业务和功能介绍
智能症状诊断（对话式问诊）
业务描述：用户以自然语言描述主诉（如“膝关节不能下蹲”），AI通过多轮追问，引导用户补充细节（如疼痛部位、活动受限幅度、伴随体征）。
典型界面：
用户发送“不能下蹲” → AI先提问“下蹲幅度：小幅度障碍还是不能站直？” → 再问“过伸试验强阳性？” → 逐步缩小范围，输出可能的病因（滑膜炎、髌骨嵌顿、腘肌损伤等）。
价值：模拟医生问诊逻辑，避免用户盲目猜测，提高诊断专业性。
2️⃣ 分层鉴别诊断（结构化推理）
业务描述：按照预设的临床路径（如“下蹲障碍”诊断树），AI自动输出分步骤的鉴别诊断列表，区分小幅度障碍、不能站直、后侧疼痛等不同分支。
截图体现：
小幅度障碍 → 肿胀（查滑膜炎） / 髌骨嵌顿（查股骨-髌骨关系）
不能站直 → 过伸试验强阳性（查膝后侧） / 过屈试验阳性（查膝前侧）
后侧疼痛 → 查臀后侧、腘斜韧带等具体结构
大幅度障碍 → 查脊柱侧弯、骨盆旋移、腿型等全身因素
价值：帮助医生/学员建立清晰的临床思维路径，减少漏诊。
3️⃣ 治疗靶点推荐（针刀/针灸定位）
业务描述：当AI完成诊断后，直接输出需要查治的具体解剖结构或压痛点，例如“查治臀后侧、腘斜韧带、腘肌下隐窝、籽骨、半腱肌、半膜肌”。
扩展功能：可进一步点击某个靶点，查看针刀松解进针方法、解剖图示、操作视频。
价值：从“是什么病”快速过渡到“怎么治”，尤其适合针刀医师临床参考。
4️⃣ 体征试验引导（辅助检查）
业务描述：AI主动建议用户或医生完成特定物理检查试验，如“正/反4字试验、直腿抬高试验、过屈/过伸试验”，并根据试验结果再推理。
交互方式：用户点击试验名称，可以查看操作图解或视频演示；也可输入试验结果为“阳性/阴性”，AI更新诊断结论。
价值：标准化体格检查，提升远程问诊的可靠性。
5️⃣ 多模态教学资源关联
业务描述：在诊断结果下方，直接推荐相关的教学视频、名医课程，例如截图中的“膝关节相关疾病的诊断及进针思路”、“唐国振膝关节临床操作演示”。
业务形态：可免费预览部分内容，完整课程需付费/订阅解锁。
价值：实现“即诊即学”，构建从诊疗到教育的闭环，增加用户粘性和付费转化。
6️⃣ 主动追问与健康档案记录
业务描述：在用户未主动提问时，AI可主动发起常见问题，例如截图底部的三个引导按钮：
“下蹲时膝关节有无疼痛？”
“膝关节活动时有响声吗？”
“平时走路或站立时膝盖感觉如何？”
数据沉淀：用户回答内容自动归入个人健康档案，形成长期追踪记录，未来复诊时可对比变化。
价值：变被动问答为主动健康管理，提升用户活跃度和数据丰富度。
7️⃣ 再答一次/调整诊断（可控生成）
业务描述：用户若对当前AI诊断不满意，可以点击“再答一次”按钮，AI会重新生成一组诊断思路或换一种推理逻辑（例如增加考虑肌筋膜链）
业务描述：用户以自然语言描述主诉（如“膝关节不能下蹲”），AI通过多轮追问，引导用户补充细节（如疼痛部位、活动受限幅度、伴随体征）。
典型界面：
用户发送“不能下蹲” → AI先提问“下蹲幅度：小幅度障碍还是不能站直？” → 再问“过伸试验强阳性？” → 逐步缩小范围，输出可能的病因（滑膜炎、髌骨嵌顿、腘肌损伤等）。
价值：模拟医生问诊逻辑，避免用户盲目猜测，提高诊断专业性。
2️⃣ 分层鉴别诊断（结构化推理）
业务描述：按照预设的临床路径（如“下蹲障碍”诊断树），AI自动输出分步骤的鉴别诊断列表，区分小幅度障碍、不能站直、后侧疼痛等不同分支。
截图体现：
小幅度障碍 → 肿胀（查滑膜炎） / 髌骨嵌顿（查股骨-髌骨关系）
不能站直 → 过伸试验强阳性（查膝后侧） / 过屈试验阳性（查膝前侧）
后侧疼痛 → 查臀后侧、腘斜韧带等具体结构
大幅度障碍 → 查脊柱侧弯、骨盆旋移、腿型等全身因素
价值：帮助医生/学员建立清晰的临床思维路径，减少漏诊。
3️⃣ 治疗靶点推荐（针刀/针灸定位）
业务描述：当AI完成诊断后，直接输出需要查治的具体解剖结构或压痛点，例如“查治臀后侧、腘斜韧带、腘肌下隐窝、籽骨、半腱肌、半膜肌”。
扩展功能：可进一步点击某个靶点，查看针刀松解进针方法、解剖图示、操作视频。
价值：从“是什么病”快速过渡到“怎么治”，尤其适合针刀医师临床参考。
4️⃣ 体征试验引导（辅助检查）
业务描述：AI主动建议用户或医生完成特定物理检查试验，如“正/反4字试验、直腿抬高试验、过屈/过伸试验”，并根据试验结果再推理。
交互方式：用户点击试验名称，可以查看操作图解或视频演示；也可输入试验结果为“阳性/阴性”，AI更新诊断结论。
价值：标准化体格检查，提升远程问诊的可靠性。
5️⃣ 多模态教学资源关联
业务描述：在诊断结果下方，直接推荐相关的教学视频、名医课程，例如截图中的“膝关节相关疾病的诊断及进针思路”、“唐国振膝关节临床操作演示”。
业务形态：可免费预览部分内容，完整课程需付费/订阅解锁。
价值：实现“即诊即学”，构建从诊疗到教育的闭环，增加用户粘性和付费转化。
6️⃣ 主动追问与健康档案记录
业务描述：在用户未主动提问时，AI可主动发起常见问题，例如截图底部的三个引导按钮：
“下蹲时膝关节有无疼痛？”
“膝关节活动时有响声吗？”
“平时走路或站立时膝盖感觉如何？”
数据沉淀：用户回答内容自动归入个人健康档案，形成长期追踪记录，未来复诊时可对比变化。
价值：变被动问答为主动健康管理，提升用户活跃度和数据丰富度。
7️⃣ 再答一次/调整诊断（可控生成）
业务描述：用户若对当前AI诊断不满意，可以点击“再答一次”按钮，AI会重新生成一组诊断思路或换一种推理逻辑（例如增加考虑肌筋膜链）
项目实现
数据层：项目实现的数据源头，决定模型能力的上限。需要海量、多维、高质量的中医数据，包括《黄帝内经》等经典古籍、病历和真实临床医案以及舌象图、语音记录等多模态数据。
平台/基座层：AI应用的核心引擎。项目主要采用三类基础模型：
开源/学术模型：如Qwen（阿里）、Llama（Meta）、ChatGLM，提供可二次开发的基础能力。
商业大厂模型：如华为盘古、百度文心/灵医、腾讯混元，具备强大的算力与成熟生态。
模型能力：模型平台需要具备强大的语义理解、逻辑推理、多模态识别等能力，同时必须具备支持 RAG（检索增强生成） 和 Agent（智能体） 架构的能力，以实现知识库的实时更新和复杂任务的分解执行。
模型层：将基座模型转化为一个“中医专家”的过程，也是项目实现的“灵魂”。核心优化技术包括：
监督微调（Supervised Fine-Tuning, SFT）：使用大量高质量的“问题-答案”对来训练基础模型，使其学会中医的“对话规则”。
检索增强生成（Retrieval-Augmented Generation, RAG）：让模型在回答问题时，不依赖记忆，而是“临时查阅”权威知识库（如典籍、教材），生成有出处的可靠回答。结合知识图谱的 GraphRAG 能实现更精准的知识关联。
多智能体协作（Multi-Agent System, MAS）：将问诊、辨证、开方等任务分配给多个专门的AI智能体，模拟医生的团队决策流程，提高诊断准确率和鲁棒性。
应用层：用户直接交互的前端和接口。基于上述模型能力，开发者可以构建微信小程序、APP等多样化的前端形态；同时，通过开放的API接口，让这些AI能力服务于更广泛的第三方应用。
平台/基座层：AI应用的核心引擎。项目主要采用三类基础模型：
开源/学术模型：如Qwen（阿里）、Llama（Meta）、ChatGLM，提供可二次开发的基础能力。
商业大厂模型：如华为盘古、百度文心/灵医、腾讯混元，具备强大的算力与成熟生态。
模型能力：模型平台需要具备强大的语义理解、逻辑推理、多模态识别等能力，同时必须具备支持 RAG（检索增强生成） 和 Agent（智能体） 架构的能力，以实现知识库的实时更新和复杂任务的分解执行。
模型层：将基座模型转化为一个“中医专家”的过程，也是项目实现的“灵魂”。核心优化技术包括：
监督微调（Supervised Fine-Tuning, SFT）：使用大量高质量的“问题-答案”对来训练基础模型，使其学会中医的“对话规则”。
检索增强生成（Retrieval-Augmented Generation, RAG）：让模型在回答问题时，不依赖记忆，而是“临时查阅”权威知识库（如典籍、教材），生成有出处的可靠回答。结合知识图谱的 GraphRAG 能实现更精准的知识关联。
多智能体协作（Multi-Agent System, MAS）：将问诊、辨证、开方等任务分配给多个专门的AI智能体，模拟医生的团队决策流程，提高诊断准确率和鲁棒性。
应用层：用户直接交互的前端和接口。基于上述模型能力，开发者可以构建微信小程序、APP等多样化的前端形态；同时，通过开放的API接口，让这些AI能力服务于更广泛的第三方应用。
示例图片视频
相似推荐
基于springboot的云之家OA和纷享销客数据交互插件
1. 立项背景和目标
公司同时使用云之家 OA（审批工作流）和纷享销客 CRM（客户/业务对象）两套系统，审批环节产生的业务数据（如订单审批、出差申请、报销流程等）需要回写到纷享销客对应的业务对象，原生云之家无法直接对接纷享销客的 OpenAPI，且双方系统在数据格式、鉴权方式、加密机制上完全不同（云之家采用 AES/ECB/PKCS5Padding 加密推送，纷享销客采用 OAuth2.0 + Bearer Token 鉴权）。本项目（mlxcl-middle）作为云之家与纷享销客之间的轻量级中间服务，承接云之家审批推送、解密、解析、调用纷享 OpenAPI 回写等完整链路，实现审批数据从 OA 到 CRM 的自动化流转。
2. 软件功能、核心功能模块介绍
服务基于 Spring Boot 3.3.5 构建，按职责划分为四大模块：
云之家推送接入（POST /middle/yunzhijia/testapi）：负责接收云之家 CloudFlow 推送的加密数据，使用 cloudflow-key（16 字节 AES 密钥）进行 AES/ECB/PKCS5Padding 解密，还原成明文 JSON 后进入业务处理链路；解密失败立即返回 error 避免阻塞云之家重试。
纷享销客 API 代理（POST /middle/fxiaoke/testapi）：作为纷享销客 OpenAPI 的统一入口，对外屏蔽鉴权细节，接收 dataObjectApiName + objectDataId 后自动识别预制对象（如 PersonnelObj）和自定义对象（ApiName 以 __c 结尾），分别路由到 /cgi/crm/v2/data/get 或 /cgi/crm/custom/v2/data/get 接口查询详情，并自动注入 x-fs-userid、x-fs-ea 等业务 Header。
通用数据处理中台（POST /api/process）：以 bizType 为路由键的策略模式分发器（TYPE_A / TYPE_B / Default），便于后续按业务类型扩展新的对接流程，无需改动主流程。
基础设施：统一响应封装 ApiResult<T>（code/message/data）、@Valid + @NotBlank 参数校验、Spring Boot Actuator 健康检查（/actuator/health）、/api/health 业务探活、WebMvcConfig 跨域配置。
3. 业务流程、功能路径描述
云之家→纷享审批数据流转（核心链路）：云之家工作流节点触发推送 → 调用 POST /middle/yunzhijia/testapi 传入加密报文 → 服务 AES 解密得到明文 → 落库/记录 → 立即返回 success 释放连接 → @Asy
基于python的K3ERP接口服务
1. 立项背景和目标
公司销售环节已使用纷享销客 CRM 管理客户、销售订单与回款流程，但财务、库存、生产环节仍依赖 K/3 ERP（SQL Server 2008 R2，AIS20130806192009 账套）。两套系统长期互不相通，订单需要人工二次录入，客户变更也无法及时回流到 ERP，导致数据孤岛、人力浪费以及业务-财务对账滞后等问题。本项目旨在构建一个轻量级中间对接服务（ConnectDemo），以 K/3 为主数据底座，将纷享销客的客户主数据与销售订单自动同步到 K/3，支撑业务一体化运营。
2. 软件功能、核心功能模块介绍
本服务围绕「K/3 数据查询、纷享→K/3 客户/订单同步、辅助工具、定时任务」四大模块建设，共 25+ 个 REST 接口：
K/3 业务数据查询：封装物料（ICItem）、库存（ICInventory）、销售订单（SEOrder）、应收单（ICSale）、收款单（ReceiveBill）、销售发票（ICSale2）六大实体的列表与数量接口，按日期范围分页查询。
客户主数据同步：调用纷享 Open API（/cgi/crm/v2/data/query）按 life_status=normal + k3_sync_fields_last_modify__c >= 1小时前 增量拉取客户，结合 Address/Contact 对象补全地址与联系人，写入 K/3 的 t_Item、t_Organization 表。
销售订单同步：/k3/sync-seorder 是核心，按 FBillNo + FHeadSelfS0170 来源标识判定新建/修改，调用 GetICMaxNum 存储过程获取 FInterID，通过 t_billcodeby 生成 XSDD15+yyyymmdd+流水号 形式的单据编号，写入 SEOrder 主表、明细表后执行 p_UpdateBillRelateData 重建关联。
辅助工具：地址智能解析（/util/parse-address-info）将「姓名+电话+省市区+详细地址」一锅端的混合文本拆分为结构化字段；客户档案修订接口（/account/update-account-number）支持必要时调整 K/3 客户编码。
3. 业务流程、功能路径描述
被动同步（客户）：纷享销客工作流回调 GET /fxapi/sync-accounts → 服务 60 秒后异步拉取最新客户 → 写入 K/3。主动同步（客户）：APScheduler 每小时执行 sync_accounts_from_fxiaoke_to_k3 → 调用本地 accounts_by_filters → 拉取增量客户 → 写入 K/3。
订单同步：纷享订单审批完成后回调 POST /k3/sync-seorder → 服务按
大型企业级ERP
本系统是为万人企业集团量身打造的大型ERP管理系统，涵盖财务、采购、生产、库存、人力等十余个核心模块，全面支撑集团及下属多家分子公司的日常运营与管控需求，助力企业实现集团一体化精细管理。
一、财务管理模块
涵盖总账管理、应收应付、固定资产管理、成本核算、预算管控等核心功能。支持多公司、多币种、多账套管理，自动生成集团合并报表与各分子公司独立财务报表。实现财务业务一体化，业务数据自动生成会计凭证，减少人工录入工作量，确保财务数据准确性与及时性。
二、采购管理模块
覆盖采购计划、供应商管理、询价比价、采购订单、采购入库、退货处理等全流程。支持集中采购与分散采购两种模式，满足集团统采统配与分厂自行采购并存的管理需求。系统自动记录供应商历史报价与履约情况，辅助比价选优。
三、生产管理模块
包含生产计划、物料需求计划、生产工单、进度跟踪、质量检验等功能。支持按订单生产与按库存生产两种模式，系统根据销售订单或库存预警自动生成生产建议，合理调配产能，避免资源浪费或产能不足。
四、库存管理模块
涵盖出入库管理、库存盘点、库存调拨、库存预警等功能，实现多仓库统一管理与数据实时同步。库存低于安全阈值时系统自动告警并生成补货建议，有效降低库存积压成本。
五、人力资源管理模块
包含组织架构管理、员工档案管理、考勤管理、薪酬管理、社保公积金管理等核心功能。考勤管理支持多区域多规则灵活配置，适配集团遍布全国的多子公司、多项目不同考勤规则，自动汇总生成考勤报表，对接薪酬模块自动核算工资。
六、审批工作流模块
支持按金额阶梯、事项类型、组织层级灵活配置审批流程，覆盖采购、付款、报销、合同、人事变动等超200种审批场景。审批进度实时追踪，有效提升集团管控效率。
七、经营决策看板
内置经营分析驾驶舱，通过图表实时呈现各分子公司收入、成本、利润、库存周转等关键经营指标，管理层一目了然掌握全局经营状况，为精准决策提供数据支撑。
数智管理平台
1.针对企业内部管理的公共平台，包含审批流程操作
2.核心模块人员起底，专业群组，自查填报等模块，包括平台的人员流动，人员打标以及审批流等基本操作
3.业务上人员从各个省份进行上报，各个省份权限管理员通过审批操作通过人员进入系统人员起底资源池
用户行为数据分析看板系统
1、立项背景和目标
传统企业在用户运营过程中面临数据分散、分析效率低、用户画像不清晰等问题。运营人员经常需要在多个系统间切换查看数据，无法快速获取用户行为全貌。为了解决这一痛点，我决定开发一套用户行为数据分析看板系统，目标是实现用户数据一站式查询、用户画像自动生成以及核心行为指标的可视化展示，将数据分析时间从小时级缩短至分钟级。
2、软件功能、核心功能模块的介绍
系统包含三大核心模块：
用户画像分析模块：基于用户行为数据自动生成画像标签，包括用户活跃时段（是否为夜猫子）、价值等级（高价值/低价值）、转化潜力（高转化率/低转化率）等多维度标签，帮助运营团队快速定位目标用户群体。
全局趋势分析模块：对用户四大核心行为（浏览、加购、购买、收藏）进行24小时内的时间分布统计，同时提供最畅销产品排行榜，让决策者一目了然地掌握整体运营态势。
精准查询模块：支持通过用户ID或产品ID进行精确检索，系统自动返回该用户/产品的完整画像数据和关联行为记录，满足精细化运营场景下的快速查询需求。
3、业务流程、功能路径描述
用户进入系统后，可直接在首页看到全局趋势概览，包括24小时行为分布柱状图、畅销产品排名等。如需深入了解特定用户，可在查询框输入用户ID，系统调用后端API查询数据库，返回该用户的画像标签和行为明细，并生成可视化图表。产品分析同理。整个流程从输入到结果展示控制在3秒以内。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服