业务和功能介绍
本项目旨在依托国产开源大语言模型 Qwen3-32B，构建面向燃机专业领域的智能问答与数据分析能力，实现对燃机运行、维护及管理全过程的智能化支撑。项目以燃机知识问答与数据问答为核心应用场景，结合项目现有的工况数据、运行规程、设备手册及历史故障案例，通过高质量语料构建、预训练（PT）及监督微调（SFT）等技术手段，打造具备专业领域理解、数据分析与推理能力的行业专用模型。
在技术实现上，项目将 Qwen3-32B 作为训练基座模型，利用其在中文处理、长上下文理解、指令跟随及复杂推理等方面的优势，针对燃机领域特有任务进行定向优化。系统部署采用华为昇腾 910B 集群及高性能推理框架，实现高并发、低延迟的模型服务，满足现场实时交互需求。
项目建设完成后，将在以下方面实现突破：
专业化知识理解：精准解析燃机领域技术规程、诊断步骤及运行数据。
数据驱动决策支持：为运行调度、故障排查提供智能分析。
可扩展的技术架构：支持多场景扩展与持续模型迭代，保障系统在未来业务需求变化中的适应性。
本项目的实施将有效提升燃机运行管理的智能化水平，降低人工分析成本，缩短决策周期，为能源安全与运行效率提供坚实的技术保障。
在技术实现上，项目将 Qwen3-32B 作为训练基座模型，利用其在中文处理、长上下文理解、指令跟随及复杂推理等方面的优势，针对燃机领域特有任务进行定向优化。系统部署采用华为昇腾 910B 集群及高性能推理框架，实现高并发、低延迟的模型服务，满足现场实时交互需求。
项目建设完成后，将在以下方面实现突破：
专业化知识理解：精准解析燃机领域技术规程、诊断步骤及运行数据。
数据驱动决策支持：为运行调度、故障排查提供智能分析。
可扩展的技术架构：支持多场景扩展与持续模型迭代，保障系统在未来业务需求变化中的适应性。
本项目的实施将有效提升燃机运行管理的智能化水平，降低人工分析成本，缩短决策周期，为能源安全与运行效率提供坚实的技术保障。
项目实现
1.基础训练环境搭建:
a)完成基础训练环境搭建
2.基座模型选型:
a)测试多个开源模型
b)选择效果最佳模型作为基座模型
3.语料知识库搭建
a)完成知识库搭建
b)处理后语料入库
4.构建训练语料
a)构建燃机专业词表用于知识库检索
b)完成CPT语料处理
c)构建SFT语料生成Prompt，完成SFT语料处理
d)人工审核语料内容
5.搭建训练框架:
a)完成Llama-factory训练框架搭建
6.模型训练:
a)完成模型CPT预训练
b)完成模型SFT微调
7.模型效果评估
a)构建主管与客观评估指标
b)评估训练后模型效果
8.完成 燃机专业大模型 的部署及接口开放
a)完成部署 燃机专业大模型 所需的昇腾软件栈环境搭建。
b)完成基于燃机专业大模型 的部署及服务化工作，开放接口供上层业务调用。
a)完成基础训练环境搭建
2.基座模型选型:
a)测试多个开源模型
b)选择效果最佳模型作为基座模型
3.语料知识库搭建
a)完成知识库搭建
b)处理后语料入库
4.构建训练语料
a)构建燃机专业词表用于知识库检索
b)完成CPT语料处理
c)构建SFT语料生成Prompt，完成SFT语料处理
d)人工审核语料内容
5.搭建训练框架:
a)完成Llama-factory训练框架搭建
6.模型训练:
a)完成模型CPT预训练
b)完成模型SFT微调
7.模型效果评估
a)构建主管与客观评估指标
b)评估训练后模型效果
8.完成 燃机专业大模型 的部署及接口开放
a)完成部署 燃机专业大模型 所需的昇腾软件栈环境搭建。
b)完成基于燃机专业大模型 的部署及服务化工作，开放接口供上层业务调用。
示例图片视频
相似推荐
网络安全ctf与awd比赛平台-网络安全赛事中心
1.立项背景:高校网络安全专业与战队在组织校内外 CTF（Capture The Flag，夺旗赛）和 AWD（Attack WithDefense，攻防对抗赛）时，长期依赖开源平台或第三方在线靶场。现有方案普遍存在三类痛点：一是开源平台功能割裂，传统解题赛（Jeopardy）与攻防对抗赛需要两套系统分别部署，数据与选手账号无法打通；二是容器靶场编排能力弱，题目环境需人工搭建，动态Flag、按队伍隔离、过期回收等能力缺失或需要大量二次开发；三是缺少面向国内高校赛事的定制化能力，如队伍审核、报名审批、真实身份核验、邮箱验证码注册、作弊检测等。本项目立项目标即自研一套统一支持 CTF 与 AWD 双赛制、全流程线上化的网络安全竞赛平台。
2.建设目标。 （1）覆盖竞赛全生命周期：建赛、出题、报名审核、选手参赛、答题计分、容器下发、排行榜、作弊检测、Writeup评审、日志审计；（2）支持三种 CTF 题型（静态题、动态附件题、容器题）与完整的 AWD 攻防对抗机制（OpenVPN靶场接入、双网络隔离、自动 Check、分池计分、靶机重置）；（3）工程上做到高可用、可运维：容器/附件/轮次全自动调度与过期回收、多级日志与审计、滑动窗口限流、启动自愈清理脏数据。目前平台已完成主体功能开发并在真实比赛环境中投入使用。
Ai自动化办公-自动化
AI自动化融合大模型、视觉识别与流程引擎，突破传统固定规则限制，自主感知、判断、执行复杂业务，替代重复人力，实现全链路智能提效与流程闭环运转。
AI自动化依托人工智能技术搭建数字工作体，自主处理非标准化任务，打通多系统数据链路，降低人工成本，
基于麒麟操作系统的运维agent
1. 立项背景与目标
背景：传统运维工具（Zabbix、Nagios等）架构重、门槛高，难以覆盖边缘节点；故障排查依赖人工经验，效率低；变更操作缺乏AI辅助和细粒度审批审计。ops-agent将系统巡检、AI问诊、安全审批和可视化看板整合为统一单机程序，填补市场空白。
目标：交付v0.1.0版本，提供TUI/Daemon/Dashboard三种运行模式；以LLM实现自然语言驱动的智能运维；建立本地审查+LLM评估+人工审批三层安全机制；发行包一键部署，开箱即用。
2. 软件功能与核心模块
智能对话引擎：集成LLM，支持自然语言交互，内置ReAct和Plan-and-Execute双策略自动适配任务复杂度，自主调用系统工具，实现“对话即运维”。
安全管控中心：本地规则硬拦截+LLM辅助风险评估+人工风险队列审批三层防线，五级风险分级（只读到关键变更），全程审计可追溯。
自动化巡检与调度：后台守护进程支持Cron定时采集CPU/内存/磁盘/网络等指标，扩展至K8s/容器/Prometheus巡检，阈值告警推送钉钉/企微，告警归并为Incident故障事件。
用户交互层：TUI终端界面（ratatui，六Tab页，键盘导航）+ Web Dashboard（React，可视化看板）。
3. 核心业务流程
故障诊断修复流程：SSH登录→TUI对话页输入自然语言（如“nginx起不来”）→Agent经LLM意图分析，调用check_service/journalctl等诊断工具（安全审查保障只读）→流式呈现诊断结果→修复操作识别为高风险→进入风险队列待人工审批（a键批准/x键拒绝）→执行并反馈结果。
无人值守巡检与干预流程：Daemon systemd开机自启→按Cron定时执行巡检（指标每分钟，深度每30分钟）→数据写入SQLite→超阈值生成告警并推送钉钉/企微→运维人员通过Dashboard/TUI介入查看→查阅Incident时间线和处置计划→高风险操作仍经人工审批后执行。
4. 项目范围与约束
包含：v0.1.0全部功能开发（24个功能点）、测试、文档、发行包及安装脚本。
不包含：第三方监控系统迁移工具、SaaS云服务、移动端APP、高可用集群部署。
技术约束：Rust 2024 + tokio；前端React+TypeScript+Bun；SQLite。
环境约束：兼容麒麟/Linux（x86_64/aarch64），依赖systemd和Python 3.8+，可选kubectl/Docker。
智能交互大屏-智能交互大屏
本项目为自研首款 8K 智慧云屏配套客户端软件，采用高规格 8K 显示、一体式硬件整机架构及 X86 安卓 + Windows 双系统共享硬件方案。基于 WPF 技术栈从零打造大屏全套软件体系，覆盖白板书写、屏幕批注、系统设置、Launcher 桌面、侧边栏快捷工具、分屏交互、OTA 固件升级、设备集控、外设管控等 20 余个应用模块与核心功能组件，满足政企会议、智慧办公、工业数字孪生等场景下的高清交互、设备管控、系统运维需求，实现高分辨率触控终端的智能化、一体化软件体验。
半熟类社交平台
重逢的创建初衷是提供一个平台，为用户维护个人的半熟社交人际关系，辅助用户整合非日常交流好友资源，以此为用户提供可能需要的人际关系价值。项目的主要通过iOS和Android两个主流平台APP提供服务，后端通过ECS中PHP提供平台服务，并通过Python提供一定的数据分析服务。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服