算法模型 软件定制 案例

面向个人用户的去中心化本地AI Agent系统，用户数据完全本地存储，不上传云端。核心功能包括：1）基于大语言模型的智能对话与任务规划引擎，支持多轮复杂任务拆解；2）模块化插件架构，可接入浏览器自动化、邮件、日历等外部服务；3）本地向量数据库实现长期记忆管理，Agent可持续学习用户偏好；4）P2P通信协议支持多设备协同。系统注重隐私保护与离线可用性。

对于分散部署的安全终端，密钥协商过程协商出的密钥数据仅协商双方可知，使得通信双方的信息不可控，不便于全网系统的管理，为解决这一问题，研制该系统，以保障信息安全的自主可控。密钥集中管控系统通过对网络中的安全终端进行远程配置、远程管理及远程监控，实现网络加密设备的集中管控。其主要功能是在管理系统和安全重点通过相互身份认证建立安全信道及生成会话密钥后，管理系统将密钥数据、通信策略数据和其他管理数据通过专用密管协议以加密方式发送给密码设备；同时密码设备也可以将相应的数据加密后通过安全信道发送到管理系统，管理系统通过验证、解密后对密码设备数据进行解析处理，完成相应的管理工作。 平台由包括管理系统和安全终端组成，管理系统通过与安全终端建立安全信道以实现对安全终端的远程配置，远程管理以及远程监控。安全终端按照管理系统制定的策略对不同的数据包选择明通或密通，使用由管理系统生成的密钥数据对业务数据进行保护，以此完成业务数据的安全传输。

对课堂录播或直播视频进行全方位分析，从教师和学生两个维度综合评判教学质量，提供全自动化的课堂质量评估服务。帮助管理者客观量化教学水平，及时发现和纠正教学过程中的问题，推动教学质量的持续提升。

提供一站式的作业智能批改服务，分析处理学生上传的手写或打印的作业照片，审阅批改每道题的解答过程和最终答案，替代人工批改，提升批改效率和准确率。 核心业务流程分为三步：题目区域截取、题库入库和批改。

围棋对弈平台算法相关功能，包括以下三个部分： 1、吃子玩法AI，提供入门级人机对弈体验； 2、数子玩法AI，支持标准规则下的完整对局博弈； 3、拍照数子，对棋盘图片进行自动分析，快速计算双方目数并判定胜负。

1.用户端 AI 定制建模模块：消费者 / 装修设计师上传空间尺寸、手绘草图或照片，系统自动参数化生成异形台盆 3D 模型，可自由调整造型、釉色、开孔位置，实现可视化按需定制，解决传统陶瓷产品样式固定、个性化改造成本高的痛点。 2.工艺合规校验模块：后台自动校验模型脱模角度、壁厚、烧制收缩率等陶瓷生产工艺参数，不合格方案一键预警并给出修改建议，避免定制图纸无法落地生产。 3.模具自适应匹配模块：AI 根据定制模型自动拆分模件、生成数控加工指令，对接陶瓷模具加工设备，替代人工手绘开模图纸，大幅缩短模具开发周期。 4.生产全流程管控模块：涵盖挤压成型、喷釉、烧制、质检、订单排产全流程数据录入与追踪，工厂管理人员可实时查看订单进度、良品率，实现数字化排产。 5.订单与财务管理模块：自动核算定制加工费、模具费、物流费用，生成订单合同，对接对公收款台账，方便校企合作、对公项目财务对账。

为了使用神经网络进行高效的股票分析与预测，我自主研发了这套从股票数据的获取、清洗、到模型训练与预测的项目。 除了被模块化的神经网络的结构设计有问题，致使训练越来越糟，以至于最终放弃，其它部分均已达到最终设计目标。

1.项目背景和目标 背景：工业视觉场景（冷库安全监测、区域入侵检测、人员行为识别）普遍依赖云端 AI 方案，存在带宽成本高、延迟大、数据隐私风险等问题。端侧 AI 推理是明确趋势，但 RK3588 等边缘平台在工程化落地时面临模型部署、硬件加速、进程管理、稳定性保障等一系列工程难题。 目标：在 RK3588 平台上，从零构建一套可交付的边缘 AI 视觉推理系统，实现摄像头采集 → 硬件解码/预处理 → NPU 推理 → 结构化事件输出 → 远程运维监控的全链路产品化闭环。 2. 软件功能 核心功能模块 多源采集：V4L2 USB 摄像头、RTSP 网络流、视频文件、 硬件加速预处理：RGA 硬件加速 resize / CSC / letterbox，释放 CPU 给推理 NPU 推理引擎：RKNN 模型加载/推理、YOLO 检测类后处理适配、INT8 量化 结构化输出：JSONL 检测结果实时输出、TCP/UDS 事件流，直接对接业务系统 进程守护：mlfw-d 守护进程管理 pipeline 生命周期，异常自动重启 远程运维：Agent + tunnel-server 构建设备心跳/诊断上报链路 3.核心业务流程 命令行启动 →camera/rtsp/视频文件流 →MPP 解码 → NV12 原始帧 → RGA resize + letterbox (640x640) → RKNN NPU 推理 → 后处理 (NMS + 坐标映射) → 检测框绘制

一、项目具体功能模块 1. 视觉图像采集模块 对接海康威视工业相机，软硬触发自动拍照，采集无序堆叠 PCB 物料图像； 2. 无模板视觉识别模块 自研深度学习识别算法 + 残差网络追踪，无需提前制作像素模板，识别任意版型电路板，自动计算物料几何中心、矫正放置角度； 3. 机器人运动控制通讯模块 基于汇川机器人 SDK 开发，通过 Modbus TCP 协议将视觉坐标实时下发机械臂； 4. 柔性抓取执行模块 配套柔性吸盘专用抓取算法，控制机械臂有序取料、角度矫正、平稳放置传送带； 5. 产线数据与异常管控模块 自动识别光学 / 背景干扰，减少 NG 故障信号，全流程数据记录，配套完整源码交付。 二、 使用者落地实现的功能 1. 柔性无换型生产：摆脱传统单一版型限制，多种 PCB 物料无需制作模板即可自动识别，大幅减少换型调试工时； 2. 全自动无人上料：物料小车到位后全程自动化 —— 拍照识别→坐标计算→机器人抓取→对位下料，无需人工值守上料、调机； 3. 抗干扰稳定生产：解决车间光线、物料堆叠背景干扰问题，降低设备报错停机频次； 4. 产线效能优化：提升上料节拍速度，缩减岗位人力投入，减少不良品触发； 5. 完整自主可控交付：项目配套全部源代码，企业可自主二次调试、迭代优化，同时配套技术落地培训。 三、项目运用的核心技术 1. 硬件对接开发：汇川机器人硬件 SDK、海康威视相机 SDK 二次开发； 2. 视觉底层算法：OpenCV 图像处理、自研残差网络目标追踪结构、自研检测头与专属损失函数； 3. 无序物料识别算法：无模板堆叠物料识别、亚像素级几何中心计算、物料角度自动矫正； 4. 工业通讯：Modbus TCP 实时坐标传输； 5. 运动控制：柔性吸盘抓取专属运动算法，机械臂联动调度逻辑。 四、项目核心优势 1. 识别精度高：物料识别准确度 98.1%，适配 PCB 高端制造精度标准； 2. 生产效率提升：上料流程速率整体提升 30%； 3. 人力成本节约：无需专人值守调机、制作模板，节省产线 20% 人力成本； 4. 稳定性更强：受光线、物料背景干扰产生的 NG 报错信号减少 13%； 5. 柔性通用：无模板识别，支持多版型共线生产，换型零模板制作成本； 6. 交付完整可控：项目源码一次性交付，企业具备自主迭代、维护能力，适配长期产线升级。

核心技术架构 1. 平台接入层 框架：NoneBot2 + OneBot V11 QQ 接入：NapCatQQ（最终方案，解决了登录风控问题） 放弃过的方案：go-cqhttp（风控）、Lagrange（签名失效） 2. 对话大脑层（分层人格引擎） 消息处理优先级从高到低： 经典梗硬匹配库（关键词直接返回） system_prompt.txt（基础人设提示词，v9 版本，经过多轮优化） 人格规则检索（traits/styles/behaviors 三个 JSON，语义匹配触发） 直播记忆 RAG（80+ 条场景化陈述，智谱 Embedding + 余弦相似度） 用户短期记忆（最近 3 轮对话）+ 长期记忆系统 3. 记忆系统 短期记忆：记录最近 3 轮对话（6 条消息），解决借口一致性问题 长期记忆：MemGPT 风格的增量更新机制，为每位用户维护独立记忆卡，包含印象标签、用户事实、自我披露记录、关系等级。关系等级随互动次数自动升级（stranger → acquaintance → familiar → close），动态调整 AI 的括号频率、心虚频率和防御姿态 4. 人格数据层 system_prompt.txt：从真实数据反写蒸馏，经过 v1-v9 九轮迭代优化 三个 JSON 文件（traits/styles/behaviors）：由 analyze_persona.py 从场景化陈述中自动提取 80+ 条场景化陈述：覆盖日常喜剧、深夜脆弱、童年友情、家庭关系、粉丝互动、同事社交、情感经历等维度 5. 数据流水线 语音转写：faster-whisper (medium) + 本地 GPU (RTX 4060) 场景化陈述生成：专用提示词，从切片提取结构化第三人称描述 向量化入库：generate_vectors.py → corpus_vectors.json 人格蒸馏：generate_persona.py → 更新 persona/ 下三个 JSON

针对GNSS拒止及复杂环境条件下无人机仅依赖视觉信息进行稳定定位所面临的挑战，围绕绝对视觉定位与相对视觉定位的协同应用开展研究，提出了一种面向复杂场景的无人机视觉定位方法，实现无人机轻量化的视觉定位。

1. 立项背景和目标：信号与系统是通信工程、自动控制等专业的重要理论基础，但课程中的傅里叶变换、卷积积分等概念抽象难懂，时域波形与频域频谱的对应关系不易直观建立。本项目旨在利用MATLAB对矩形脉冲、正弦信号、指数衰减信号和三角波信号进行系统建模，通过图形化方式展示信号的时域变化规律与频域组成结构，从而辅助理解连续信号的核心分析理论，验证傅里叶变换与卷积积分的数学结论。 2. 核心功能模块：系统包含四大核心模块。一是典型信号发生器，支持生成四种标准连续信号（矩形脉冲、正弦波、指数衰减、三角波），并可调整幅值、脉宽、频率等参数；二是时域运算模块，可对信号执行平移、反褶、尺度变换、数值微分和累积积分等基本操作，观察波形形态变化；三是卷积积分分析模块，实现矩形脉冲自卷积的数值解，并与解析推导结果（三角形信号）进行对比验证；四是频谱分析模块，基于FFT算法计算信号的幅频特性与相频特性，展示频率成分分布。 3. 业务流程：用户首先选定信号类型（如矩形脉冲）并生成原始时域波形；随后对该信号施加平移、反褶或尺度变换等运算，观察波形在时间轴上的位置、方向与宽度变化；接着调用卷积模块，通过计算两个矩形脉冲在不同相对位移下的重叠长度，验证卷积结果的三角形特征；最后执行FFT变换，获取幅频与相频曲线，完成从“时域特征观察 → 时域运算处理 → 卷积响应分析 → 频域特征提取”的完整分析闭环。

1、客观题：学生朗读单词、句子、段落等英文文本，算法模型判断学生发音判断朗读的完整性和准确性，给予评分。 2、主观题：对话简答题型、作文题，识别学生朗读的音频数据为文本，再通过语义模型判断是否完整，给出参考分数。

1. 立项背景和目标： 传统无线接入点部署依赖人工经验或遗传算法、粒子群、模拟退火等启发式搜索，存在计算耗时长、目标约束难表达、决策过程缺乏解释性等问题。本项目面向城市无线网络规划场景，将 RadioMap 传播预测模型与大语言模型推理结合，目标是根据用户提出的覆盖率、频谱效率、容量、冗余度和站点数量等要求，自动生成接入点部署方案，并通过可视化方式展示每一步决策依据和性能变化。 2. 软件功能及核心模块： 系统主要包含五类功能：一是代理模型模块，使用 PMNet、RMNet、UNet、TransUNet、RadioUNet 快速预测无线传播和路径增益；二是 ReAct 决策模块，将自然语言需求解析为目标、约束和指标权重，循环执行新增、删除、移动站点或停止等动作；三是初始化策略模块，支持随机、贪心、预训练策略及“两阶段排序”初始化；四是启发式基线模块，集成 GA、PSO、SA、Greedy、候选枚举和穷举方法；五是 Web 可视化模块，实时展示覆盖图、路径增益图、站点位置、指标和决策轨迹。 3. 业务流程和功能路径： 用户在 Web 页面选择城市地图、需求模板、规划器、代理模型和候选数量后启动任务；系统首先解析自然语言需求，再生成初始站点集合，通过代理模型计算覆盖率、频谱效率和冗余率；随后从合法候选位置中筛选 Top-K 点位，由 ReAct 或启发式规划器决定下一步动作，并重新评估指标，直至满足约束或达到最大步数。运行过程写入轨迹文件，由后端以约 200ms 周期监控，并通过 SSE 推送到前端，最终形成部署方案、指标汇总和可回溯的动作链。

立项背景和目标： 个人投资者和中小型量化团队在进行多因子策略研发时，缺乏一套集数据获取、因子计算、策略回测和可视化分析于一体的工具链。开发目标：构建一套开源风格的股票多因子分析系统，支持100+个因子的批量计算、IC/IR分析及策略回测。 软件功能、核心功能模块介绍： 系统包含五个核心模块。（1）数据源模块：集成AKShare、Tushare等多个金融数据接口，自动获取日频量价数据、财务数据和行业分类数据。（2）因子库模块：内置估值类、成长类、质量类、动量类四大类共100+个因子计算公式。（3）因子评估模块：自动计算因子的IC值、IR值、RankIC及分位数组合收益。（4）回测引擎模块：基于VectorBT构建，支持多因子打分选股、单因子分层回测等策略模式。（5）可视化模块：以图表形式展示因子表现和回测结果。 业务流程、功能路径描述： 用户在数据源页面选择股票池（如沪深300）和时间范围，点击“更新数据”。进入因子计算页面，勾选需要计算的因子后系统批量生成因子值。因子评估页面自动输出IC序列图和分组收益柱状图。回测页面设置调仓频率、持仓数量等参数后运行回测，输出净值曲线、年化收益、最大回撤等绩效指标。

Alice Cecilia站点业务全景 站点定位：技术博客+安全防护演示+AI服务+Minecraft社区的综合型个人站点，域名alicececilia.top，服务自建私有服务器，通过OpenFRP内网穿透对外暴露，隐藏真实物理位置。 核心业务线： 博客（主业务）：Markdown写作，支持frontmatter元数据；7大分类：安全防御/Windows/人工智能/游戏/站点/日常/我的世界服务器（置顶）；集成Pagefind全文搜索、Bilibili追番+TMDB元数据模块、RSS订阅、Canvas海报分享；响应式暗色主题（樱花粉/奶白浅色系）。已发布27篇文章，涵盖安全防御架构、Windows加固、AI部署等内容。 自研WAF：七层防御体系（早期拒绝→扫描器检测→蜜罐→速率限制→CSRF→路径归一化→代理转发）；含6+种虚假响应蜜罐（.env泄露、WordPress等）及Tarpit延迟；支持CL+TE冲突检测、TE值混淆的请求走私防护；5条路径混淆对抗规则；扫描器识别（同路径连续+总量阈值+零合法访问）；扫描器302重定向至gov.cn/miit/网警等站点；IPv4/IPv6 CIDR子网级永久封禁，拦截记录存档；三级熔断（NORMAL→LOCKDOWN仅静态→KILLED全站下线），看门狗60s自愈；JSONL持久化威胁日志，含威胁评分与扫描器分类。 AEGIS全域防护中心（部署于/aegis，实时态势感知核心）：四象限布局——Q1在线用户&流量详情：实时显示活跃IP、服务归属、地区、在线时长；博客/对话/动漫/管理四项流量柱状图；8大区域（东亚/东南亚等）在线/累计热力图。Q2全球攻防流量地图：globe.gl+Three.js/WebGL渲染3D地球；红/蓝飞线区分攻击/正常访问（虚线流动动画）；脉冲信标（大小对应流量）、52个全球城市节点；对象池优化避免闪烁。Q3系统统计&实时监控：NORMAL/WARNING/DANGER三级状态指示；RPS实时计算+迷你趋势图；4xx/5xx错误率统计；L0-L7七段防御状态条；蜜罐触发数/封禁IP数/熔断状态统计；SQL注入/扫描器等威胁标签自动分类。Q4攻击详情：攻击类型排行柱状图；HTTP方法（GET/POST/HEAD等异常）分布统计；实时攻击日志流（类型标签+路径+来源IP+计数）。面板特性：2秒全实时刷新；sec-fetch-site浏览器保护避免WAF误判；通过/alice/admin/stats JSON API拉取数据；攻击源IP自动地理定位。

本项目面向受限停车场景下的自动驾驶车辆路径规划与导航需求，目标是提升车辆在狭窄通道、密集障碍物和有限操纵空间中的停车成功率、安全性和规划效率。系统结合大语言模型（LLM）、Hybrid A* 路径规划和深度强化学习技术：LLM 负责分析停车场布局、障碍物分布及目标车位，生成高层语义规划指导；Hybrid A* 根据车辆运动学约束搜索可行全局路径；基于 PPO 的深度强化学习导航模块输出速度和转向角，实现局部路径跟踪、连续控制和动态避障。业务流程为：输入车辆初始状态、目标停车位及环境地图后，系统先进行场景建模和障碍物检测，再由 LLM 生成规划提示，Hybrid A* 完成路径搜索，最后由 DRL 控制模块执行导航并持续评估安全距离、路径平滑度和停车精度，直至车辆安全到达目标车位。

核心功能模块： 智能拍照模块：通过一体机的高清摄像头，引导用户完成照片拍摄，并进行基础的人脸检测与图像预处理。 AI换装/人脸融合模块：这是系统的核心。用户选择心仪的虚拟服装、角色或背景模板后，系统调用AI模型，将用户的人脸精确、自然地融合到模板中，生成换装或合影效果图。 在线商城与支付模块：用户可浏览不同的拍照套餐、相框模板等商品，加入购物车并通过集成的移动支付（如微信支付）完成下单。 即时打印与电子交付模块：支付完成后，系统自动连接高清照片打印机完成照片打印；同时，电子版照片会通过小程序或短信发送给用户，方便分享和保存。 多端管理与监控模块： 管理后台：供运营方管理设备、模板、价格策略，并查看经营数据。 运营App：供现场运营人员远程监控设备状态、处理打印异常和退款等。 用户小程序：供用户查看购买记录、下载电子照片。 业务流程描述：用户在一体机触屏上选择喜欢的主题或模板 -> 根据引导完成拍照 -> 系统自动进行AI换脸/换装处理并预览效果 -> 用户满意后，选择购买套餐（如打印照片或获取电子版）-> 通过手机扫码完成支付 -> 系统自动打印照片并推送电子版到用户小程序

1. 为什么要做这个） PLC工程师写SCL代码有个很烦的事——语法规矩特别多。等于号在C语言里是==，在SCL里是=。赋值在别处用=，SCL非得用:=。IF后面忘了END_IF，CASE漏了ELSE，编译器只告诉你错了，不告诉你哪错，更不会帮你改。一个工程师来回编译、报错、猜、改能折腾很长时间。后来发现大模型也能写SCL，但写出来的更离谱——&&、!=这些C语言习惯全带进来，true/false小写不认，IF/CASE各种缺胳膊少腿。思路很简单：既然LLM犯的错就那么几类，每类长什么样我们也知道，写一套固定规则帮它改就行了。不用重新训练模型，写死规则，来一个修一个，结果永远确定。 2. 能干什么 拆成四块：第一，让大模型写代码。用大白话描述控制需求，背后接了好几个大模型可以换着用。第二，帮它补骨架。LLM经常忘了关IF、关CASE，用一个叫下推自动机的方法跟踪成对关键字，哪缺了自动在正确位置补上。本质是聪明的括号匹配，但能处理嵌套——IF里套CASE，正则搞不定，必须用栈。第三，帮它改小毛病。&&改AND，!=改<>，true改TRUE，一共11种常见错误，8种自动改，3种标记提醒。改等于号最危险——在IF条件里它是合法比较符不能瞎改，设了三层保护确保不破坏逻辑。第四，浏览器打开就能用，代码直接复制到TIA Portal编译。 3. 怎么用 三步：网页上用大白话写控制逻辑，选PLC型号。点生成等几秒，大模型出初稿。工具自动修一遍语法错误，拷走拿去编译。想再改可以手动编辑或者对话精修。从需求到能编译的代码，快的就几分钟。

1.2.项目目标 构建一个集智能体全生命周期管理、场景灵活配置、知识集中管理、数据一体化运营与分析于一体的智能体运营管理平台，实现运营工作的敏捷化、智能化、精细化和安全可控，显著提升用户体验和公司运营效率。 具体可量化目标： 1.运营效率提升：赋能运营人员自主完成超过90%的日常配置工作，将智能体场景迭代周期从传统的2周缩短至3天以内。 2.知识管理效率：实现知识库更新的即时生效，确保知识的一致性和准确性。 3.数据分析效能：运营数据统计分析效率提升70%，支持数据驱动的决策优化。 4.安全与合规：严格遵循网络安全等级保护二级标准，通过数据传输加密、访问控制及安全审计等防护体系，全方位保障用户数据安全与系统稳定运行。 1.3.项目范围与边界 1.业务范围：本项目涉及营销域，主要聚焦南网在线智能体的运营管理环节，涵盖电费查询、业扩报装等核心场景的配置与流程修改优化，不涉及前端APP集成开发、中台接口改造及大模型训练等环节。