人工智能 Windows应用 软件定制 案例

该项目是整个产品中最重要的一环，主要作用是算法分析，通过逐张视频帧分析是否满足告警条件。算法组成有行为分析算 法，安全帽检测算法，超员检测算法等等。行为分析算法通过背景学习之后采用差帧法提取团块差异，达到目标跟踪的效 果；安全帽检测算法通过深度学习检测出安全帽之后，与人体目标进行重合度检测；超员算法同样通过深度学习检测人体目 标，达到报警条件，给出报警。

项目描述： 面向企业IT服务台场景，建设语音识别、图像识别与智能流程能力，打通“识别-处理-通知-反馈”闭环，提升服务处理效率与稳定性。 项目负责： ASR/OCR能力接入与工程化落地、智能流程链路建设、告警看板迭代、跨系统接口联调与线上稳定性保障。

1. 立项背景和目标 Windows 桌面壁纸仅支持静态图片，无法满足用户对动态壁纸、实时交互的个性化需求。本项目旨在开发一套高性能桌面壁纸框架，支持 GLSL Shader 实时渲染，嵌入桌面图标底层适用于 Windows 11/(10尚未适配)。 2. 软件功能、核心功能模块 核心功能模块包括：Shader 实时渲染引擎（支持 GLSL 片段着色器，IQ 余弦调色板、FBM 噪声、Domain Warping 等技术）、窗口嵌入引擎（通过 Win32 API 将渲染窗口置于桌面图标下层）、壁纸管理模块（进程隔离，支持热切换和崩溃自愈）。 3. 业务流程、功能路径描述 用户选择壁纸主题 → 主进程启动壁纸管理服务 → 子进程独立加载 Shader/视频壁纸 → 窗口引擎通过 win32 API 嵌入桌面 → 后端引擎渲染帧持续输出至壁纸层。主进程驻留系统托盘，支持右键菜单切换壁纸、调整性能参数。子进程异常时自动重启，不影响桌面稳定性。

立项背景： 传统聊天机器人缺乏持续性人格和情感交互能力，每次对话都是"失忆"状态。本项目旨在构建一个具有完整情感模型、多层记忆系统和自主进化能力的智能伴侣系统，实现"有灵魂的AI"。 核心功能： 1. 情感引擎： 基于3D VAD（效价-唤醒度-掌控感）连续情绪模型，9个情绪锚点，支持刺激分类与指数衰减，E值系数影响回复风格强度； 2. 记忆系统： L1-L5五层认知分层，双相遗忘曲线（指数+幂律衰减），SQLite FTS5全文检索，Obsidian兼容格式； 3. 关系成长： 4阶段演进（初识→热恋→甜蜜→稳定），基于消息量和互动频率动态调整语言风格； 4. Agent循环： think→tool→result→continue架构，支持14种工具调用（文件操作、网络搜索、Shell执行、浏览器控制等）； 5. 安全体系： K公式决策引擎、A5五维风险分级、Prompt注入检测、文件操作保护； 6. 自主行为： 稳态压力模型驱动主动消息，5个内部压力源竞争决策。 业务流程： 用户消息→情绪衰减→记忆检索→系统提示词组装→Agent工具调用循环→情绪解析→承诺调度→记忆存储→分片回复。

本系统面向水下图像目标检测场景，采用PyQt5构建桌面端界面，结合YOLOv8模型实现水下目标识别。系统分为普通用户端和管理员端：普通用户可进行图片、批量图片和视频检测，支持置信度、IoU阈值及图像预处理参数设置，并可查看检测结果和历史日志；管理员可进行数据集管理、模型管理、模型训练与评估、用户管理、检测日志维护和统计分析。系统检测结果可视化展示，检测日志写入MySQL数据库，便于后续查询、统计和维护。

面向中小机加工、汽配制造工厂，解决工艺文件、设备说明书、检验标准等资料零散、查阅低效、隐性知识流失的痛点。基于 Python + FastAPI + LangChain 搭建本地私有化 RAG 知识库，桌面端通过浏览器作为统一交互入口，支持 Word/PDF 批量拖拽上传，自动完成文档解析、递归切片与向量化存储（FAISS 向量库 + BM25 关键词双路加权检索），员工以自然语言提问即可精准调取对应工艺资料并附原文出处。平台内置多用户权限体系：管理员负责文档上传、维护与知识库管理，员工仅可检索问答，越权访问自动拦截。整套系统由本人独立全栈开发，仅本地部署，所有数据不出厂；LLM 默认使用本地 Ollama（Qwen2.5），可一键切换在线 API，灵活适配不同算力条件，不对接、不修改客户原有 ERP/MES 业务系统源码，已落地苏州多家制造企业。

构建生命健康领域 “数据接入 - 结构化 - AI 洞察” 持续运行体系，强化公司数据基础设施长期主轴。 明确生命健康行业数据分散、异构、脱节、治理成本高、连续性弱的核心痛点，确立以数据基础设施为稳定锚点的产品方向，不追逐短期 AI 热点，聚焦长期可复用数据价值。

1、基于LLM的RAG检索增强，能够解决知识过时、私有知识的问题，但是检索到的知识是以向量的方式来构建知识之间的相关性。而karpathy的llm-wiki分享中提到了以大模型为编译基础，以自然语言的方式，让大模型自己理解和构建知识之间复杂的关系。维基百科对于人类来说或许可能是一个知识管理方式，但对于LLM来说，或许是将知识核心保留和编译知识之间的复杂关系的一个新的尝试。本项目基于此，将知识点及其之间的关系进行细化，以SQL为基础，个人进行了llm-wiki开发的尝试，将其作为opencode、codex等的插件进行开发。同时开发了以LLM基础，将PDF,HTML总结为笔记的前端功能。 2、项目核心功能包括以下几点。桌面应用端，通过Electron桌面入口，加载前端页面，注册IPC服务。前端知识台，展示知识库、笔记、节点状态。IPC桥接，前端通过window.llmWiki调用后端能力。知识库注册，管理多个SQLite知识库，支持list/audit/open。数据库与迁移，SQLite 连接、schema migration、repository层。文档摄取，读取artifact，生成source记录。Human Note，保存、解析、校验自然语言可读笔记。编译知识图谱，将source编译为nodes、claims、edges、state changes。检索与上下文，搜索知识、扩展图谱、生成query context/briefing。Lint与维护，检查知识库健康状态、发现图谱问题。Agent集成，给外部Agent提供 ingest/use/maintain工具能力，以skill方式实现。共享类型与常量，跨前端、主进程、后端共享的类型和工具。 3、核心功能为前端人类可阅读笔记和SQL知识节点状态展示，以及agent实现提取知识到知识库，使用和管理知识库。前端调用路径为启动应用，加载UI界面，前端请求数据，查看笔记、知识库、source材料。agent调用ingest skill,提取知识，生成人类可读笔记，基于笔记创建知识节点和知识关系边并存入SQL。agent调用use skill，基于问题查找相关资料，以node和edge将相关资料返回LLM，LLM基于自注意力机制自行理解知识并返回结果。agent调用maintain skill,agent查看知识节点之间是否存在矛盾，通过对话，agent维护知识库正确性。

业务定位 面向PCB制造商、SMT贴片厂及电子质检服务商，提供基于高分辨率X-ray成像的自动化无损检测方案，用于识别压合、焊接及内层结构中的隐蔽缺陷，避免故障板流入后续工序或成品市场。 核心功能 - BGA/LGA空焊虚焊检测：精准捕捉焊球内部气泡（空洞）比例、枕头效应及开路/短路。 - 埋盲孔与内层线路分析：可检内层铜箔断裂、叠孔错位、树脂填充不足等不易外观发现的问题。 -多层对位偏移量测：自动计算各层靶标偏移值，判断压合偏移是否超限。 - AI辅助判读：实时标记疑似缺陷，生成检测报告，支持与CAM设计数据比对。

AI模型 越来越多，软件功能也越来越丰富，客户端部署小模型应用也是当前的热门。目前还是英伟达显卡遥遥领先的情况下，模型推理加速首选还是TensorRT技术。 英伟达官网下载 TensorRT，注意要结合硬件选择对应的CUDA和CUDNN版本。 神经网络推理模型部署 将神经网络推理框架的接口和转换后的神经网络推理模型一起打包发布到客户终端。这里有个难点是推理框架和使用的推理硬件是有深度绑定的，而客户手上的硬件各有不同......。有两个不同的解决方法，一个是发布不同硬件版本的部署产品，一个是在客户的设备上进行一次神经网络推理模型的生成。 如果选择第二个方法，又会遇到新问题就是不想把自己辛苦训练的神经网络模型暴露给其他人，只想提供推理模型。那么又出来一个模型动态加解密的技术。。。

SmartLearn Pro 是一个面向英语学习场景的 AI 学习平台，核心目标是把文章、单词、听说读写训练和复习计划整合到一个学习闭环中。系统支持文本/PDF 导入、AI 阅读分析、生词提取、闪卡复习、记忆曲线复习、阅读考试训练、翻译挑战、AI 写作批改、口语教练、学习笔记、知识图谱和学习流画布等功能。 用户可以导入学习资料，系统自动生成词汇、语法结构、阅读理解题和复习内容；在学习过程中可以将生词、难句、错题和写作素材沉淀为笔记，并通过 FSRS 记忆算法安排后续复习。项目还集成了语音识别、AI 对话和 TTS 语音合成能力，用于模拟 IELTS、商务英语、日常聊天等口语训练场景，帮助用户完成从输入、练习、反馈到复习的完整学习流程。

立项背景与目标： 在 Nordic nRF 及配套电源管理芯片（CPS、TPS）的产测与研发调试中，烧录流程往往依赖 J-Link 命令行、OpenOCD、工装 RPC 上电、固件 SCP 上传等多套工具，操作步骤多、易出错，且不同工站（PowerDFU、DataDFU、PowerFCT、DataFCT）流程不一致。本项目旨在用 Python 开发统一的一键烧录与工装控制 CLI，将「选固件 → 选工位 Slot → 自动上电 → 烧录 → 校验 → 下电」串联为可重复的标准流程，并支持打包为 macOS 单文件可执行程序，便于产线工程师与硬件研发人员开箱即用。 核心功能模块： 1）多工站模式：支持 PowerDFU、DataDFU、PowerFCT、DataFCT 四类 Station，按 Slot（1–4）自动映射 RPC 端点 IP/端口； 2）Nordic nRF 一键烧录：集成 SEGGER JLinkExe，自动扫描/选择 J-Link 序列号，生成并执行 Commander 脚本，支持 .bin/.hex、擦除、校验及烧录结果智能判定； 3）PowerDFU 扩展烧录：CPS/TPS 通过 RPC 控制继电器与 I2C 自动烧录，固件经 SCP 上传至工装；ULPOD 走 OpenOCD program_onefile 链路； 4）工装 RPC 自动化：烧录前后自动执行上电/下电、继电器切换、电压测量等 mixdevice 调用，减少人工拨码与接线失误； 5）交互与可观测：彩色终端 UI、进度条/Spinner、固件 SHA256 与路径校验、J-Link 日志解析与失败原因提示；支持 PyInstaller 打包 universal2 单文件分发。 业务流程与功能路径： 工程师启动 CLI（或 MagicTool 可执行文件）→ 选择 Station 与 Slot → 选择操作（烧录 / 一键上电 / 一键下电）→ 拖入或输入固件路径（.bin/.hex）→ 工具按工站 profile 调用 RPC 完成 DUT 上电与继电器配置 → 执行 J-Link 烧录或 CPS/TPS/ULPOD 对应烧录链路 → 实时展示烧录进度与日志 → 自动解析 success/verify 等关键字判定结果 → 烧录结束后 RPC 下电复位 → 提示是否继续下一台 DUT。该工具将分散的嵌入式烧录与产测工装操作收敛为「一条命令、一套交互」，显著提升产线烧录效率与操作一致性。

安全防护体系：为插件运行构建了沙箱环境、熔断保护及白名单访问控制。 AI原生开发范式：利用AI辅助编程，单人完成从系统架构设计到核心功能模块的开发。 动态密钥管理：实现了云端模型API密钥的动态管理与自动切换，保障系统高可用

本系统针对水泥企业包装环节的车辆排队、装车调度、数量核验等痛点，打造全流程智能管理方案。 核心模块：排队管理模块、调度模块、智能装车模块、AI大模型识别计数模块。 业务流程：车辆入场时自动读取车号，系统根据车号查询计划装车品种，并动态分配车辆进入对应排队队列。各装车线按照排队顺序进行智能调度，引导车辆依次就位。司机扫码确认后开始装车，此时AI大模型实时识别水泥包装袋并自动计数，确保装车数量精准无误。系统还能自动识别并扣除破损包装，避免人工核验误差，显著提升装车效率与数据准确性。

本项目是一套基于 AI 大语言模型的智能聊天平台，支持自然语言对话、AI写作、代码生成、学习辅助以及内容创作等功能。平台采用前后端分离架构，支持实时流式输出、多轮上下文记忆、历史会话管理以及用户系统。 系统主要面向学生、办公用户以及内容创作者，通过 AI 提升信息处理与创作效率。用户可以通过平台快速完成文章生成、代码辅助、学习问答等任务。 后台系统支持用户管理、Token统计、敏感词审核、会话管理以及数据监控，方便运营维护。

1.项目背景 公司内部管理的数据库类型种类繁多，数量庞大，权限管控难等问题，所以需要一款数据库管理平台，来统筹接觉这些问题 2.功能介绍 1）提供多种数据库类型的查询窗口，替换本地数据库工具 2）针对不同用户进行权限管理，以及数据库字段权限管理，支持字段加解密显示 3）支持多库多表等中间件配置 4）支持数据库日常维护工具，如数据迁移，数据归档等

DataClone 是面向硬盘/固态硬盘数据恢复场景的桌面端工具，目标是在源盘存在坏道、文件系统异常或历史任务中断的情况下，尽量安全地完成数据克隆、文件系统解析、文件扫描和恢复导出。系统支持新建/打开任务、选择源设备与输出目标，输出 RAW/VHD/VHDX 镜像；提供多阶段复制、暂停/继续/终止、断点续传、全盘校验、LBA 状态位图、十六进制查看等能力。解析侧支持 NTFS、FAT、exFAT 文件系统，可浏览目录树、搜索文件、按扩展名/时间分组、查看节点详情和区段追溯；扫描侧通过文件签名识别图片、文档、压缩包、音视频、SQLite 等候选文件，并支持候选导出、删除项恢复和 PDF 修复副本生成，适合做数据恢复流程中的镜像、分析、验证和结果导出。

针对工业生产线上产品表面缺陷（如划痕、裂纹、污点、组装错漏）进行自动化全线检测。系统通过工业相机实时采集高分辨率图像，利用深度学习模型进行在线推理与分类，并在 Qt 界面上毫秒级展示检测结果、自动标注缺陷位置并进行不良率统计。系统支持历史检测数据本地结构化存储、Excel报表一键导出、模型参数在线配置以及异常情况下的声光报警输出，实现了生产线无人化质检的核心闭环。

本项目面向高精度光学镜片、球面镜、非球面镜、镜头曲面面型检测，基于然奇光学球面激光干涉仪完成干涉图像采集、移相控制、面型解算、3D 可视化与自动化检测。 用于判断镜片表面精度：PV 值（峰谷值）、RMS 值（均方根误差），是光学加工、镀膜、质检的核心检测手段。 系统替代人工手动采集、手动计算，实现自动化移相 → 自动采图 → 高精度面型解算 → 3D 面型显示 → PV/RMS 输出，并接入机械臂实现全流程无人检测。

本项目是高精度光学镜片自动化外观检测系统，面向精密光学镜片、树脂镜片、玻璃镜片、镜头镜片等光学元件生产企业，通过多轴运动控制、海康工业相机视觉采集、VM 视觉算法二次开发、Qt 全功能 UI 界面，实现镜片表面瑕疵、边缘崩边、划痕、污渍、麻点、气泡等缺陷的全自动上料、精准定位、高清成像、智能识别、自动分拣、数据统计一体化检测。 系统替代传统人工灯检低效、易漏检、主观性强的痛点，实现光学镜片外观检测全自动化、标准化、高精度、可追溯，适用于镜片量产线的在线质检、成品分选、不良品判定，检测效率与稳定性远超人工检测。