人工智能 云服务/云平台 软件定制 案例

AIPay 面向 AI Agent 调用外部商业服务的场景，将商户 API 接入、服务匹配、按次支付、服务调用和履约结算整合为完整流程，旨在降低 AI 应用接入付费服务的开发成本。 商户可以注册 API 的能力类别、参数规范、价格及超时配置；Agent 提交服务需求后，平台根据能力匹配程度、服务质量、价格和时延筛选接口，完成支付验证后调用商户服务，并返回执行结果。 核心业务流程为“商户注册服务—Agent 提交需求—平台匹配接口—按次支付—凭证校验—服务调用—履约确认与结算”。平台记录服务选择、调用结果和资金账本，支持异常重试及履约状态追踪。

项目背景与目标：企业内部文档散落在网盘、共享盘和各类系统中，员工找资料平均要花十几分钟，新人培训和老员工查资料效率都很低。本项目目标是搭建一个企业级知识库问答平台，把散落的文档统一沉淀，员工用自然语言提问即可秒级得到答案，并标注答案来自哪份文档的第几段。 核心功能：(1) 多格式文档上传（PDF / Word / Excel / TXT / 网页），自动解析入库；(2) 基于大模型 + 向量检索的智能问答，支持多轮追问；(3) 每条回答附带原文出处引用，点击可跳转原文，杜绝大模型胡编；(4) 按部门/角色划分知识库权限，越权内容不可检索；(5) 问答日志与命中率统计，运营可看到哪些问题问得最多、哪些知识缺口最大。 业务流程：管理员上传文档 → 系统自动解析、切片并向量化入库 → 员工在对话界面用自然语言提问 → 系统向量检索出相关片段 → 大模型基于片段生成回答并给出引用 → 员工可继续追问或查看原文。

这个项目起因是我自己查资料时的麻烦。默沙东手册内容很全，但得用对关键词才搜得到，我用大白话问经常搜不出来；直接丢给大模型问，它又会编剂量和诊断结论，医疗场景这样肯定不行。所以想做一个先查资料、再回答的东西，答案尽量有原文撑着。 功能上主要几块。检索是核心，走了 BM25 加语义两条路，因为医学里药名、缩写、数值区间这类内容必须精确匹配，纯向量检索容易漏。多轮对话做了持久化，历史存在 SQLite 里，服务重启不丢；像"那饮食上呢"这种省略式追问，会先结合上文补成完整问题再去检索。前端是流式输出，边生成边显示，答完给几条相关追问。再往后发现光能查还不够：用户问一句，系统就只按这一句去查，查什么、查几次都是写死的。所以又加了一层 Agent，把决定权交给模型自己——什么时候检索、要不要读全文、信息不够时先反问用户，一共给了它 8 个工具，除了检索和读全文，还能查天气、拿定位、记住用户的病史和用药。顺手加了识图，化验单或者检查报告拍下来传上去，会自动把指标读出来，生成一份带风险等级和就诊建议的评估报告。另外把能力封成了一套 MCP 服务，其他 AI 客户端可以直接调用。 流程是：用户提问 → 判意图（医疗咨询、急症、闲聊分开处理）→ 取会话历史 → 追问改写 → 双通道检索 → 排序过滤 → 大模型生成 → 流式返回 → 结果落库缓存。这是流水线的走法；接上 Agent 之后，中间的检索改由模型按需触发，其余环节不变。 知识库这块单独做了处理。爬下来的文档要先清洗，归一化全半角、去掉引用标记和爬虫造成的重复行；分块按段落切，小标题并进正文，相邻片段之间保留约 60 字的上下文重叠，避免一句话正好被切在边界上，检索时缺了上文。

立项背景与目标：随着 AI 歌声转换（SVC）技术快速发展，少量公开歌手录音即可被高保真克隆，侵害歌手人格权与知识产权。传统被动检测方案仅能在伪造音频生成后拦截，无法阻止模型学习音频音色；普通语音防御方案迁移至歌声场景会产生听觉噪声，破坏音乐细节。本项目由我独立完成，目标为搭建一套发布前主动防护系统，实现四点目标：防护有效，降低未授权 SVC 模型克隆歌手音色的能力；听感无损，保留歌词、旋律与歌唱颤音细节；链路鲁棒，抵抗音频压缩、混响、均衡等后处理；跨模型通用，对多种 SVC 架构均可生效，并提供完整训练推理代码与 Web 交互工作台。 软件功能与核心模块：整套系统六大模块均由我独立开发实现。①Web 交互工作台：实现音频导入、防护强度配置、音频试听对比、wav 音频导出；②推理 API 与任务队列：实现任务调度、状态管理，支持本地私有化部署；③潜扩散保护模型：项目核心算法模块，在 VAE 潜空间生成身份偏移扰动；④条件 VAE 编解码器：基于 So-VITS 实现歌声频谱的编码重构；⑤动态预处理模拟模块：训练时随机模拟各类音频变换，提升扰动鲁棒性；⑥多维评价模块，自动计算防御指标与音准、颤音等歌唱质量分数。 业务流程与功能路径：用户上传合法授权音频，系统完成音频格式校验；用户设置防护强度参数，模型在潜空间生成保护扰动，结合 PPG 内容表征、F0 基频、音色嵌入约束音频内容不变；采样解码生成受保护音频；用户在工作台试听对比原始音频与防护音频，确认效果后导出文件。原始母带本地留存，对外发布使用防护后的音频副本。

一、立项背景与目标 背景 随着人口老龄化加剧，传统养老服务存在三大痛点：一是老人需求分散，电话点单、人工派单效率低；二是服务商、机构、政府之间数据不通，补贴发放与监管缺乏依据；三是服务质量难追溯，老人权益保障不足。民政局亟需一套覆盖全域的数字化平台，打通“需求—服务—监管—结算”全链路。 目标 建立辖区老人统一档案，实现服务需求线上受理 整合居家、机构、服务商资源，智能派单提升响应效率 补贴自动核算、资金流向可追溯，杜绝虚报冒领 政府实时监管服务质量，数据大屏辅助决策 敏感数据国密加密，满足等保合规要求 二、软件功能核心模块 1. 老人档案模块 统一建档，含基本信息、健康档案、补贴资格、紧急联系人，支持民政系统数据对接。 2. 服务下单模块 小程序/APP 点单、电话代下单、周期预约，支持助餐、助浴、助洁、助医、陪诊等品类。 3. 智能派单模块 按区域、技能、评分、负载自动匹配服务商，支持手动改派、抢单模式。 4. 工单管理模块 接单、上门打卡、服务拍照、完工确认、评价回访，全流程留痕。 5. 补贴结算模块 补贴规则配置、自动核算、对账报表、资金流向追踪。 6. 机构监管模块 资质审核、服务评价、投诉处理、红黑名单、考核排名。 7. 数据大屏模块 服务量、补贴金额、机构排名、区域热力图，辅助政府决策。 8. 安全合规模块 国密算法 SM2/SM3/SM4 加密、敏感信息脱敏、操作日志留痕。 三、业务流程与功能路径 路径一：居家老人下单 → 服务上门 → 评价结算 老人/家属在小程序选择服务品类，填写地址与时间，提交订单 服务中心平台接收需求，审核后进入智能派单池 系统按区域、技能、评分自动匹配服务商，推送工单 服务商接单，安排服务人员上门，打卡并拍照记录 老人确认完工并评价，系统生成服务记录 补贴模块按规则自动核算，政府监管平台可查资金流向 路径二：政府监管 → 机构考核 → 补贴发放 民政局在监管平台查看辖区服务数据与机构排名 对服务商资质进行审核，处理投诉与异常工单 系统按月自动生成补贴结算报表 审核通过后补贴发放，资金流向全程可追溯 数据大屏实时展示服务量、补贴金额、区域分布 路径三：机构养老 → 日常照护 → 家属查看 机构为入住老人建立护理档案，评估护理等级 护理人员每日记录照护情况、健康数据 家属通过小程序查看老人状态、预约探视 机构运营数据同步至政府监管平台，接受考核

业务需求：在某公司的船运业务中，客户（委托人）会以邮件形式将托书需求发给客服部门，客服部门接收到用户需求，将托书录入业务系统，帮助客户订购货船。托书信息包括委托公司、货物描述、起始港、目的港、发货日期等信息。客服人员每天会收到很多托书需求，人工录入效率低，速度慢。希望通过智能体自动将客户的托书需求录入业务系统，代替人工，要求准确率达到99%以上，并以合理的方式嵌入到用户的生产流程中。 智能体功能：客服把收到的托书需求转发到一个智能体专用的邮箱中，智能体从邮箱收取邮件，并验证发件人的合法性，根据预先编排的流程把托书自动录入业务系统。

cogbots是一个企业级的AI Agent无代码构建平台，致力于通过人工智能技术为企业提供高效和稳定的 AI 智能体，推动企业业务增长与运营效率提升，在AI重塑行业的变革中，助力企业数智化转型。 搭建AI智能体：通过CogBot提供的大模型设置、知识库管理、工具集成、提示词等核心能力，将 LLMs 与企业的数据、服务和工作流程无缝连接，无需编码，即可轻松构建企业的AI Bot，帮助企业快速实现业务智能化。 智能体大模型配置：大模型种类多，不同模型在文本处理、图像识别、语音处理、规划、反思等能力表现各有千秋。根据业务需求，灵活的配置模型及其参数，为智能体装配大脑，使得智能体满足多种不同业务场景的要求。 知识库管理：通过构建知识库，将企业的各类文档，如产品手册、销售合同等文档导入到知识库，使得Bot学习到企业业务，具有企业专家级领域知识，让Bot响应更精准，驱动Bot提供专业的服务和业务决策，让Bot赋能更多企业场景。 工具管理：工具作为智能体的手和脚，执行动作，完成任务；在企业的日常工作中，通过工具，智能体能无缝融合到日常工作流程中，自动完成各项工作，如在电商业务场景中，完成查订单、退货、物流查询等工作。 工作流管理：为了解决复杂的企业业务问题，通过Flow工作流设计，实现串联或并联多个专职专用的LLM，以实现更加可控和高效 AI 响应，适用于多产品客服支持，多产品售前线索，潜客线索洞察等需要多LLM协同输出的场景。 组织与工作空间管理：通过组织、成员、角色以及权限管理，管理CogBots使用范围；基于Bot发布流程，管控Bot上线发布；帮助企业轻松管理AI能力，保障AI智能体安全合规。

针对政务数据分散、分析门槛高、报表制作耗时等痛点，旨在打造一套集数据抽取、智能分析与自然语言交互于一体的政务数据看板，赋能管理层精准决策。用户全程通过自然语言、托拉拽图表的方式分析自己想要的数据，报表支持多样化展示。

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。

立项是把桌面AI工具自带的模型额度转成标准接口，目标是一个地址同时供多个助手调用。软件功能是两条桥：一条把常用积分模型转成OpenAI兼容接口，原生支持function calling；一条把另一工具内置的四十多个模型转出来；统一启停脚本加开机自启，对外都是标准接口格式。业务流程是助手发标准请求、网关按别名路由到对应后端、结果原样返回。

一、背景 团队已有多个智能体产品在实际使用，但效果一直不稳定：改动一处之后不知道整体是变好还是变差，缺少客观统一的衡量标准；评测要么干脆不做，要么各团队各评各的，口径不一、结论互相矛盾，没法支撑产品迭代决策；优化方向靠"感觉不够好"，优化完了也没法证明真的变好了。 二、目标 建立一套覆盖全链路的智能体评测规范：评什么、为什么这么评、结论需要什么证据支撑，让每一次智能体变更都能跑出可对比的量化结论；把迭代从拍脑袋推进变成按证据推进，把优化方向从猜测变成定位，让团队敢改、改了能验证。

一、背景 团队开始大量使用智能能力生成代码、文档和测试用例之后，产出速度远超人工审核能力：这次产出的质量比上次是好了还是差了、具体是哪个环节出了问题、哪些场景被漏掉了，团队里没人说得清。质量判断靠感觉，评审靠争论，出了问题只能事后补救；更麻烦的是智能产出变化快，传统"测一轮就完事"的方式完全跟不上变化节奏。 二、目标 为智能产出建立一套可重复、可量化的质量验证流程，让产出质量从不可控变成可度量、可对比、可追溯：测试集设计覆盖核心场景与边界情况，能交给机器判定的全部交给机器，每次变更后自动回归，版本之间用数据对比，让"变好还是变坏"不再靠感觉，而是看报告。

一、背景 团队同时推进多个项目，需求文档、设计文档、测试产物、任务系统的数据量持续增长，各环节的质量问题原本靠人工抽查——人手有限，覆盖不过来，很多要到测试后期甚至上线前才暴露，返工和救火成本很高；负责人也缺少一张能每天看清质量全局的纸，决策靠口头汇报和零散信息。随着 AI 逐步参与生产，产物增速更快，审核能力与产出速度的矛盾越来越突出。 二、目标 让质量管理从"人盯人"变成"系统每日巡检+人做决策"，质量问题在产生当天暴露，而不是后期集中爆发：搭建一套自动运行的多 Agent 巡检体系，覆盖需求、设计、测试、进度、任务系统五条线，把零散检查结果收敛成一份给负责人看的决策清单，明确哪些要拍板、哪些要人工核验、哪些已自动处理、哪些要亲自动手。

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。

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。

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。

📋 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）。

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。