人工智能 小程序 软件定制 案例

本项目是一个面向学生事务资料查询场景的 AI 问答工具，主要解决学生在阅读学生手册、校规文件和办事流程时查找困难、理解成本高、重复咨询多的问题。 系统支持基于已整理资料进行智能问答，用户可以咨询学籍管理、考试安排、奖学金、请假、处分、实践学分等规则类问题。项目提供普通回答和专业回答两种模式：普通回答适合快速查询，专业回答会补充依据、办理流程、可信度提示和必要的流程图说明。 系统还支持资料上传学习功能，可将 Markdown 或文本格式的规章文件加入知识库，使问答范围不局限于默认资料。整体目标是把分散、较长、阅读门槛较高的制度文件，转化为更容易理解和检索的交互式问答体验。

随着智慧物流行业的快速发展，物流领域的知识体系日益复杂，从业人员、学生和相关研究者在获取专业的物流知识时往往面临信息分散、查询效率低下的问题。传统的搜索引擎难以提供精准的领域知识问答服务，而通用的大语言模型又缺乏物流领域的专业知识，容易产生幻觉内容，回答的准确性和可信度无法保证。为了解决这些问题，本文设计并实现了一个基于检索增强生成技术的智慧物流RAG问答系统。

系统需要支撑高并发的实时电信号上传，并对接了深度学习模型进行电器类型识别。为此，我做了几个关键设计： 用 JWT 做无状态认证，保障 API 和 WebSocket 的安全； 用 WebSocket 把采样的电信号流式推送到前端，Vue 界面实时绘制波形； 用 Redis 做波形片段缓存、设备状态存储和分布式锁，防止多实例重复处理； 模型服务由 Python 团队使用 PyTorch 提供，我通过 gRPC 协议与之通信，利用 Protobuf 序列化提升性能，并针对长波形数据采用了服务端流式调用。

图3 （二）学习板块：系统课程+趣味实践 这是我们精心打造的Python学习核心区域，采用"双轨并行"的学习模式： 课程学习模块（如图4） ● 资源整合：精选B站等优质平台的Python基础、数据挖掘等系列课程 ● 分类清晰：按模块、方向进行分类，支持按需深入学习 ● 适配人群：从零基础入门到进阶提升，覆盖不同学习阶段 图4 趣味学习模块 这是我们特别设计的创新功能，将枯燥的编程练习变成有趣的挑战： 1. 拆解代码挑战：提供一段完整代码，要求分析其功能、逻辑和算法，培养代码阅读能力 2. 魔改挑战：给定代码和新的需求，需要修改代码实现特定功能，加深对Python语法和逻辑的理解 3. 代码溯源：从运行结果反推代码实现，锻炼逆向思维和问题分析能力 这种游戏化的学习方式让我们在测试中发现，用户的学习积极性显著提升，平均学习时长增加了40%以上。 如图5 图5 AI编程助教 这是一个24小时在线的智能助教，它的核心能力包括： ● 多模态输入：支持文字描述、代码截图、错误信息截图等多种提问方式 ● 智能诊断：快速识别语法错误、逻辑问题、运行时错误，并分析产生原因 ● 分级讲解：根据用户水平自动调整讲解深度，初学者讲得更详细，有基础的同学提供进阶知识 ● 标准化流程：每次回答按照"问题分析→解决步骤→代码示例→知识拓展"的顺序，帮助系统性理解 （三）发现模块：构建学习社区生态 学习不应该是孤独的，我们打造了一个活跃的编程学习社区： 交流圈 ● 热门话题：以弹幕形式滚动展示当前热门讨论话题，点击即可进入 ● 文章列表：支持"最热/最新/精华"排序，可按类型筛选 ● 互动功能：评论、点赞、分享，形成良好的学习氛围 社区互动入口 ● 代码分享墙：计划中的功能，用于展示优秀代码作品，支持双向学习 ● 学习小组：规划中的功能，支持组队学习、进度同步、相互监督 交流互助板块 ● 问题答疑：遇到编程问题可以发帖求助，社区成员或AI助手提供解答 ● 经验分享：学习心得、踩坑经验、项目总结都可以在这里分享 ● 知识沉淀：优质问答会被标记为精华，形成知识库 博客功能（如图6） ● 学习日志：记录每天的学习内容、心得体会、成长轨迹 ● 技术分享：发布学习指导、教程文章 ● 数据可视：查看自己的文章点赞量、浏览量、粉丝数 三、AI智能体应用（核心创新，如图7） 这是我们项目的最大亮点！我们基于Coze AI平台，设计并实现了五个具有实际应用价值的AI智能： 图7 场景一：AI智能招聘助理（校招小助手） 设计初衷：临近毕业时，我们发现很多同学因为缺少面试经验而紧张失常。如果能有一个AI面试官陪你练习，是不是能更从容地应对真实面试？

小米智能暖通服务是依托小米 IoT 生态与米家平台，面向家用及商用场景打造的全屋暖通智能控制解决方案，覆盖空调、地暖、新风、两联供等全品类暖通设备。服务以 “云端远程 + 蓝牙本地 + 语音助手” 多模态控制为核心，打通设备接入、智能联动、状态监控与运维服务全链路，兼容小米自有及主流第三方品牌暖通设备，实现一键化、自动化、可视化的智慧气候管理，解决传统暖通设备操作繁琐、无法远程管控、能耗高、维护难等痛点。

立项原因，快速对学生做的试题进行批改。 行业场景，为了解决辅助老师批改作业和学生做题后批改。 主要的功能模块，登陆模块，错题本，批改记录，单体批改，整页批改，跨页题批改，批量批改等。 错题本可以收藏批改的每一道题，把每一道题单独切分出来进行收藏。批改流程是，学生把做完的习题拍照后，系统自动切题，把每一道题进行批改和坐标识别。

该程序是 AI 文档智能修改工具，支持 docx、xlsx、pdf、txt 格式文件处理。用户可上传文件、选择保存目录、输入修改要求，实现内容润色、纠错、格式调整等定制化修改，修改后文件自动保存至指定路径，全程可视化日志反馈处理状态。

立项背景：本地餐饮、零售商家在抖音直播和短视频场景下，面临大量重复性客户咨询（如营业时间、地址、价格、发货时间等），人工回复效率低、响应慢，容易流失客户。 核心功能模块： 1. 智能问答模块：基于知识库，自动识别并回复用户常见问题，准确率达90%以上。 2. 多轮对话模块：引导用户留下联系方式或完成下单引导，形成完整服务闭环。 3. 人机协作模块：遇到无法解答的复杂问题，自动转接人工客服，保证服务质量。 业务流程：用户在抖音评论区或私信发起提问 → AI机器人识别意图 → 匹配知识库答案 → 1秒内自动回复 → 复杂问题转人工处理。

视频处理，图片处理，链接分析，电商全平台文案生成和优化，视频去水印加水印，图片去水印加水印，各类功能全加进去了，还有加功能空间，汇率计算，收益亏损计算，订单查询，客户数据，记帐，统计数据，查看库存，

一、平台核心定位 KB Admin 是一套面向企业 / 开发者的一站式 AI 智能体（Agent）管理平台，主打「知识库问答 + 大模型对话 + 可编排技能」的一体化能力，支持零代码快速搭建行业专属 AI 助手，解决企业知识沉淀、智能客服、业务自动化、场景化问答等核心需求，是打造私有化 / 行业化大模型应用的低代码底座。 二、核心业务场景 企业智能客服 / 知识问答助手：将企业文档、产品手册、行业规范等上传构建专属知识库，实现用户 7×24 小时智能问答，自动解答业务咨询、售后问题，大幅降低人工客服成本。 行业专属 AI 顾问：针对政策解读、技术咨询（如 NFC 技术）、专业领域场景，搭建具备行业知识沉淀的专属 AI 助手，提供精准、合规的专业解答。 企业内部知识助手：整合内部培训资料、流程文档、制度文件，为员工提供智能问答、流程指引、知识检索服务，提升内部协作效率。 多模态智能体应用开发：支持文本、语音、图像多模态交互，搭配自定义工具技能，实现业务自动化（如数据查询、流程审批、外部接口调用）的智能体搭建。 三、核心功能模块详解 1. 仪表盘：全局数据概览 实时统计核心业务数据：机器人数量、总对话数、今日对话量、Token 消耗、7 天活跃用户、好评 / 差评数据，直观掌握 AI 助手运行状态与用户反馈。 提供「快速开始」引导流程，三步完成从模型配置到机器人上线的全流程操作，降低新手使用门槛。 2. 模型管理：多模型统一接入 支持全类型 AI 模型接入：包括 LLM 文本模型（如 DeepSeek、智谱系列）、Embedding 向量模型、VLM 视觉模型、ASR 语音识别模型、Reranker 精排模型，覆盖文本、语音、图像全场景需求。 提供「自动发现模型」与「手动添加」两种接入方式，支持主流大模型 API 一键配置，兼容智谱、DeepSeek 等国内外主流模型服务商，满足不同场景的性能与成本需求。 3. 工具与技能：可编排的 Agent 能力扩展 支持「工具服务 + Agent 技能 + MCP 服务器」三层能力扩展，遵循 agentskills.io 开放标准，可快速接入自定义工具、外部接口，为 AI 助手赋予业务自动化能力。 提供示例库、一键导入、新建技能功能，开发者可零代码 / 低代码编排工具逻辑，实现如数据查询、外部 API 调用、业务流程自动化等复杂能力，让 AI 从 “问答” 升级为 “可执行任务的智能体”。 4. 机器人管理：全生命周期 AI 助手运营 可视化管理多 AI 机器人：支持创建、配置、测试、发布全流程管理，可同时搭建多个不同场景的 AI 助手（如政策解读助手、技术咨询助手）。 提供机器人配置、测试对话、小程序入口生成能力，一键生成可嵌入小程序 / 网页的对话入口，快速落地业务场景；同时支持对话数据统计与知识库绑定，实现机器人与专

“校园智能体”是一款面向中小学及高校场景的智能化校园服务系统，以自然语言交互为核心，深度融合校园数据库与大语言模型能力，为师生提供安全、高效、个性化的信息查询与事务协助服务。系统以“小园”为拟人化助手形象，支持通过对话方式实时查询学生信息、课程安排、出勤记录、校园活动、教师资料及班级管理等六大类核心业务，真正实现“一问即答、一事一解”的智慧校园体验。 核心功能与技术亮点 1.多模态知识库集成 对接学校教务、学工、后勤等系统数据，构建结构化校园知识图谱，确保信息权威性与时效性。 2.自然语言理解与生成（NLU/NLG） 支持模糊提问、上下文追问与意图识别（如“帮我报名毕业典礼”→自动关联ID、年级、班级校验），降低用户使用门槛。 3.角色化权限控制 区分学生、教师、管理员角色，动态过滤敏感信息（如仅班主任可查全班考勤），保障数据安全合规。 4.主动式服务引导 基于用户身份与历史行为推荐高频服务（如高三学生优先推送“毕业典礼”“志愿填报指南”），提升服务精准度。 5.轻量化部署架构 采用微服务+本地化推理模型设计，支持私有云/混合云部署，满足教育行业数据不出校要求。

登录流程​​: 确认采用微信一键授权登录，无需额外跳转页面，以简化用户体验。 ​​核心功能​​: 小程序需支持添加和切换不同的人物角色（如亲人），并允许用户对动态进行评论和点赞。 ​​技术栈​​: 后端采用DeepSeek大模型，前端使用H5，数据库为MySQL，所有服务均部署在服务端。 ​​付费逻辑​​: 明确采用两种付费方式。一是根据用户聊天次数达到设定阈值后触发付费；二是提供后台可配置的付费入口，用户可随时购买。 ​​支付对接​​: 支付流程将直接对接微信支付，客户需自行配置微信支付商户号。

1、为积极响应国家“健康中国2030”战略及老龄化社会发展趋势，抢占医疗健康与养老产业融合发展的千亿级蓝海市场，同时结合公司战略，紧跟集团养老布局，辅助养老业务更快更好的落地。 2、平台功能采用增量式（模块化）开发，先聚焦核心本地生活服务模块落地，再根据社区用户反馈与业务拓展需求逐步迭代升级。核心围绕居民高频生活需求构建服务体系，同时兼顾用户使用便捷性，界面设计遵循简洁直观原则，适配银发用户操作习惯。生活服务方面，整合保洁清洗、家庭维修、医疗陪诊、社区管家四大核心服务，其中保洁清洗模块制定标准化服务流程，提供服务类型筛选、服务人员资质展示、服务时间预约等功能；家庭维修模块覆盖家具家电、水电、管道等常见维修场景，实现故障快速上报、维修师傅精准匹配及服务质量追溯；医疗陪诊模块为老人、病患等群体提供预约挂号、全程陪诊、报告代取等全流程服务；社区管家为平台特色服务，采用自有人员服务模式，用户开通会员后可直接拨打专属管家热线，解决日常生活服务处理代办等各类需求，实现“一个电话全搞定”的便捷体验。

立项背景：抖音平台算法对账号活跃度、真实互动行为有严格判定，低权重新账号易因无有效行为被限流或标记为低质账号，人工养号效率低、成本高，且难以规模化执行，因此开发自动化养号脚本解决该痛点。 核心功能：基于无障碍技术模拟真人用户行为，实现自动访问目标用户主页、模拟浏览与停留互动、按预设路径批量留痕，同时内置随机化操作逻辑，规避平台风控检测。 业务流程：脚本启动后，通过Android无障碍服务识别抖音APP界面元素，按用户配置自动执行账号登录、主页访问、内容浏览、随机滑动停留等流程，支持多账号循环养号，全程模拟真人操作节奏，高效提升账号活跃度与权重。

本套售后管理系统，是深度贴合制造业一线业务场景的轻量化协同工具。它无需推翻企业现有管理体系，不依赖高额定制开发，无缝衔接金蝶ERP，精准填补现场业务与后端管理系统的衔接空白，用最小成本实现售后管理数字化升级。 系统适用对象覆盖全生态售后相关角色，包括企业售后部全体人员、销售人员、授权经销商及合作电工，不同角色配备专属操作入口与功能权限，操作简单易上手，无需复杂培训即可快速落地使用。 在登录方式上，系统采用双端适配模式：内部售后、销售人员通过企业微信工作台登录，实现PC+移动端协同办公；外部经销商、合作电工通过微信小程序登录，扫码即用、无需安装额外软件，真正做到随时随地办业务，一键操作提效率。

针对现代人日常生活中“不知道穿什么”、“穿搭不符合当日天气或特定场合”等痛点，本项目致力于打造一款基于AI大模型与实时天气数据的智能家庭穿搭助手。目标是为用户提供个性化、场景化、智能化的穿搭建议和直观的视觉展示，提升大众的生活品质与出行体验。 - 天气与定位模块 ：实时获取用户地理位置，同步当地最新气象数据（温度、降水、风速等）。 - 个性化偏好模块 ：支持用户录入性别、年龄、身高、体重、偏好风格，并可输入如“周末去公园野餐”等个性化补充场景需求。 - AI智能推荐模块 ：综合天气状况、用户画像及场景需求，调用AI大模型生成量身定制的穿搭方案（包含外套、内搭、下装、鞋子）、舒适度指数及贴心Tips。 - AIGC视觉展示模块 ：基于推荐文本方案，利用图像生成大模型一键生成直观的穿搭效果图。 - 鉴权与个人中心模块 ：实现微信授权快捷登录、用户信息管理及历史偏好记录。 用户打开小程序 -> 自动完成地理定位与天气获取 -> 在首页确认或调整个人身材特征、风格及补充需求 -> 点击“保存设置并推荐” -> 系统调用后端AI接口生成具体的服饰搭配方案 -> 页面展示搭配细节与舒适度 -> 用户点击“查看示例”生成对应的AI穿搭效果图片 -> 长按图片进行保存或分享。

智能瞳距测量系统是一款面向眼镜零售、眼科诊所及线上配镜场景的精准测量工具，通过普通摄像头即可实现瞳距、瞳高等配镜关键参数的自助化采集。系统支持多种测量模式，包括单眼瞳距、双眼瞳距、远用与近用瞳距以及瞳高测量，满足从常规单光镜片到渐进多焦点镜片的不同验配需求。主要包含瞳距测量、近视动态对比、人像试戴模拟等功能，该系统支持平板电脑和手机端使用，均能提供高效、便捷、精准的解决方案，大幅降低配镜门槛，提升服务效率。

背景： 为满足校园内闲置物品高效、安全流转的需求，解决传统交易方式的信息壁垒与信任问题，特立项开发此平台。项目采用前后端分离的主流架构，并适配国产数据库，旨在构建一个贴合校园场景、技术先进、可持续运营的线上交易社区。 目标： 1.用户体验流畅：界面简洁直观，操作流程符合校园用户习惯，响应迅速。 2.交易安全可信：通过用户认证、交易状态跟踪、沟通留痕等机制保障交易安全。 3.系统稳定健壮：采用微服务理念分层设计，支持校园级并发访问，具备容错能力。 4.技术栈先进且合规：使用主流SpringBoot+Vue3框架，并完成对国产数据库的适配。 5.功能扩展灵活：模块化设计，便于后续集成新功能（如积分、悬赏）。 功能： 前台用户端功能： 1.用户中心：注册/登录（含密码找回）、个人信息管理、收货地址管理。 2.商品系统：浏览/搜索商品、查看详情、发布/管理个人商品（支持多图上传与三级分类）、收藏与点赞。 3.交易流程：加入购物车、生成订单、模拟支付、确认收货、申请退货/退款。 4.互动社区：商品评价、站内实时私信沟通、给平台留言反馈、发起交易投诉。 5.个人空间：我的订单、我的商品、收藏夹、聊天记录、投诉与退款进度查看。 后台管理端功能： 1.全局管理：用户管理（审核、禁用）、角色与权限配置。 2.内容管控：商品信息审核、商品分类树维护、公告新闻发布、“关于我们”编辑。 3.交易监控：所有订单查询与状态管理、退货退款申请处理、交易数据统计。 4.运营支撑：轮播图管理、用户留言回复、投诉仲裁、系统操作日志查看。 5.系统维护：数据备份与恢复、系统参数配置。 功能架构和流程 系统采用前后端分离的B/S架构。用户通过浏览器访问Vue3构建的前端应用，前端通过RESTful API与SpringBoot后端交互。核心业务流程闭环：用户认证→商品浏览/发布→沟通咨询→下单支付→物流确认→售后评价。

1. 立项背景和目标 在数字化办公与代码协作场景中，GitLab作为主流的代码托管平台，常面临源码泄露、未授权访问、敏感数据明文存储等安全风险，同时本地代码也存在被窃取、篡改的隐患。本项目针对这一痛点，立项目标为：实现一套集代码仓库安全审计、敏感数据加密保护于一体的安全工具，一方面通过自动化扫描发现GitLab平台的配置漏洞与源码泄露风险，另一方面通过AES对称加密算法对本地敏感代码/数据进行加密保护，双重保障代码资产安全，满足开发人员与企业的代码安全防护需求。 2. 软件功能、核心功能模块的介绍 本项目包含两大核心功能模块，覆盖代码平台安全审计与本地数据加密全流程： GitLab安全审计模块：基于Dirsearch等目录扫描工具，对目标GitLab站点进行自动化目录遍历与路径探测，识别/admin、/.well-known、/api等敏感路径，排查未授权访问、配置泄露、源码泄露等安全风险；同时集成数据库审计能力，对GitLab后台数据库（如sqlgunnews库）的admin表进行密码哈希获取与弱口令检测，实现账号安全审计。 AES敏感数据加密模块：基于Python实现AES对称加密算法，支持对本地代码、配置文件、敏感业务数据进行加密/解密操作，采用CBC模式+随机IV向量保障加密安全性，同时集成日志记录功能，全程记录加密/解密的耗时、数据长度等关键信息，方便审计与追溯，防止敏感数据明文泄露。 3. 业务流程、功能路径描述 GitLab安全审计流程： 输入目标GitLab站点地址（如http://gitlab.example.com:9999/），启动目录扫描任务； 工具自动遍历站点路径，识别可访问的敏感目录与文件，返回状态码、文件大小等审计结果； 针对可访问的后台路径，进一步探测数据库接口，获取admin用户的密码哈希； 对获取的哈希进行弱口令检测，输出审计报告，标注风险等级与修复建议。 AES加密/解密流程： 加密流程：输入明文敏感数据与16位密钥→工具自动生成随机IV向量→采用AES-CBC模式加密→拼接IV与密文并转为十六进制字符串→输出加密结果，同时记录加密日志； 解密流程：输入十六进制密文与密钥→工具拆分IV与密文→采用AES-CBC模式解密→去除填充并转为明文→输出解密结果，同时记录解密耗时与日志

用于慢病预防的智能体小程序，供医院采集病人信息或健康用户、潜在患者自主健康管理。具有信息收集、数据管理、llm交互、对接多模态模型、长期跟踪用户数据、做出个性化建议等功能。具有极强落地实用性。