云服务/云平台 软件定制 案例

立项背景和目标 本项目旨在构建一个集智能对话、自动化信息处理、终端远程控制于一体的业务中台。解决企业日常运维、信息采集、多系统协同中的重复性劳动问题，通过AI技术实现部分环节的无人值守。 2、核心功能模块 AI对话与推理模块：基于大语言模型的智能问答与决策支持，可辅助业务分析。 浏览器自动化模块：模拟用户操作网页，自动完成数据抓取、表单提交等任务。 情报API服务：对外提供结构化数据接口，支持第三方系统集成。 终端远程管理模块：通过WebSocket实现远程服务器命令执行与日志查看。 主控调度中心：统一管理各模块的任务队列、健康检查和异常告警。 3、业务流程 用户通过前端界面（或API调用）提交任务请求 → 主控中心解析任务类型 → 分发给对应的AI/自动化模块执行 → 结果存入Redis缓存并同步MySQL持久化 → 最终返回给用户。整个过程支持异步和同步两种模式。

一、背景与目标 客户因业务调整，需要将现有生产环境的网站服务及数据完整迁移至新服务器。涉及约 10 个 Java 网络应用程序及配套的搜索、消息队列服务。目标是在保证数据完整性的前提下，实现业务的平滑割接，确保迁移后服务可正常访问。 二、功能模块 1.全量服务迁移： 涵盖 Elasticsearch 7.8.0 搜索引擎、Nginx 反向代理、RabbitMQ 消息队列及 Redis 缓存服务的部署与配置还原。 2.Java 应用部署： 迁移并配置 10 个左右的 Java 后端应用，恢复其 JVM 参数及配置文件。 3.数据一致性保障： 执行数据库与索引数据的导出导入操作，确保新旧环境数据一致。

客户需要在单台 CentOS 7 服务器上快速构建一套标准化的后端开发与运行环境。目标是替代繁琐的手动安装过程，通过容器化技术统一部署 MySQL、MongoDB、Redis、Kafka、Zookeeper、MinIO 等中间件，并预置 GoLang 开发环境，确保环境的一致性和可移植性。 功能模块： 1.中间件容器化： 集成 MySQL 5.7+、MongoDB 6.0+、Redis 7.0+、Kafka 及 Zookeeper 等核心组件，通过 Docker Compose 进行统一编排启动。 2.对象存储服务： 部署 MinIO 对象存储，用于非结构化数据的存储测试。 3.环境初始化： 编写初始化脚本，自动完成各组件的用户名密码配置（如 mysql/mongodb/redis/minio 统一认证），并安装 GoLang 1.18 及 Git 工具链，交付即可用的基础镜像环境。

该项目是通过对接不同的上游支付渠道，封装被扫/主扫支付、订单查询、支付异步回调、退款等全套HTTP接口。映射出不同的支付场景，例如POS机收款、商店收款码、商户收银插件、微信公众号、微信小程序等 商户进件成功后可以建立不同的门店，门店下可以新增店长店员。门店收载后店长可以查询门店交易信息，商户可以查询所有门店交易信息等等

立项背景：为响应国家医保局DIP（按病种分值付费）支付方式改革，医院需对住院病例进行自动分组与分值测算，替代人工查表，提升医保结算准确率与效率。 核心功能： 1. 编码标准化：对诊断编码（ICD-10）和手术操作编码（ICD-9-CM3）进行自动补零、格式校验，统一为国临版与医保版2.0标准格式； 2. 编码对照映射：通过诊断对照库、手术对照库，将国临版编码自动映射为医保版2.0编码，支持23个手术操作字段批量对照； 3. DIP智能分组引擎：基于主诊断+主操作组合，实现+组合匹配、/或规则匹配、单码精准匹配、规则组匹配、编码范围匹配、s(n)/a(n)四级兜底等多层匹配策略，自动输出DIP病种ID； 4. 最优候选选择：当多个病种同时命中时，按匹配编码数量、是否包含主操作、操作位置优先级自动选优； 5. 分值计算：关联分值总表，自动计算每个病例的DIP病种分值，输出完整匹配结果表。 业务流程：原始住院病例数据 → 诊断/手术编码补零标准化 → 国临版转医保版对照 → DIP分组引擎多层匹配 → 最优病种选择 → 分值关联 → 输出结算结果。

业务介绍： 建筑工地依靠人工巡检监控工人安全帽佩戴情况，人工监管容易疲劳漏检。本项目使用YOLOv5目标检测算法，自动识别画面工人安全帽佩戴状态，辅助工地安全监管，减少安全事故隐患。 功能介绍： 1. 对图片、视频进行目标检测，标记人员与安全帽检测框； 2. 识别佩戴安全帽、未佩戴安全帽两类目标，输出类别和置信度； 3. 数据集制作、模型训练、模型指标评估； 4. 支持图片、视频批量推理，输出带检测框的可视化结果。

面向骑行码表、运动相机与 App 的物联网后端，覆盖 FIT 解析、路书/赛段、高程坡度、固件 OTA 及 Strava / 行者等第三方同步，国内海外分环境部署。除业务开发外，负责云上基础设施：Docker 容器化、Jenkins 持续集成、阿里云 ALB 入口、NAT 出口及 SLS 日志与告警，打通从构建发布到观测告警的闭环

该系统对智能终端上报的运动特征数据进行清洗和标准化处理，通过JNA/JNI调用第三方算法进行运动状态识别，并结合GPS、WiFi等定位信息进行智能修正（如居家场景下过滤误判的乘车状态）。采用责任链模式构建多场景决策引擎，综合位置、佩戴状态、时间等维度，实时输出精准的行为识别结果，并在终端动态展示用户位置、佩戴状态及运动行为，提升交互体验； 并且，实时聚合手表电量、网络连接（WiFi/蜂窝）、禁用状态等关键信息，通过左侧边栏直观展示状态可视化：实时聚合手表电量、网络连接（WiFi/蜂窝）、禁用状态等关键信息，通过左侧边栏直观展示；智能卡片交互：采用动态卡片设计（底部可滑动面板），集成定位、运动健康等高频功能入口及实时数据；状态一致性引擎：构建统一状态管理中心，标准化处理20+设备状态（关机/欠费/飞行模式等），实现多业务模块（微聊/定位等）状态同步，自动解决矛盾场景（如断网时强制清空网络状态值）；

负责定位系统的数据整合与业务实现，对接表端上报的LSM传感器及GPS数据，进行数据清洗和标准化处理，为第三方室内外判定算法提供输入，并根据室内外算法输出结果，用入门口位置信息去结合MongoDB中的楼栋模型数据，通过JNA/JNI调用第三方楼层算法，完成定位信息的整合处理；系统支持5000+ QPS，定位延迟控制在200ms内

1、聚合多平台金融资讯，更及时获取最新消息，尽量减少消息遗漏 2、整合多平台财经或大事件日历，更早了解将要发生的大事 3、每日ETF申赎数据自动获取和计算 4、每日股指期货自动获取和更新 5、宏观分析师-对当前整体市场进行分析，给出具有可操作性的建议

本系统针对感知类智能Agent存在记忆上下文冗余、token消耗过高问题，设计记忆筛选与压缩算法。实现对Agent历史感知对话、环境观测记录做过滤、摘要压缩，减少大模型输入token开销。提供API接口，可对接各类感知Agent，完成多组对比实验，验证压缩后Agent任务效果损失可控，显著降低调用成本，可用于智能体原型开发与学术研究。

核心解决方案：现代化 Monorepo 云原生微服务架构 系统采用 前端 Angular 22 多子应用 Monorepo + 后端 NestJS 模块化微服务 Monorepo 的现代化高内聚设计： 1. 高密度 PMS 桌面端业务控制台 1.1. 五态实时房态矩阵 (Visual Room Rack)：毫秒级实时呈现客房五大业务状态——VC（空净房）、VD（空脏房）、OC（住净房）、OD（住脏房）、OOO（维修停用房）。支持右侧抽屉式无刷新极速办理 Check-in / Check-out 与挂账操作。 1.2. 远期房态排房甘特图 (Tape Chart & Matrix Timeline)：30 天跨度交互式日历矩阵，支持团队批量锁房、散客预订跨房型拖拽调整排房与库存深度优化。 1.3. 抽屉式上下文订单中心 (Contextual Order & Folio Hub)：单屏集成多渠道订单拆单、协议改价分级授权、同行多客分账水单与消费入账。 2. 移动端客房保洁与工程维护 PWA 专为楼层服务员和工程维修师傅打造的移动优先响应式 PWA 应用。 支持 1 键房态流转（置净/置脏）、拍照验收工单流、设施报修调度与遗留物品登记。 3. 高可用财务记账与五阶段夜审核心 (cron & gateway) 3.1. 五阶段全自动夜间财务审计流程 (5-Stage Night Audit Engine)： 第 1 阶段 · 审计前校验与异常拦截：自动化扫描并阻断欠费逾期、未到订单（No-Show）判定与自动扣取违约金； 第 2 阶段 · 自动房费与套餐分账过账：批量自动计提全店夜间房费，执行房费与餐饮早餐套餐自动拆分过账； 第 3 阶段 · 试算平衡表与数学恒等式校验：实时执行 昨日余额 + 本期借方发生额 - 本期贷方发生额 = 今日余额 严密试算，一旦借贷失衡秒级告警阻断； 第 4 阶段 · 营业日历原子结转：原子化结转酒店物理营业日期（Business Date Rollover），对过去历史账务施加不可逆审计结账锁； 第 5 阶段 · 审计报表自动生成：自动化归档总经理日报表（Manager Daily Report）、实时营收快报与收银员交接班清单。 3.2. 收银交接班与应收账款（AR）台账：盲盘对账机制（Blind Drop）、押金收退平衡、企业协议客户 AR 账期账龄分析与开票核销。

📋 业务和功能介绍 1. 立项背景与目标 「造」由非技术背景的独立创始人（金融猎头转型 AI 应用层）于 2026 年 8 月启动，10 天搭出框架、两周跑通原型。目标是解决企业级 Agent 落地的"确定性困境"——通用 Agent 框架以 LLM 推理为主驾，存在幻觉、不可控、高成本三大硬伤，无法进入合规审计、风险定价等"确定性 > 创造性"的核心业务流程。 2. 软件功能与核心模块 确定性编译执行引擎：workflow.json 经 Kahn 拓扑序 + sha256 冻结，生成不可变 workflow.compiled.json，运行时按拓扑确定执行 三层固化画布：draft（灰虚线）→ confirmed（黄实线）→ compiled（绿带勾）三态生命周期，支持子流程打包/钻取/库复用 双 LLM 异构评审：DeepSeek（可行性）+ SiliconFlow（风险合规），require_different_provider 保证永不共用厂商 防幻觉校验：「生成回复」节点带引用指纹校验，未引用流程数据自动黄色警告 分层记忆 L0–L3（工作/情景/语义/反思）+ 三后端知识检索（BM25 / sqlite-vec 向量 / MCP）+ 规则库资产化（金融合规 / 工业巡检 2 样例） OpenAI 兼容推理栈（model-catalog.json 单一来源）+ 一键部署包（23.3MB 双击即用） 3. 业务流程 用户中文描述需求 → 反问澄清 → 双 LLM 评审 → 确定性编译 → 节点级可追溯执行 → 导出独立部署包（双击 start.bat 自动配置 + 启动 + 浏览器打开运行台）。

项目地址：https://github.com/thedevplus/kvs-system 1、立项背景和目标 基于PingCap的Practical Networked Applications in Rust，使用 Rust 从零实现一个高性能日志结构键值存储系统。目标是深入掌握存储引擎设计（Bitcask 模式）、并发线程池架构、自定义网络协议与性能调优等系统编程核心能力，并通过 Criterion 基准测试与 Sled 等生产级引擎横向对比，验证自研方案的吞吐表现。 2、软件功能、核心功能模块 - Bitcask 存储引擎 （src/kvs.rs）：追加写日志 + 内存 HashMap 索引，1 MiB 段轮转，O(1) 点读取经 read_at 定位，后台压缩线程按陈旧条目阈值触发，原子替换索引，WAL。 - 可插拔线程池 （src/thread_pool.rs）：统一 spawn API，三种后端——Naive（一任务一线程）、SharedQueue（定长 worker + crossbeam 通道，含 catch_unwind 容错）、Rayon（工作窃取，第三方对比库）。 - 自定义 TCP 线协议 （src/protocol.rs）：2 字符 opcode + 双 tab 分隔的行帧格式，手写 Serde 序列化/反序列化，Set/Get 共用 value 帧，错误码内联消息。 - 客户端连接池 （src/client.rs）：预建立多条长连接，AtomicUsize 轮询分配请求，读写半分离避免锁竞争，双包 Sd 实现优雅关闭。 - CLI 与库双模式 ：支持命令行（kvs-client/kvs-server）和 Rust 库两种调用方式。 3、业务流程、功能路径描述 - 写入路径 ：客户端构造 ClientArgs → 协议层序列化为 st 帧 → 连接池原子轮询选连接写入 → 服务端线程池 spawn 处理 → 追加写日志段 + 更新内存索引 → 返回成功响应。 - 读取路径 ：客户端发送 gt 帧 → 服务端查询 HashMap 获取 KvPointer{log,pos,sz} → read_at 精确定位读取 → 命中返回值 / 未命中返回 Gn。 - 压缩路径 ：后台线程监测陈旧条目达 1000 → 重写活跃记录到新段 → 写锁下原子替换索引 → 两级反压（yield_now + sleep）防止写饥饿。 - 关闭路径 ：客户端发 Sd 到池连接置 exit_status 标志 → 再经新 TcpStream::connect 发 Sd 唤醒阻塞的 accept 循环 → 服务端优雅退出。

医疗行业 LIMS 实验室信息管理系统，覆盖样品管理、检验流程、报告生成、质量控制四大核心业务环节，实现实验室从样本接收到报告出具的全流程数字化闭环管理。系统帮助实验室告别手工台账与纸质记录，样本流转全程可追溯、检验任务智能分配、报告自动生成，同时内置质控规则与合规校验，满足医疗行业质量管理要求。

与某头部地图企业合作定制化开发的 IoT 设备与车辆管理平台。平台负责管理企业物联网设备全生命周期信息，并对设备产生的海量数据进行采集、清洗、分析，最终将分析结果结构化输出至企业用户端，支撑业务决策。 **主要职责：** - 负责与甲方深度沟通使用场景，梳理并明确实际业务需求 - 输出需求文档与产品设计文档，制定开发计划并推动项目顺利上线 - 协调研发团队理解业务背景与数据要求，确保数据清洗与分析逻辑符合甲方预期

1. 立项背景与目标 项目面向长沙望城区社区居家养老服务中心/站，解决三大真实痛点：机构上门服务后人工电话回访费时费力、易漏访，家属对服务过程不透明；工单派发靠微信口头通知、服务记录靠手写，难以留痕；老人多药易漏服错服、健康数据无法持续追踪。目标是打造一套轻量、低成本、可本地部署的数字化系统，通过「AI 服务回访（P0）」「居家服务工单（P1）」「用药提醒 + 健康档案（P2）」三个产品，实现机构、护理员、家属三端协同闭环，并满足数据加密与机构隔离的隐私要求。 2. 核心模块 - AI 服务回访：Excel 名单导入与手机号校验（错误标红）、创建回访任务（可全选/单选，短信/微信/电话三种方式，立即或定时）、短信/微信生成满意度链接供 1–5 星打分、电话模拟外呼并支持未接自动重试、结果记录与按护理员统计、Excel 报表导出。 - 居家服务工单：管理员建单派单、护理员接单/拒单（必填原因）/出发/到达签到（GPS + 拍照防作假）、提交服务记录（项目/时长/老人状态/至少 1 张照片/备注）、家属查看记录与照片并评价、服务类型字典管理。 - 用药提醒 + 健康档案：用药计划录入（多时段、批量 Excel 导入）、到点自动提醒、点击「已服用」确认、超时最多再提醒 3 次后标记漏服并通知家属、周/月依从率统计、血压血糖记录、健康档案打印/导出 PDF 供医生参考。 - 通用支撑：定时调度、模拟通道 + 站内通知 + 审计日志、Fernet 敏感字段加密、机构数据隔离、老年友好交互（大字模式、语音配置预留）。 3. 业务流程与功能路径 - 回访链路：管理员后台「回访」→ 下载模板填 Excel → 导入并校验 → 新建回访任务（选名单、方式、时间）→ 定时任务到点自动执行 → 家属点短信/微信链接打 1–5 星，或电话外呼后管理员登记结果 → 未接按策略自动重试 → 查看统计报表并导出 Excel。 - 工单链路：管理员「创建工单」（选老人、服务项目、护理员、时间）→ 派单并通知家属 → 护理员端接单 → 标记出发 → 到达签到（GPS + 拍照）→ 填写服务记录并提交完成 → 家属端查看照片、打 1–5 星评价，全程每步推送站内通知。 - 用药健康链路：管理员录入或批量导入用药计划 → 到点自动生成提醒（微信/短信/语音）→ 老人或家属点击「已服用」确认 → 超时自动升级再提醒，3 次未确认则标记漏服并告警家属；护理员/管理员录入血压血糖 → 家属端打印健康档案给医生。

立项背景：Hermes与OpenClaw两个AI Agent之间需要通过A2A（Agent-to-Agent）协议双向通信，但现有网关存在三个生产问题：tasks/send请求挂起长达5分钟、未带token时返回500、inbox消息写不进去，导致跨Agent通信不可用。目标：修复网关故障，打通Hermes到OpenClaw的双向通信。功能模块：A2A JSON-RPC网关——tasks/send消息发送、tasks/get任务状态查询、authMiddleware鉴权拦截、inbox消息落地。业务流程：Hermes通过HTTP POST发起JSON-RPC请求，网关经Bearer Token鉴权后写入inbox并即时返回，消息经Watcher轮询触发飞书通知送达OpenClaw。

搭建devops环境以及实现部门生产环境运维自动化; 设计saas产品的集群架构、部署方案设计与实施方案定义;完成前期的硬件资源采购清单、硬件资源规划书、系统优化方案、网络策略图等材料编写; 业务系统的容量规划、服务监控、持续优化服务架构、集群性能调优; 产品的开发、部署、持续集成中的打包以及编排脚本的编写,日常运维自动化脚本开发维护; devops平台与k8s集群的对接; 搭建k8s服务器集群,负责k8s集群管理、监控及相关业务支撑,维护集群业务的稳定性和可用性; ,为开发与实施提供技术支撑, 针对系统故障提高安全生产效率,打造0-5-10的反应机制,零分钟监控相应,5分钟之内运维人员相应,10分钟内解决故障。收集系统历史故障数据,制定规则,打造监控平台,适应各故障场景。梳理故障反应机制流程。

本项目为甘孜州官方低空经济数字化管控运营平台，聚焦高高原地区低空飞行监管、无人机作业、空域调度、飞行服务、安全运维等核心场景，适配高 原复杂地形、低时延、高可靠的低空运行需求。平台依托5G通信、北斗高精度定位、数字孪生可视化技术，搭建空天地一体化低空运营管控体系，实现低空飞行器合 规备案、飞行计划审批、实时态势监控、风险预警、作业台账全流程数字化管理，助力区域低空经济规范化、智能化、安全化运营。