华南师范大学计算机学院自考报名系统

面向骑行码表、运动相机与 App 的物联网后端，覆盖 FIT 解析、路书/赛段、高程坡度、固件 OTA 及 Strava / 行者等第三方同步，国内海外分环境部署。除业务开发外，负责云上基础设施：Docker 容器化、Jenkins 持续集成、阿里云 ALB 入口、NAT 出口及 SLS 日志与告警，打通从构建发布到观测告警的闭环

该系统对智能终端上报的运动特征数据进行清洗和标准化处理，通过JNA/JNI调用第三方算法进行运动状态识别，并结合GPS、WiFi等定位信息进行智能修正（如居家场景下过滤误判的乘车状态）。采用责任链模式构建多场景决策引擎，综合位置、佩戴状态、时间等维度，实时输出精准的行为识别结果，并在终端动态展示用户位置、佩戴状态及运动行为，提升交互体验； 并且，实时聚合手表电量、网络连接（WiFi/蜂窝）、禁用状态等关键信息，通过左侧边栏直观展示状态可视化：实时聚合手表电量、网络连接（WiFi/蜂窝）、禁用状态等关键信息，通过左侧边栏直观展示；智能卡片交互：采用动态卡片设计（底部可滑动面板），集成定位、运动健康等高频功能入口及实时数据；状态一致性引擎：构建统一状态管理中心，标准化处理20+设备状态（关机/欠费/飞行模式等），实现多业务模块（微聊/定位等）状态同步，自动解决矛盾场景（如断网时强制清空网络状态值）；

负责定位系统的数据整合与业务实现，对接表端上报的LSM传感器及GPS数据，进行数据清洗和标准化处理，为第三方室内外判定算法提供输入，并根据室内外算法输出结果，用入门口位置信息去结合MongoDB中的楼栋模型数据，通过JNA/JNI调用第三方楼层算法，完成定位信息的整合处理；系统支持5000+ QPS，定位延迟控制在200ms内

针对电话手表硬件快速迭代或升级导致的频繁适配问题，设计可扩展的统一架构，降低升级维护成本，通过数据融合服务集中管理表端上报策略（内容、频率），减少硬编码依赖，采用TLV/Protobuf协议统一数据格式，提升传输效率，由数据融合服务解耦表端与业务服务，实现数据动态路由，降低系统耦合度

Palot 是一款面向中国开发者的 AI 编程与部署客户端。用户安装后即可配置国产模型或 Codex，让 AI Agent 创建和修改代码、审阅变更、运行自动检查，并通过 Sealos 部署项目、获得公网 HTTPS 地址。 支持 DeepSeek、GLM、阿里百炼、腾讯云等国产模型，同时兼容 OpenAI 和 Codex。商业模式采用免费 BYOK 加可选预付 AI 额度，不强制会员或自动续费。