建一套可部署在星载计算平台上的综合任务管理软件，支撑地面指令接收、任务调度、状态采集、数据处理和遥测下传等核心业务。系统围绕“指令进入、协议解析、任务执行、状态监控、结果反馈”的业务闭环设计，提供指令处理、数据总线、协议编解码、智能处理任务编排、设备状态采集、遥测数据组帧与下传等功能模块。业务流程上，地面上行指令经过编解码模块解析后进入指令处理模块，由执行协调器根据指令类型、约束条件和会话状态分发到对应业务行为；任务运行过程中，各模块通过数据总线交换状态、告警、推理结果和设备数据，状态采集模块持续监控关键指标，遥测模块按配置完成数据汇聚、序列化、组帧和链路分发，实现星上任务的可控、可观测和可追踪运行。

核心逻辑流： ```text 自我扫描 → 发现代码结构、知识缺口、系统问题 → 生成好奇心问题 → 定向学习相关知识 → 通过知识图、模式引擎、类比引擎进行本地思考 → 安全自我修改与优化 → 再次扫描，进入下一轮循环 ``` 核心模块包括： - `SelfScanner`：扫描自身代码和系统状态 - `CuriosityEngine`：根据知识缺口生成探索方向 - `KnowledgeGraph`：维护实体和关系，形成知识图 - `SelfModel`：构建系统对自身能力的认知 - `ThinkingEngine`：整合知识图、模式、类比，生成思考结果 - `SelfModificationEngine`：在安全机制下进行自我修改和优化 - `ThinkingDaemon`：支持 24/7 后台思考循环 项目特点： - 可以本地大脑，不依赖外部 API 完成核心思考 - 支持自我扫描、自我学习、自我修改 - 已引入安全机制，如宪法 Gate、SHA-256 校验、修改可回滚 - 危险能力模块已从公开仓库中移除，公开部分主要保留思考引擎核心 一句话概括： > 这是一个试图让个人 AI 助手从「被动问答工具」进化为「能持续观察自己、学习自己、改进自己」的自主 Agent 实验项目。

LCUAPI的项目有很多，但是绝大部分Python实现都过重及死板，我想要设计一个足够轻量化、使用灵活的LCUAPI连接器。 项目名称来自于皎月女神的武器“月刃”。 将与LOL后端服务的通信分为 "连接" 及 "分发事件" 两部分，完全解耦。

本系统通过 API Gateway + Workers 微服务架构，实现从企业微信群消息到代码生成的全链路自动化。网关作为唯一公网入口，负责消息分发和路由，各业务模块通过 REST API 通信，可独立部署和扩展。 1. 智能任务解析与路由 LLM混合调度：根据任务复杂度自动选择本地Ollama（简单/中等任务）或云端Claude/GPT（复杂任务）。 去重与过滤：网关层对重复消息自动去重，避免同一任务多次触发。 2. 人机协同决策 确认机制：分析后的任务需用户通过飞书卡片确认或修改，支持超时自动取消或推迟（later状态）。 安全拦截：执行前可配置危险操作（如删除文件、高危命令）的拦截规则。 3. 多端集成与闭环记录 企业微信捕获：通过ntwork或UIAutomation监听群消息。 飞书多维表格：自动记录任务ID、标题、描述、代码仓库链接、完成状态等，形成可追溯的工作台账。 4. 灵活的部署与执行模式 双模式运行：单进程模式（开发/测试）与分布式模式（生产可扩展）。 干跑模式：支持--dry-run，在不实际执行代码的情况下验证全流程。 5. 可观测性与调试 提供/health、/queue/status、/tasks/{task_id}等接口，实时查看任务状态与队列积压。 支持--log-level DEBUG，便于排查问题。

该项目的核心是提供一套通用的、精细化的权限管理解决方案，适用于各类后台管理系统。主要功能包括： 按钮级别权限控制：前端根据用户权限，动态显示/隐藏页面上的新增、编辑、删除等按钮。 接口级别权限控制：后端接口通过权限注解（如 @RequiresPermissions("article:add")）进行强制校验，防止越权操作。 动态菜单路由：前端根据后端返回的权限菜单列表，动态生成可访问的路由和侧边栏菜单。 用户与角色管理：提供基础的示例功能，支持管理员登录后创建用户、分配角色。 角色权限分配：角色可以关联多条具体权限，用于简化用户的权限分配管理。 其独特设计在于：后端权限验证与“角色”解耦，只关注用户是否拥有具体权限（如 article:add），而不是用户是不是管理员。这使得权限控制更灵活、实现更简单。

运行于集群上的计算服务，为企业提供集群的计算资源管理及分配的功能，LiCO支持多种分布式文件系统，比如NFS, Lustre，GPFS，GlusterFS等,提供基于WEB的、易用的共享文件管理系统， 用户共享空间的隔离，集群管理员使用web平台来管理集群，HPC终端用户使用web平台来提交和管理HPC作业, AI终端用户使用web平台进行AI模型的训练

建行渠道管控系统是支撑 STM 智慧柜员机与裕农通双渠道交易分发的核心中间件，日均处理交易量 10 万 +，服务于辽宁省内 200+ 银行网点。负责分发与统计不同渠道的交易，便于负载和行内做统计总结，为目标规划做保障

航班信息显示系统(简称航显系统)主要对航班动态信息进行发布，对旅客显示出港航班动态信息、值机信息、登机信息、到港航班动态信息、提取行李信息，系统主要由控制主机、LCD显示屏、LED显示条屏等组成。并为有线电视系统提供两个频道的航班信息显示。机场的航班信息主要来源于航管站和班期时刻表，根据接收到的航班电报信息、气象信息及班期时刻表来生成次日航班计划信息及当日航班动态信息。

立项背景与目标：为落实监管数据治理要求，支撑全行数字化经营，解决指标分散、管理无序、应用低效问题，本项目目标是搭建全行统一的指标体系，制定指标资产管理办法，建设指标地图与指标市场，实现指标全生命周期管理，赋能业务经营与决策。 核心功能模块：1.指标体系架构设计模块：构建 “战略 - 业务 - 技术” 三层指标体系，覆盖经营、监管、风控全场景；2.指标资产管理模块：制定指标管理办法，明确指标申请、审核、发布、变更、下线全生命周期流程；3.指标地图与市场模块：搭建可视化指标地图，实现指标分类展示、血缘查询、口径查询；4.指标质量管控模块：建立指标质量校验规则，实现指标数据质量监控与告警。

立项背景与目标：当前银行各业务条线指标口径不统一、定义分散，存在 “数出多门” 问题，导致经营分析、监管报送数据不一致，决策效率低下。本项目目标是完成全行核心经营、监管、风控类指标的全面盘点，统一指标口径、梳理数据来源，消除数据歧义，为指标体系建设奠定基础。 核心功能模块：1.指标全量盘点模块：覆盖公司、零售、金融市场、风控等全条线，完成指标清单梳理；2.口径标准化模块：统一指标定义、计算逻辑、统计维度、取数规则；3.数据来源梳理模块：明确指标对应业务系统、数仓表、加工逻辑；4.一致性校验模块：完成指标跨系统、跨条线数据一致性核对。

1. 立项背景与目标 随着《新一代人工智能发展规划》的提出，多模态环境感知与目标跟踪技术成为重点发展方向。在公共安全、交通监控、物流机器人、无人机蜂群等场景中，目标在被遮挡或复杂环境下仍能被稳定追踪，具有重要的现实意义。 本项目旨在基于双目视觉，实现目标的三维定位与轨迹追踪，并能够在目标被遮挡或预测其未来位置时，仍保持追踪的连续性与准确性。最终目标是模拟真实道路环境，验证系统在车辆追踪任务中的有效性。 2. 功能概述 a.双目相机采集左右视图，实时获取目标三维坐标 b.使用YOLO算法进行目标识别 c.通过中位数平滑和样条插值构建目标的三维轨迹 d.支持多双目相机的轨迹融合（通过坐标系变换） e.在目标被遮挡或识别精度下降时，结合物理约束进行轨迹预测 3. 核心功能模块 目标识别模块：基于YOLO算法，实时检测图像中的目标（如车辆、包裹） 双目定位模块：使用SGBM算法进行立体匹配，计算视差并还原三维坐标 轨迹生成模块：对识别到的坐标进行平滑与插值，生成连续轨迹 轨迹预测模块：在目标被遮挡或识别异常时，结合历史轨迹与物理约束预测未来位置 多相机融合模块：将不同双目相机的轨迹通过坐标系变换统一为全局轨迹 4. 业务流程 (1).双目相机采集左右图像 (2)YOLO检测目标，输出目标在图像中的边界框 (3)对左右视图中的目标进行立体匹配，计算视差 (4)根据视差计算目标的三维坐标（相机坐标系） (5)对坐标进行中位数平滑与样条插值，生成轨迹 (6)若目标被遮挡或识别异常，进入预测模块 (7)可选：将多个双目相机的轨迹进行融合，输出全局轨迹 5. 功能路径描述 正常追踪路径：图像采集 → YOLO识别 → 立体匹配 → 坐标计算 → 轨迹平滑 → 输出轨迹 异常/遮挡路径：图像采集 → 识别失败 → 触发预测模块 → 基于历史轨迹 + 物理约束预测 → 输出预测轨迹

完成项目有：管理文件三平台、文件平台二期、技术编码平台(非管理文件编码、图纸编码和文件记录编码)的迭代开发，场景测试及上线，固定资产功能优化，非经营合同评审和用印申请的流程迁移。 对接甲方客户需求评审，开发计划制定，测试进度跟进及交付使用等工作。项目管理中积极引导客户，发掘客户的潜在需求，组织需求分析，与客户保持良好的合作关系，定期开展团队培训，有实际的团队建设经验。可以独立完成需求分析，代码实现，运维测试工作，在担任项目经理期间仍保持代码编写工作，注重多方面的横向纵向能力发展。

技术栈：SpringBoot2.7.18+Shiro1.13.0+Activiti6+Vue3.0+Ant-Design-Vue4.0+Bpmn.js+MySQL8.0 系统模块描述： 一、系统管理模块： 1，登录日志。 2，查看操作日志功能，利用spring的aop实现记录操作的功能，用于权限审计。 3，监听在线用户功能，利用shiro的sessionDao查询session，如发现异常IP可以踢下线，可在用户管理禁用用户。 4，数据库字典功能，减少后台枚举类的更新和维护。 5 , 阿里druid监控数据库，可添加白名单防止外网登录。 6 , swagger在线 API , 整合swagger轻松与前端测试解决接口沟通问题。 7 , 定时任务管理，可使用cron图形表达式编辑，Java反射调用service，支持动态配置传参，系统触发任务使用正常线程池，人为立即执行使用异步线程池。 8 , 系统监控, 监控CPU、内存和硬盘。 9 ，消息推送。 10，需求提交。 二、组织权限管理： 1 ,组织管理，公司、部门、职位、人员四级组织架构。 2 ,角色管理，角色维护分配权限。 3 ,用户管理，与组织架构绑定，禁用用户重置密码。 4 ,权限管理，遵循标准RBAC权限模型，开关式设计线上出问题可立即禁用。 三、流程管理： 1，在线绘制流程图，整合Activiti-Modeler、BPMN.js 2，流程部署管理，可以对流程模型或文件进行部署、重绘、删除，部署和模型相互转化。线上随时发布修改。 3，用户管理。 4，用户组管理。 5，流程监控，对项目中的流程实例进行监控、挂起、停止、查看流程的状态图。 四、办公管理： 1，代办任务，所有不同流程任务及业务数据展示、领取、办理、转办、委托统一管理。 2，已办任务。 3，我的流程。所有不同流程实例及业务数据展示，流程状态查询，可撤销流程实例。 4，我的报销。 5，我的请假。 6，我的出差。 7，新闻管理。 8，公告管理。 9，公文管理。审批完成后传阅任务多实例。 五、邮件管理，webamin管理用户域名，JavaMailSender用于邮件CRUD，自定义Flags满足类似QQ邮箱星标收藏功能。 六、日程管理 七、代码生成，freemarker动态生成controller、service、dao、entity、sql、vue。提高开发效率，生成的类动态注册加载。 八、ChatAi。 九、知识库。 十、企业云盘

本人参与过知名国产数字地球软件“图新地球”的核心渲染引擎Locaspace的部分研发工作，并实现了多项渲染，地理分析与数据转换功能。实现了KML保存，填挖方分析，高程点测算，缓冲区提取，四七参数转换功能。

基于传统算法与YOLO的手机壳缺陷检测系统 一、立项背景与目标 手机壳生产环节中，划痕、气泡、毛边、色差等缺陷直接影响产品良率与用户体验。传统人工检测效率低、误检率高，难以满足大规模产线需求。本项目融合传统图像处理算法与YOLOv8目标检测模型，构建高精度、高效率的自动化缺陷检测系统，实现手机壳表面缺陷的实时识别、定位与分类，目标将检测准确率提升至98%以上，检测速度控制在0.5秒/件以内，显著降低人工成本与漏检率。 二、软件功能与核心模块 图像采集模块：支持工业相机实时采集手机壳多角度图像，自动触发拍照与图像预处理（灰度化、去噪、增强对比度）。 传统算法模块：基于OpenCV实现边缘检测、形态学操作、模板匹配等算法，用于快速筛查明显缺陷（如毛边、缺角）。 YOLOv8缺陷识别模块：训练专用缺陷数据集，实现对划痕、气泡、凹陷、印刷偏移等复杂缺陷的精准识别与定位，支持多类别输出。 结果融合与决策模块：综合传统算法与YOLO结果，通过置信度加权与规则引擎输出最终判定，支持缺陷类型、位置、严重等级标注。 人机交互界面：提供实时检测画面、缺陷热力图、统计报表、历史数据查询、报警推送等功能，支持参数配置与模型更新。 三、业务流程与功能路径 图像输入：工业相机采集手机壳图像 → 图像预处理 → 输入检测系统。 双路并行检测： 传统算法路径：边缘检测 → 形态学处理 → 缺陷初筛。 YOLO路径：图像输入 → YOLOv8推理 → 缺陷定位与分类。 结果融合：双路结果比对 → 置信度加权 → 最终判定（合格/不合格+缺陷类型）。 输出与反馈：显示缺陷位置与类型 → 生成检测报告 → 触发分拣机构 → 数据存入数据库 → 支持历史追溯与模型迭代优化。

技术栈：Java语言、SpringBoot框架、蚂蚁区块链、MQTT、设备认证、设备OTA功能、Redis中间件、MySQL数据库+lindorm数据库 项目简介： 区块链 + 物联网融合 SAAS 平台，提供统一的设备管理、设备认证、设备数据可信上链、设备数据服务（定位，轨迹，行程，远程控制，告警）、OTA 升级等能力。