人工智能 算法模型 软件定制 案例

MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统，旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然，以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心，结合游戏引擎的角色运动系统，实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括： 动画数据采集与处理： 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息，完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练： 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能，支持模型检查点管理、训练指标记录及实验评估。 条件动作生成： 利用角色根运动轨迹、历史动作状态及参考姿态等条件，生成连续骨骼动作，研究不同运动条件下的动画生成效果。 复杂动作约束： 针对跑酷、跨越障碍等复杂场景，支持参考姿态引导及关键帧约束，改善动作准确性与空间匹配效果。 UE 动画集成与验证： 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力，支持生成动作的预览、重建、测试及效果分析。 模型评测与对比： 通过骨骼位置误差、运动连续性、关键帧约束误差等指标，对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设，为智能角色运动与游戏动画自动化提供技术基础。

铁蛋智创 - 智能投标文件编制桌面工具 铁蛋智创是面向工程、水利、基建行业的本地桌面版标书编制软件，专为投标从业人员打造，依托 AI 大模型能力，简化标书撰写、素材管理、合规自查全流程，所有项目数据默认本地存储，无需上传云端，保障企业资料安全。 核心业务功能 1. 招标文件解析 导入招标 PDF 文件，自动提取招标范围、资质要求、工期、评分项、否决条款，自动拆解标书编制要点，减少人工翻阅招标文件的工作量。 2. 标书模板管理 内置可自定义标书模板库，支持分行业（水利、房建、市政等）模板维护；可保存企业通用素材：企业简介、人员资质、设备清单、业绩案例，一键插入到投标文档。模板、素材全部保存在本地 SQLite 数据库，支持分类检索、快速调用。 3. AI 辅助标书撰写 支持接入 MiniMax H3、Codex 等大模型 API。根据招标文件要求 + 企业素材库，自动生成技术方案、施工组织设计、人员配置、质量安全保障方案等标书内容；支持局部改写、扩写、精简文本，支持自定义提示词控制写作风格。 4. Word 文档生成与样式控制 一键导出标准 Word 投标文件，自动统一标题层级、自动编号、页眉页脚、表格排版；支持在软件内实时预览文档，无需反复打开 Office 调试，可单独修改任意章节内容。 5. 标书合规自检 对标书内容做关键词校验、条款匹配检查，筛查漏项、不符合招标要求的内容；文本查重，检查段落重复冗余内容，提前规避废标风险。 6. 项目全生命周期管理 新建项目、归档项目，每个项目独立保存招标文件、生成的标书草稿、素材引用记录；支持项目备份、导出迁移，方便多项目管理。 7. 灵活模型切换 软件内置模型配置面板，用户自行填入 API 密钥，自由切换不同 AI 模型，可调整模型参数、自定义接口地址，适配不同 API 中转服务。 产品优势 ✅ Windows 本地桌面程序，项目资料本地保存，敏感资质不上云 ✅ 轻量化部署，客户无需安装额外数据库，解压 / 安装即可使用 ✅ 可按需定制：新增行业模板、自定义质检规则、对接指定大模型 ✅ 支持二次开发定制，可根据企业需求增加专属业务模块

端到端c端 agent，端到端解决用户提出的复杂问题，例如旅行规划，做excel ，做ppt ，资源查找，是类似于manus 或者muse的 端到端交付的agent ，并且能够打通阿里系工具链路，能够结合飞猪工具进行酒店预订，机票预订，能够结合高德工具进行旅游规划，能够结合闪购工具帮用户点外卖。目前已经上线千问app。

这个项目本质上是一套面向涤纶丝盘生产质量控制的AI视觉缺陷检测方案。 在涤纶丝盘生产过程中，产品表面尤其是弧面可能出现各种异常缺陷。传统生产现场主要依赖人工进行外观检查，但是人工检测存在三个比较明显的问题：检测速度受限、长时间作业容易产生疲劳、不同人员的判断标准存在差异，因此检测结果的一致性和稳定性不足。论文也明确指出，开发自动化涤纶丝盘缺陷检测技术具有实际生产意义。基于改进Yolo11的涤纶丝盘弧面缺陷检测

1. 系统概述与定位 本系统是一个面向企业或个人的AI智能体（Agent）全生命周期管理平台。它不仅提供智能体对话交互功能，更核心的价值在于：允许客户根据自身业务需求动态添加、配置个性化的智能体，并对其使用效果进行量化评测。系统旨在解决大模型落地过程中“智能体创建难、管理散、效果不可控”的痛点，打造从“创建→使用→评测→优化”的闭环生态。 2. 核心功能模块 智能体动态管理：支持客户自主创建并接入多种类型的智能体。如图中所示，用户可在顶部下拉菜单选择“AI英语学习助手”或“通用助手”。平台支持智能体角色的动态注册与配置，客户可自定义智能体的提示词（Prompt）、知识库范围、模型参数及工具调用能力，实现智能体的无限扩展与灵活切换。 多会话交互与历史管理：提供流畅的对话界面，支持“流式模式”输出，提升用户等待体验。左侧“历史对话”栏记录用户的每一次会话，包括对话标题（如“hi和hello的区别”）、所属智能体类型及时间戳。支持“新建会话”，方便用户针对不同主题进行隔离讨论，同时便于后期回溯与审计。 使用效果评测平台：这是本系统的核心差异化功能。平台在后台记录用户与智能体的完整交互数据（问题、回答、响应时间等）。通过对这些数据的分析，平台可对智能体的回答质量、准确性、响应速度、用户满意度等维度进行量化评测。客户可依据评测报告，针对性地优化智能体的Prompt或知识库，从而持续提升智能体在具体业务场景下的表现。 3. 业务价值 该系统将“智能体使用”与“效果评测”深度结合，既满足了用户即开即用的对话需求，又为客户提供了持续优化智能体性能的数据支撑。通过动态添加智能体，企业可以快速构建适配不同部门（如客服、教研、行政）的专属AI助手，并通过评测机制确保其输出质量，真正实现AI能力的可管、可控、可优化。

1. 系统概述与目标 智能公文处理系统旨在解决传统公文处理中人工录入繁琐、格式不统一、要素提取困难等痛点。系统面向政府机关、企事业单位的办公场景，利用人工智能技术，实现公文从非结构化文本到结构化数据的自动转化，以及标准化公文的自动生成与排版，大幅提升公文流转与归档的效率。 2. 核心功能模块 系统主要包含三大核心功能模块，覆盖公文处理的全生命周期： 公文要素抽取：针对已有的公文原文，系统能够智能识别并提取关键的结构化要素。如图所示，输入一段包含“份号、密级、紧急程度、发文机关”等内容的公文文本，系统可自动解析出包括文档编号（doc_id）、密级（security_level）、紧急程度（urgency）、发文机关（issuer）、发文字号（doc_number）、签发人（signer）、标题（title）、主送机关（main_receiver）以及正文（body）等字段，并以 JSON 格式输出，便于后续的数据入库与检索。 公文标题抽取（层级结构解析）：针对公文正文，系统支持多级标题的层级结构提取。例如，输入包含“一、总体要求”、“（一）指导思想”等内容的文本，系统能精准识别出标题的层级（Level 1、Level 2）、序号（Num）、文本内容（Text）以及在原文中的位置（Position），输出结构化的 JSON 数组，帮助用户快速理清公文脉络。 智能排版与生成：系统提供表单化的公文内容编辑界面。用户只需填写份号、密级、紧急程度、发文机关标志、发文字号、签发人、标题、主送机关、正文等基础信息，系统即可在右侧实时预览并生成符合国家标准的公文格式文档。预览区清晰展示了版头、主体、附件说明、发文机关署名及成文日期等规范要素。 3. 业务价值 该系统将公文处理从“人工阅读+手动录入”转变为“智能识别+自动生成”，不仅降低了人工成本，还显著提升了公文数据的准确性与标准化程度，为后续的公文知识库构建和智能检索奠定了数据基础。

1、本系统是一套面向语音转文字场景的 ASR 应用，旨在为用户提供便捷、高效的音频转写与实时语音识别能力。系统界面简洁直观，主要包含“文件转写”和“实时语音转写”两大功能模块，覆盖离线音频处理与在线实时识别两类典型需求。 2、在文件转写方面，系统支持选择本地音频文件进行转写，兼容 WAV、MP3、M4A、FLAC、OGG、WEBM 等多种主流音频格式，用户点击“选择文件”后即可上传待处理音频，再点击“开始转写”按钮，系统便会自动完成识别并将结果展示在“转写结果”区域。例如上传 sample.wav 后，可得到“我想问我在滨海新区有房”这样的文本输出，整个过程操作简单、反馈直观。 3、在实时语音转写方面，系统支持调用麦克风进行在线识别。用户点击“开始录音”按钮后，系统即可实时采集语音并持续转换为文字，界面下方会同步显示转写内容，适用于会议记录、语音输入、现场访谈等需要即时转写的场景。未开始录音时，区域会提示“点击‘开始录音’以开始实时转写…”，引导清晰。

**1、背景** 某单位在日常运转中积累了大量的历史材料，这些材料长期分散存放，缺乏统一的管理标准与归档机制，导致查找困难、版本混乱、复用率低，甚至存在丢失风险。随着业务发展和对历史资料依赖程度的提高，单位迫切需要一套能够对历史材料进行集中存储、分类管理和安全管控的系统，以实现资料从“分散保存”向“统一治理”的转变，为后续的知识沉淀和智能化应用打下基础。 **2、功能** 系统以知识库为核心管理单元，支持文件上传，并按照不同组织的知识库进行分类管理。系统允许无限创建知识库，每个知识库可独立承载某一组织或某一主题的资料，互不干扰。在权限层面，系统实行严格的访问控制，只有具备相应权限的人员才能访问对应的知识库，无权限用户无法查看、上传或检索其中的内容，从而保障资料的安全性与保密性。通过“组织—知识库—文件”的三级结构，单位可以实现历史材料的精细化、可扩展管理。 **3、流程** 使用流程清晰且易于操作。用户登录后，首先选择已有知识库，或根据业务需要新建知识库；随后将所需的历史文件上传至对应知识库中，系统对上传文件进行解析与量化处理，提取文本内容并转化为可供检索的向量数据；完成量化后，这些资料即可作为知识源提供给大模型，用于 RAG（检索增强生成）场景，实现基于单位历史材料的智能问答与知识复用。整体形成“选择/创建知识库—上传文件—量化处理—供大模型 RAG 使用”的闭环流程，既满足统一管理需求，又为智能化应用提供高质量的数据支撑。

在奶牛养殖行业中，奶牛的健康状况直接影响产奶量和牧场效益。躺卧行为是衡量奶牛舒适度和健康状况的关键指标，躺卧时间异常往往是跛行、乳房炎等疾病的早期信号。传统人工巡检效率低、主观性强且难以做到全天候覆盖。本项目旨在利用计算机视觉技术，实现对牧场奶牛躺卧行为的自动化、非接触式监测，帮助牧场实现精准健康管理，降低人工成本。

这是一个AI客服，用于对业务不熟悉的客户，帮助他们快速查询一下关于业务问题，并在需要时转接人工，是一个省时省力的系统，可以对接业务。它能自动解答常见疑问，减少等待时间，提升服务效率，让客户咨询更顺畅。AI客服网址上线！WSDL转Mock真实对接业务系统，咨询、查询、办理全流程畅通。内置AI风控，仅受理业务询问与处理，无关闲聊、越权内容不受理。安全合规，欢迎体验。

「深空舰队：自治作战」是一款以"可训练的 AI 舰队指挥官"与"无限程序化星图"为核心卖点的太空即时战略游戏。对使用者而言，它把即时战略从"逐一下达单元微操"升级为"下达舰队级战术意图"：玩家以集火、包抄、编队、撤离、抢占资源点等指令指挥一支自治舰群，每艘舰由一个多智能体强化学习智能体实时决策（每 33ms 一个决策周期），自主判断接敌距离、护盾状态、阵型站位与火力分配，相当于拥有了一支"听得懂战术意图、打得像职业选手"的 AI 舰队。游戏内置训练与评估平台，玩家可在训练场微调 AI 并复盘其每一步决策依据；并提供单人战役与多人在线对战，配套 Elo 天梯、观战与指令级回放。 功能模块：①多人在线对战——支持 1v1/2v2/3v3，同屏 1600+ 单位，服务端 30Hz 权威仿真 + 客户端预测与 128ms 回滚，Elo 天梯匹配，支持延迟观战与指令级回放。②AI 自治舰队——玩家只发舰队级指令，单元级动作由策略网络实时解算，支持手动/半自动/全自动三档接管，全自动可离线挂机刷资源。③程序化星图生成——规则拓扑 + 扩散模型细化，行星/星云/资源带/隘口符合可玩性约束（出生点对称、资源均衡、路径连通），单图生成 <2 秒，舰船与星球贴图由微调扩散模型按风格化提示生成。④舰队编辑器——舰船分类（护卫舰/巡洋舰/航母/侦察舰）、武器槽位、护盾/引擎模组装配，装配影响智能体观测与动作空间，可保存编队与战术预设。⑤战役与动态叙事——程序化任务链，敌方指挥官对话与任务简报由微调 LLaMA-7B 实时生成，每次游玩文案不重复。⑥训练场与复盘——AI 决策可视化（注意力热力图、价值曲线、动作分布），单局轨迹可一键导出继续训练。 主要功能路径：登录建号 → 装配编队 → Elo 匹配 → 加载程序化星图 → 对局（下达舰队级指令，自治舰群解算单元动作，服务端权威结算弹道/碰撞/伤害）→ 结算复盘（胜负/资源/AI 决策可视化）→ 天梯更新与轨迹入池再训练。

2024.07 - 2026.5.20 中力股份 核心产品规控算法研发： 1。负责公司 xqe、xqc、xp3、xsc 系列叉车机器人的横纵向控制算法及软件开发。在高精度堆叠任务中，将取卸容差控制在 ±1cm 以内；在托盘货架场景下，实现最小 7.5cm 间隙的极窄空间高精度作业。 2.机场牵引车运动控制：支持 VDA5050 协议，实现直线 20km/h、倒车 7.6km/h、转弯 10km/h 的平稳行驶；通过轨迹预推技术攻克直角弯通过性判断难题；实现自动过挂钩功能，挂钩容差 3cm，重复到点误差 ≤3cm。 3.分布式仓储效能优化：开发出库预测与入库管理系统，通过夜间预移位策略，将单日平均掏货次数降低 8.72 倍，显著提升出库效率。 4.石花酒业项目部署：负责 6 台 xqe201 无人叉车的全流程部署，涵盖路线规划、调度逻辑、信号对接及取卸货运动控制调试。 针对该密集堆垛场景有一份专利正在受审。 5. 调试工具开发：编写参考线偏移调试和舵轮以及行走标定工具，通过软件算法补偿机械偏差，确保 AGV 在密集堆垛以及小距离托盘货架场景中保持精确对中行驶。 2026.5.25 - 至今 湖南大学无锡智能控制研究院 核心产品控制及底盘算法研发 1.负责研究院机车牵引的AGV车钩自动控制系统开发，该AGV底盘采用MODBUS TCP协议的PCL通信，基于此协议开发底盘通信软件，主要负责控制与底盘数据的收发处理。同时开发AGV的横纵向控制算法、挂钩的控制算法、安全检测模块。 2.开发网页端的车辆调试工具，主要功能有查看车辆实时状态、故障；监控一个或多个节点的 CPU/内存等资源占用；分析历史日志、画曲线；实时观察数据曲线；上传/下载/压缩/删除文件；在线查看、编辑车辆上的文本文件；启动测试工具、调动态参数；录制/回放/校验车辆话题 bag；新增车辆、修改 IP/密码/话题；支持多车在线切换，无需在车端安装，只需在客户端配置车端IP、用户名、密码后，即可使用。

本项目针对网络安全运维日志繁杂、人工撰写安全报告效率低、大模型生成易产生幻觉的痛点，设计 SecLOG 智能报告生成系统。系统支持日志文件上传解析、多格式知识库文档导入，结合威胁情报库完成事件提取与攻击链还原；依托混合检索与知识图谱为大模型提供事实约束，自动生成附带证据链的安全运维报告。同时提供人工复核批注、报告归档、批量导出与审计留痕功能，面向校园与小型安全运维场景，实现从原始安全日志到标准化安全报告的自动化业务流程。

1、高效、精准地识别铁路沿线防护围栏的各类破损情况，包括整体缺失、局部损坏及结构性倒塌等。基于对检测视频的全面分析，识别准确率在行业中处于领先水平，为快速修复与物理隔离提供了首要的决策依据； 2、对铁路沿线的周边环境进行精细化扫描与检测，准确识别出可能存在的彩钢瓦房等硬质飘浮物隐患，实时关联其与铁路线的相对位置与距离，及时发现潜在风险，实现从源头预警； 3、精准检测非法进入铁路限界的行人，通过分析入线行为的发生点位置，智能关联与回溯周边围栏或防护网的潜在缺口或薄弱环节，精准指导维护人员定位并修复物理防护漏洞，从根本上消除行人入线的风险源头； 4、系统提供隐患分析任务创建、任务管理、疑似隐患核查、隐患库、分析报告和隐患统计等功能；页面友好，操作简单；实现了铁路路外安全隐患的精准识别、快速响应与高效治理。

1、立项背景和目标： 面向社群运营场景打造AI虚拟角色：它拥有稳定独立的人格设定，能在群聊和私聊中与人实时互动，支持文字与语音双形态，用于社群陪伴与内容运营。目标是让AI角色"有人设、有记忆、能持续陪伴"，而非普通问答机器人。 2、软件功能、核心功能模块： 消息路由模块：统一收发多平台消息，支持25种以上消息类型；人格引擎：人设Prompt模板管理配合情绪状态机，保证角色性格连贯；记忆系统：短期上下文与长期记忆分层存储，长期记忆持久化入库并按相关性召回；语音管线：TTS语音合成与ASR语音转写，支持群聊语音互动；WebUI管理面板：对话记录查看、记忆编辑、人格配置、运行状态日志。 3、业务流程、功能路径： 用户在群聊中@角色或发起私聊→消息经WebSocket长连接进入消息路由器→人格引擎结合人设与召回记忆生成回复→经TTS合成语音→文字与语音消息返回群聊；管理员通过WebUI面板调整人设、编辑记忆、监控运行日志。

为企业量身定做的智能办公助手,员工借助该助手可以了解公司的规章制度,各种业务流程规范等,并可以结合业务需求,使用大模型分析做出最优方案;且根据员工身份的不同,做不同的权限控制,按照不同的角色实现不同的回答.

1. 立项背景和目标： 针对传统ProGAN在生成高分辨率纹理时存在的模式崩塌、细节模糊及训练不稳定性问题，本项目旨在构建一套高保真纹理生成系统。目标是通过算法优化，实现4K级无缝纹理的自动化生成，解决游戏与影视制作中美术资产生产效率低、重复度高的问题，将单张高质量纹理的生产时间从数小时缩短至分钟级，并显著提升生成结果的多样性与真实感。 2. 软件功能、核心功能模块的介绍： 系统包含三大核心模块： 改进型生成对抗网络核心：引入自适应实例归一化与谱归一化技术，优化ProGAN的渐进式增长策略，增强高频细节表现力； 纹理后处理与优化模块：集成超分辨率重建与色彩校正算法，自动修复生成瑕疵，支持PBR材质贴图（法线、粗糙度等）的一键导出； 交互式评估看板：提供FID/IS指标实时监控与人工偏好反馈接口，支持用户通过文本或草图引导生成方向。 3. 业务流程、功能路径描述： 用户输入参数或参考图→系统初始化噪声向量→进入改进的ProGAN渐进式生成流程（从低分辨率逐步上采样至目标分辨率）→经过判别器多尺度校验→输出基础纹理→通过后处理模块增强细节→最终交付高清无缝纹理资产并自动归档。

面向脑机接口研究与演示场景的信号处理+大模型集成平台，打通"生理信号采集→意图识别→AI生成→实时可视化"完整闭环。 核心功能：①多设备脑电信号实时采集与预处理；②基于深度学习的意图分类模型；③可插拔多后端大模型集成，本地/云端LLM一键切换；④Web实时监控面板，多客户端同时查看信号流与推理结果。适用于科研原型、教学演示与智能硬件联动开发。

本项目立足于移动端人工智能轻量化落地应用背景，针对传统目标检测算法依赖电脑端设备、实时性差、部署不便的问题，旨在实现深度学习检测模型的手机端本地化部署与实时推理。项目目标是开发一款安卓智能检测小程序，将训练完成的80类通用YOLOv5s目标检测模型移植并集成至移动端设备。软件核心包含模型轻量化适配、相机实时视频采集、多类别目标检测识别、检测结果渲染展示与移动端设备适配运行模块。整体业务流程为：启动安卓小程序后调用手机摄像头，实时读取画面帧数据，通过本地集成的YOLOv5s模型完成推理计算，自动识别画面中的各类目标物体并输出类别与位置信息。本项目全程在华为安卓手机上完成程序安装、调试、测试与运行验证，实现了脱离电脑与云端的端侧实时智能检测功能。

立项背景与目标： 在日常工作与学习中，用户频繁需要获取AI辅助回答，但网页端使用需频繁切换浏览器，效率较低。本项目旨在开发一款轻量级桌面AI助手，提供一键式智能问答体验，降低使用门槛，提升日常信息获取效率。 软件功能： 用户输入问题后，点击提交或回车键，程序自动调用AI模型生成回答，并即时显示在窗口中，支持长文本自动换行。 核心功能模块： 1. 用户输入模块（Entry控件） 2. AI接口调用模块（requests + 智谱AI API） 3. 结果显示模块（Label控件 + 自动换行） 业务流程： 用户输入问题 → 点击提交 → 程序获取输入 → 调用AI接口 → 返回结果 → 窗口显示回答 功能路径： 启动程序 → 输入框输入问题 → 点击“提交”按钮 → 查看AI回答 → 输入框自动清空，等待下一次提问