大数据 软件定制 案例

基于Auto.js开发的微信自动抢红包脚本，通过监听系统通知实时响应红包消息，自动点击横幅进入聊天界面，并利用固定坐标快速点击红包和“开”按钮。脚本支持多次重试机制，确保红包被及时抢到，无需人工干预，极大提升抢红包成功率。

本平台面向工业互联网与大数据场景，为企业车队提供全流程车辆智能管控服务，核心解决车辆实时监管、安全风险预警、运营效率低下等痛点，实现从 “被动追溯” 到 “主动防控” 的管理升级。 核心功能路径：实时监控大屏→实时报文→轨迹追溯→数据报表分析等。具体包含：1. 实时定位，地图可视化展示车辆位置、车速、车况；2. 实时报文查询，历史报文查询，车辆状态展示，设备预警等；3. 行驶轨迹回放，支持事件溯源；4. 多维度运营报表，为车队调度、成本管控提供数据支。

1. 立项背景和目标 为响应教育部关于建设全国职业教育智慧大脑的统一部署，落实职业教育数据治理与上报的规范要求，云南开放大学启动本项目。项目旨在搭建院校中台数据对接体系，解决现有数据上报分散、身份认证不统一、监控能力不足等痛点，实现与教育部智慧大脑平台的标准化、常态化数据对接，提升学校数据治理能力与信息化管理水平，保障核心教育数据安全合规上报与高效流转。 2. 软件功能、核心功能模块介绍 本项目包含三大核心软件与服务模块： 全国职业教育智慧大脑对接监控平台：提供首页概览、工作部署、数据采集、数据审核、异常告警、统计分析、系统管理等 9 大功能模块，实现对教育部要求的 98 张数据表上报情况的可视化监控、数据流向展示与异常自动预警，支撑学校数据上报全流程管理。 统一身份认证平台：升级身份认证中心，支持 CAS、OAuth2.0 等多种协议，实现单点登录（SSO），涵盖身份管理、权限分配、认证审计、安全策略等核心功能，完成与学校 OA、教务、学工等现有业务系统的身份集成，并为新建系统提供标准接入能力。 教育部智慧大脑数据对接服务：包含数据治理、数据整合、数据推送、集成管理、常态化检测、质量监控、运维支撑 7 大服务模块，对学校基础数据与业务数据进行清洗、标准化处理，按照教育部数据字典与数据集规范实时推送，并构建全生命周期的数据治理体系，保障数据质量与上报合规性。 3. 业务流程、功能路径描述 数据上报业务流程：学校业务系统产生原始数据 → 经统一身份认证平台完成身份校验与权限控制 → 数据进入对接监控平台进行采集与预处理 → 数据治理模块完成清洗、校验与标准化 → 推送至教育部智慧大脑平台 → 监控平台实时展示上报状态、异常告警并生成统计报表 → 运维人员通过系统管理模块处理问题并优化流程。 功能路径示例： 数据监控路径：登录系统 → 首页概览 → 数据上报监控 → 选择数据表 → 查看上报详情与异常信息 → 触发数据重推或问题排查。 身份认证路径：用户访问业务系统 → 跳转至统一身份认证平台 → 完成身份验证 → 单点登录至目标系统 → 系统后台记录认证日志与权限审计信息。

在人工智能领域飞速发展的背景下，抖音集团正积极投入建设具备世界领先水平的内部多模态大模型。该模型旨在深度理解和生成结合文本、图像、视频、音频等多种模态的数据，以此赋能集团旗下多样化的产品与业务场景（如内容推荐、智能创作、用户交互、内容审核等）。 为了确保这些强大的多模态大模型不仅具备卓越的性能，更能精准对齐人类偏好（Human Alignment）、提升其安全性、有用性、一致性与个性化表现，我们引入了 **Direct Preference Optimization (DPO)作为关键的后训练（Post-training）** 策略。DPO 通过利用人类偏好反馈数据直接优化模型，相比传统的 RLHF（基于强化学习的人类反馈）流程更高效、稳定。 本项目的核心目标正是 ——构建一个高效、稳定、可扩展的端到端数据链路，为 DPO 训练提供高质量、高通量的结构化数据。这一数据链路的搭建，是确保我们的多模态大模型能够持续迭代、不断优化、最终在复杂现实场景中表现卓越的基石。它不仅将加速模型迭代周期，更是我们在下一代 AI 技术竞争中保持领先的关键一步。 本项目的核心在于设计与实现一个自动化、智能化的DPO 训练数据生产平台。其核心功能可概括为三个紧密相连的阶段： 大规模、周期性数据采集与整合： 平台将具备强大的数据集成能力，能够定期、自动化地从集团内部多样化的原始数据源（如用户交互日志、内容创作数据、搜索查询、运营反馈、模型推理日志等）以及特定外部数据集获取海量多模态数据。确保数据的新鲜度、全面性和多样性，为后续的精细化标注提供充足的 “原材料”。 高度定制化与智能化的复杂标注工作流： 平台将支持一个多阶段、多模态融合、且深度定制化的标注链路。此环节并非简单的标签分类，而是专注于DPO 训练所需的偏好型数据构建。它将引导专业标注员或通过 AI 辅助标注，根据预设的严苛评估标准（如安全性、事实准确性、逻辑连贯性、指令遵循度、创意性、语气风格等），对模型在特定 Prompt 下的多个响应进行优劣排序、对比选择，乃至识别并生成对抗性样本。此流程将针对多模态内容的特点，支持文本 - 图像、文本 - 视频等多维度关联信息的标注与评估。 标准化、可追溯的 DPO 训练数据输出（Pair 对数据）： 最终，数据链路将把经过复杂标注处理后的信息，精确地格式化为 DPO 训练框架可直接消费的 “Pair 对数据”。这意味着，对于给定的一个 Prompt 或上下文，我们将输出至少包含一个 **“偏好响应（Preferred Response）”和一个“拒绝响应（Rejected Response）”** 的结构化数据对。这些数据将包含必要的元信息（如评估维度分数、置信度、标注员 ID、时间戳等），确保数据质量高、可追溯，并可直接无缝地灌入集团的 DPO 训练系统，为模型的持续优化提供高质

【立项背景】客户需要获取近两年中国体育彩票“14场胜负”游戏的详细开奖数据，包括每期14场比赛的场次编号、对阵球队、赔率、比赛结果以及大奖金额，用于数据分析和研究。由于该数据无官方API且分散在多个网页，手动收集效率极低，因此开发此自动化采集工具。 【核心功能】 1. 自动采集：根据用户输入的起始和结束期号，循环请求目标网站获取每一期详细页面。 2. 数据解析：从HTML中提取14场比赛的主队、客队、比分、百家平均赔率（胜/平/负）以及开奖奖金信息。 3. 数据清洗：将比分自动转换为标准赛果（3/1/0），从赔率字符串中拆分出胜、平、负三列，处理缺失数据。 4. 自动跨年：支持期号自动跳转（如从25年最后一期跳至26年第一期），实现连续采集无需人工干预。 5. 数据导出：将多期数据合并后导出为一份完整的Excel文件。

基于微软BI平台（Power BI + Sql Server Analysis Service），从0到1打造了SaaS模式的人力资源数据分析产品，涵盖人事分析、考勤分析、薪资分析。系统自动将客户的人员数据、考勤数据、薪资数据接入系统，系统就为客户提供完整的分析图表或报表（请参阅工作经历部分，有系统技术亮点介绍），目前超过150家客户使用，得到了客户的一致好评。

项目说明： 该项目基于C++和QT进行编写，主要用于针对大量文件命名杂乱的批处理操作。达到进一步减少重复性工作和提升工作效率。 主要功能： 1.添加多个文件到处理列表 2.替换文件名中的特定字符串 3.添加前缀和后缀 4.序号模式重命名 5.实时预览新文件名

为优化机场地勤资源配置，需要基于动态的维修需求与多变的航班计划，设计并实现一套智能机位自动排程算法。该算法需综合考虑机位特性、航班类型与保障时间窗，通过高效建模与求解策略，在满足各类约束的前提下最大化机位利用效率，减少航班延误与资源闲置，从而显著提升机场整体运行效能。

1.立项背景和目标:主流BI工具都缺少Excel的操作和手感,希望产品能弥补这块空白 2.软件功能: 1)前端支持大数据量的更新,因为是懒加载,每次只加载100行,且会把内存里边旧的信息清理,因此,可以实现Excel支持100万+级的数据,在B/S上显示 2)类Excel的手感,可以支持列冻结,筛选,复制粘贴,创建新的Sheet,使用100多个公式 3)存储采用Parquet/Lance文件格式,Excel支持读取Parquet文件,保存Lance文件,可以支持在线Excel的时光机能力 4)与DataFusion,Arrow的数据引擎关联,理论上可以对接主流数据源,目前仅支持Oracle,SQLite,CSV/EXECL的数据关联,并生成Excel表格

随着Web应用迭代速度加快，手动回归测试效率低且易遗漏问题。为保障百度等网页功能稳定性，立项开发Selenium自动化测试工具，目标是将回归测试效率提升60%，并实现核心功能的每日自动验证。 软件功能、核心功能模块：核心功能包括网页自动访问、元素定位与交互、结果断言验证、测试报告自动生成。主要模块分为：驱动管理模块（自动匹配浏览器版本）、用例执行模块（支持多线程运行）、结果校验模块（验证页面标题、状态码等）。 业务流程、功能路径描述：用户配置目标网页URL与测试用例 → 系统初始化浏览器驱动 → 自动执行访问、交互等测试步骤 → 实时校验页面响应与元素正确性 → 生成包含用例通过率、响应时间的测试报告 → 自动关闭浏览器并释放资源。

LLM微调，CV，NLP多个项目经历： yolov8，yolov11，yolov12，yolo26应用，优化，集成 swin-tf，U-net，VIT分割，识别，分类，标注 RAG，情感分类，分词，生词，熟练应用BERT 可嵌入到软件，网页中，需后端 可接入一些LLM（如GPT，DS等）的API 可接中型/小型软件开发 可接科研项目，论文复现，AI/大数据/数据分析都可

建立一个基于出租车大数据的智能分析系统，通过机器学习算法挖掘数据价值，为城市交通管理、出租车运营优化和乘客出行提供决策支持，高频轨迹分析目标，从海量数据中识别城市主要出行走廊，可视化展示高频出行模式，为交通流预测和路径规划提供基础，公共交通优化目标，识别出租车上下车热点区域，分析现有公共交通覆盖盲区，提出新公交线路规划建议，提高公共交通资源利用效率，运营效率提升目标，预测出租车接客热点区域，为司机提供实时巡航建议，为乘客推荐易打车地点

1、项目简介: CRM+企微营销+数据分析 2、相关技术:spring cloud alibaba、dubbo、nacos、xxl-job、mybatis-plus、mysql、mongodb、redis、kafka、elasticsearch、impala、kudu、git、maven等 3、功能模块: （1）企微辅助机器人(RPA)：对接X-Bot/计费/智能客服客户端、后台配置功能、企微会话存档消息处理、触发转人工处理、超时回复提醒等 （2）订单管理：查询订单/导入结果、错误报表下载、打标签/批量打标签、订单来源管理等 （3）营销短信：对接V7计费/短信平台、群发短信管理、发送短信、结果统计、分配客户跟进人等 （4）首页看板：用户指标统计、最近n天新增用户统计图表、营销指标统计、KPI设置等 （5）其他模块：用户标签、模板管理、微信公众号绑定、业务数据、ETF实盘大赛等模块 （6）跨部门对接 1）呼叫中心：接入坐席数据并上报到ETL、坐席相关指标统计、对接BI平台输出坐席监控报表 2）SCRM：接入企微会话存档、基础数据(员工、客户等数据)并上报ETL

基于公司的数据中台产品，根据博时基金的项目需求，进行定制化开发落地实施。包括数据治理（数据标准、元数据、数据质量管理）、数据资产、数据开发、数据服务、调度中心等模块,同时对接客户需求，已经对产品改造设计，同时协助解决项目中框架问题。

本项目是一个基于网络爬虫与 Spring Boot 的数据采集与管理系统，主要用于自动化采集电商平台商品信息，并通过后端服务进行统一存储、管理和展示。 系统通过爬虫程序定时抓取商品名称、价格、销量、评价等数据，后端使用 Spring Boot 提供 RESTful 接口，实现数据入库、查询、分页展示及基础统计分析功能，帮助用户高效获取和分析网络数据

1. 立项与背景 随着医疗器械行业监管趋严、技术迭代加速，行业对高质量、结构化、可追溯的技术资料需求日益增长。为满足企业、研究机构及监管部门对国内外医疗器械相关文档（如产品说明书、注册资料、技术白皮书、临床报告等）的高效检索、安全访问与合规管理需求，本项目启动建设“医疗器械文库平台”。 平台V1版本已初步完成基础文档存储与展示功能，但在海量数据处理、搜索精准度、系统扩展性及安全防护方面存在明显瓶颈。因此启动V2版本重构，目标是打造一个高性能、高可用、可服务化的专业文库系统，支撑千万级文档规模下的快速检索、权限控制与内容安全。 2. 软件功能与核心模块介绍 整体功能概览： 智能搜索：基于 Elasticsearch 的全文检索，支持关键词、器械分类、注册证号、厂商等多维度组合查询 权限体系：基于角色与文档密级的细粒度访问控制 核心模块详解： 智能搜索优化模块 重构 Elasticsearch 索引策略，引入同义词库、分词优化（针对医疗器械专业术语） 支持模糊匹配、拼音首字母检索、语义相关性排序 查询响应时间从 V1 的 1.2s 优化至 200ms 以内（千万级数据） 实现基于 Redis 的请求频率限制（IP + 用户维度） 3. 主要业务流程 用户输入关键词 → 前端调用搜索接口 → 后端路由至搜索服务 → 查询 Elasticsearch 并融合权限过滤 → 返回结果列表 → 用户点击某文档 → 验证访问权限 → 渲染带水印的在线预览页并提供受控下载

系统采用前后端分离架构，后端基于 Java 语言搭建 Spring Boot 框架，整合 MyBatis-Plus 实现数据库高效操作，依托 MySQL 完成数据存储，通过 BCryptPasswordEncoder 保障用户信息安全；前端基于 Android 原生开发。核心开发工具包含 IntelliJ IDEA、Android Studio 及 Navicat。 系统核心功能覆盖三大核心场景：课程管理模块支持课程、章节、小章节的层级化创建与展示，实现课程内容的结构化管控；互动交流模块提供帖子发布、评论、点赞、收藏等功能，支持图片上传与内容检索，强化用户间学习交流；习题训练模块支持按课程、题型筛选习题，实现习题增删改查及答题反馈，满足个性化学习需求。整体系统适配移动端使用场景，兼顾实用性与易用性，为在线教育提供轻量化、高效的解决方案。

1.理解智能助手的核心系统架构与功能模块（对话交互层、核心引擎层、工具集成层），掌握 “用户输入 - 意图识别 - 响应生成” 的完整工作流程。 2.学会两种智能助手搭建方案的实现：一是调用公开大模型 API（如 OpenAI API）实现云端交互，二是本地部署 Ollama 大模型（如 Llama 3）结合 Streamlit 构建私有化对话界面。 3.掌握 Streamlit 库的使用方法，实现可视化对话界面（含历史消息展示、输入框、模型切换功能），理解前端界面与后端逻辑的数据流转机制。 4.掌握智能助手核心功能（基础问答、任务处理）的集成方法，能通过测试案例验证交互效果，优化响应速度（如设置超时控制）与准确率（如添加意图纠错）。 培养系统设计与问题排查能力，能分析不同搭建方案的优缺点（如云端 API 的便捷性 vs 本地部署的隐私性），并根据需求选择合适方案。

此系统是根据超大规模路网仿真电子地图提取需要，完成路网电子地图提取功能模块的系统开发和部署，该模块用于路网仿真地图的展示、提取和下载。 系统支持地图瓦片图展示，选择适合的地图服务，集成所需地图服务API，实现地图瓦片图的加载和渲染。支持矢量路线图展示，在本地实现OSM矢量路线地图的集成，以支持矢量图的快速提取。供提取的地图数据应保持准确性和完整性，能覆盖四川全省范围。应提供一个直观的用户界面，允许用户浏览、缩放和平移地图。实现矢量数据的提取逻辑，支持按需提取特定区域的路网数据。通过页面刻画几何图形，选择并提取几何图形范围内部的路网的电子地图数据。 系统提供数据下载功能，允许用户下载提取的矢量路网数据。所下载的电子地图数据应处理为GeoJson格式。下载的数据包括道路路线、道路节点等矢量地理数据，道路类型包括高速公路、快速路、城市道路等。

此平台以智能网联汽车落地应用为抓手，通过广泛开放应用场景，建设“全域联动、多场景应用、多维度考核”的自动驾驶运营监管平台，构建具有实用性、特色型的质量网联汽车监管应用综合平台。 平台通过融合交通路况数据、路侧感知数据、车辆状态数据以及第三方数据等多维度数据源进行全面的数据采集、汇聚和管理，通过数据分析、挖掘以及可视化展示等方式，并融合现在通信与网络技术，实现车、路、人、云端等智能信息的交换、共享，具备智能数据分析、智能化监管、多维度考核、协同运营管理等功能。平台实现的功能包含：拥堵态势感知监测、车辆运行监测、数据质量监管、企业测试管理、信息监管审批管理、车辆事故监测、数据共享监管、多维度数据报表管理、数据总览监控、考核管理、知识库以及移动端应用等功能体系。平台整体可实现安全、高效、人性化的监管需求。