人工智能 云服务/云平台 软件定制 案例

云控是一款云端跨终端配置管理平台，全面适配某手机厂商旗下手机、电视、平板、汽车等各类智能终端设备，核心面向终端内置各类APP，提供云端配置文件动态更新、下发管控全流程能力，支撑业务无需客户端版本迭代，即可完成功能配置调整、策略灰度上线、参数动态更新，极大提升终端业务迭代效率与运营灵活性。 平台核心覆盖四大核心业务能力，全方位支撑云控业务落地：一是配置云端更新与下发，支持多终端、多APP配置文件的统一管理、远程推送与动态更新，保障终端配置实时生效；二是全维度数据管控，搭建完整的数据管理、数据统计、数据预估体系，支撑业务精准把控配置下发态势；三是大数据实时计算分析，实现配置下发数量预估、下发数据实时统计，解决业务数据无量化、展示不直观的痛点；四是高可用服务支撑，负责平台架构运维、性能优化、成本管控及业务对接，保障平台高并发、低成本稳定运行，同时为各业务方提供日常技术支持与需求对接服务。

这个平台是给企业内部用的，专门解决一个痛点：项目是一个给企业内部使用的智能体管理平台，主要解决企业里不同 AI 助手不好统一管理、调用过程不好追踪、一些高风险操作缺少审批的问题。 在这个平台里，可以搭建好多不同用途的AI智能体，比如售后用来判断该不该退款的助手、人事查合规制度的助手、运维判断设备故障的助手。普通员工直接打开AI对话窗口，向这些智能体提问办事就行；管理人员也能在后台看得清清楚楚，每个智能体绑定了哪些内部知识库、对接了公司哪些业务系统，一目了然。 除此之外平台还配了工作台、知识库管理、打通业务系统、线上审批、数据统计、话术配置、人员权限这些配套功能。重点说下风控审批：要是AI智能体要发起退款、打款、重启设备这类敏感操作，系统不会直接执行，会自动生成一条审批任务，得管理员审核点同意之后，动作才会往下走。 总的来说，它不是大家理解的普通聊天AI，而是把公司所有AI助手、内部知识库、各个办公业务系统、审批流程、操作记录全部收拢在一块统一管，大家日常用AI处理业务，既方便又稳妥安全。

用 STM32MP257 和 ESP32-S3 搭了一套双芯片系统。M33 负责硬实时采集和控制，A35 跑 Linux 做复杂一点的推理和通信，ESP32-S3 当无线通信模块用和安全模块。数据通过 MQTT 传到 Docker 后端存储和可视化。训练框架 PyTorch，边缘推理引擎 ONNX Runtime，可视化 TensorBoard + Plotly。从硬实时控制芯片到云端训练，再到边缘端异构部署 的全栈式群体智能系统。系统底层采用 STM32MP257（A35+M33+NPU）与 ESP32-S3 双芯异构架构，确保微秒级安全响应与高算力 AI 推理共存；中层通过 EMQX + TimescaleDB + Grafana 实现千万级消息的实时数据中枢与时空可视化；上层接入课题组的多智能体强化学习（MARL）算法库（HetDPS、LazyAgents、MADPS 等），解决异构集群在稀疏奖励、通信受限、责任分散等挑战下的协同决策问题。

基于飞致云 MaxKB 知识库问答系统作为底座，快速完善企业在线智能客服的 AI 助手能力。主要负责 MaxKB 的二次配置、知识库构建、RAG 链路调优、多渠道接入及效果评测。 1.底座集成：部署并配置 MaxKB 开源版本，将其作为智能客服的核心引擎。利用其内置的模型管理、知识库管理和 RAG 流水线能力，大幅缩短开发周期。 2.知识库构建：梳理 10 万+ 条历史客服对话记录，完成清洗、分类与结构化处理，导入 MaxKB 知识库。通过文档分段、QA 对提取等方式提升知识召回率。 3.RAG 检索优化：在 MaxKB 原生 RAG 流程基础上，调整检索参数（Top-K、相似度阈值），并增加重排序（Rerank）环节。并基于 MaxKB 支持的模型接入能力，选用 Qwen3系列模型。利用收集的领域数据，通过 LoRA 方法进行轻量化微调，并集成回 MaxKB 底座。微调后客服场景回答准确率达 92%，幻觉率降至 5% 以下。通过 MaxKB 提供的 API 接口，实现与企业微信、App、Web 端等多渠道的无缝对接。开发简单的消息适配层，完成会话管理、上下文关联等基础功能。

智能症状诊断（对话式问诊） 业务描述：用户以自然语言描述主诉（如“膝关节不能下蹲”），AI通过多轮追问，引导用户补充细节（如疼痛部位、活动受限幅度、伴随体征）。 典型界面： 用户发送“不能下蹲” → AI先提问“下蹲幅度：小幅度障碍还是不能站直？” → 再问“过伸试验强阳性？” → 逐步缩小范围，输出可能的病因（滑膜炎、髌骨嵌顿、腘肌损伤等）。 价值：模拟医生问诊逻辑，避免用户盲目猜测，提高诊断专业性。 2️⃣ 分层鉴别诊断（结构化推理） 业务描述：按照预设的临床路径（如“下蹲障碍”诊断树），AI自动输出分步骤的鉴别诊断列表，区分小幅度障碍、不能站直、后侧疼痛等不同分支。 截图体现： 小幅度障碍 → 肿胀（查滑膜炎） / 髌骨嵌顿（查股骨-髌骨关系） 不能站直 → 过伸试验强阳性（查膝后侧） / 过屈试验阳性（查膝前侧） 后侧疼痛 → 查臀后侧、腘斜韧带等具体结构 大幅度障碍 → 查脊柱侧弯、骨盆旋移、腿型等全身因素 价值：帮助医生/学员建立清晰的临床思维路径，减少漏诊。 3️⃣ 治疗靶点推荐（针刀/针灸定位） 业务描述：当AI完成诊断后，直接输出需要查治的具体解剖结构或压痛点，例如“查治臀后侧、腘斜韧带、腘肌下隐窝、籽骨、半腱肌、半膜肌”。 扩展功能：可进一步点击某个靶点，查看针刀松解进针方法、解剖图示、操作视频。 价值：从“是什么病”快速过渡到“怎么治”，尤其适合针刀医师临床参考。 4️⃣ 体征试验引导（辅助检查） 业务描述：AI主动建议用户或医生完成特定物理检查试验，如“正/反4字试验、直腿抬高试验、过屈/过伸试验”，并根据试验结果再推理。 交互方式：用户点击试验名称，可以查看操作图解或视频演示；也可输入试验结果为“阳性/阴性”，AI更新诊断结论。 价值：标准化体格检查，提升远程问诊的可靠性。 5️⃣ 多模态教学资源关联 业务描述：在诊断结果下方，直接推荐相关的教学视频、名医课程，例如截图中的“膝关节相关疾病的诊断及进针思路”、“唐国振膝关节临床操作演示”。 业务形态：可免费预览部分内容，完整课程需付费/订阅解锁。 价值：实现“即诊即学”，构建从诊疗到教育的闭环，增加用户粘性和付费转化。 6️⃣ 主动追问与健康档案记录 业务描述：在用户未主动提问时，AI可主动发起常见问题，例如截图底部的三个引导按钮： “下蹲时膝关节有无疼痛？” “膝关节活动时有响声吗？” “平时走路或站立时膝盖感觉如何？” 数据沉淀：用户回答内容自动归入个人健康档案，形成长期追踪记录，未来复诊时可对比变化。 价值：变被动问答为主动健康管理，提升用户活跃度和数据丰富度。 7️⃣ 再答一次/调整诊断（可控生成） 业务描述：用户若对当前AI诊断不满意，可以点击“再答一次”按钮，AI会重新生成一组诊断思路或换一种推理逻辑（例如增加考虑肌筋膜链）

集成 AI 智能体与多 MCP 服务的浏览器扩展插件，面向文案创作、代码编写、数据处理等场景，打造智能化定制化服务能力。 ，制定模块交互规范与通信协议；完成 Java 接口开发、接口测试与异常处理；设计智能体完整工作流，搭建多类提示词模板，实现需求解析、任务拆解、服务调用、结果整合全流程自动化。同时优化任务拆解算法与 LLM 交互逻辑，增设异常重试、提示词动态调优能力，大幅提升系统运行效率与需求识别准确度。

构建生命健康领域 “数据接入 - 结构化 - AI 洞察” 持续运行体系，强化公司数据基础设施长期主轴。 明确生命健康行业数据分散、异构、脱节、治理成本高、连续性弱的核心痛点，确立以数据基础设施为稳定锚点的产品方向，不追逐短期 AI 热点，聚焦长期可复用数据价值。

SkyOps 是面向低空作业的任务级自治与风险推演智能体，定位于低空监管平台和无人机飞控系统之间的智能决策层。系统以深圳高层建筑外立面巡检为首个场景，综合任务目标、天气风速、GPS、空域审批、电量、图传、人流等约束，回答“该不该飞、何时飞、怎么飞、异常后怎么办、任务后如何复盘”。前端提供任务运营控制台，支持自然语言任务输入、规划生成、风险解释、异常注入、重规划、复盘报告和评测摘要展示。

基于 Kubernetes 和 Ray 构建大规模分布式训练系统，常常会面对一个典型需求：训练任务需要调用独立的仿真环境（如游戏引擎、机器人模拟器、工业仿真软件等），而这些仿真环境本身已打包为 Docker 镜像，必须在一个隔离的容器内运行。此时，将容器化的仿真环境与 Ray 的工作节点相结合，并在 Kubernetes Pod 内安全、高效地运行仿真容器，就成了架构的关键。Docker‑in‑Docker（DinD）便是解决此类场景的重要技术之一。

为解决省级电网负荷预测精度不足、调度响应滞后的问题，本系统构建了集数据采集、负荷预测、优化调度、实时监控于一体的后端平台。系统通过对接电力 SCADA 系统、气象数据接口，采集电网运行的实时数据；基于 LSTM 深度学习模型实现未来 24 小时 / 72 小时的负荷预测，预测准确率达 96% 以上；结合预测结果与电网约束条件，生成优化调度方案，自动分配发电机组出力；同时提供电网运行状态的实时监控、异常告警、报表统计功能，为电网调度人员提供决策支持，有效降低电网峰谷差，提升电网运行效率与稳定性。

本项目是一个面向个人投资者和小型投研场景的 AI 股票策略 Agent 系统，目标是把分散的行情、新闻、公告、持仓和人工交易记录统一到一个可审计的自动化工作流中。 系统通过 Telegram 机器人作为用户入口，支持查看系统状态、当前持仓、最新策略报告、手动触发盘前/盘后分析，以及记录人工买入卖出结果。用户不需要进入服务器或查看代码，只需要在聊天窗口中发送自然语言或命令，即可获得中文投研摘要和操作提示。 核心功能包括：美股股票池自动扫描、行情与新闻源聚合、SEC 公告抓取、AI 新闻重要性审计、全池个股排序、当前持仓风险分析、交易策略摘要、research 模拟仓、人工成交记录、运行日志和任务审计。系统会区分真实持仓和研究模拟仓，避免把用户意图误当成真实成交。 整体业务流程为：定时任务采集行情与新闻，生成结构化数据包；AI 模型对重要信息进行分析和策略判断；风控模块检查是否满足执行边界；最终通过 Telegram 输出中文报告。系统不会自动下单，所有交易都需要用户人工确认并在券商端手动执行。

视频处理，图片处理，链接分析，电商全平台文案生成和优化，视频去水印加水印，图片去水印加水印，各类功能全加进去了，还有加功能空间，汇率计算，收益亏损计算，订单查询，客户数据，记帐，统计数据，查看库存，

一、立项背景和目标 网文市场对高武都市爽文类型需求旺盛，但人工写作速度慢、质量不稳定、长篇连载节奏难以保障。本项目以AI辅助工业化小说创作为核心目标，构建一套可量产、可复现、质量可控的AI小说生成流水线，并最终形成可迁移至其他题材的通用小说生成工程体系。 二、软件功能与核心模块 系统由多个专项技能模块构成。novel-architecture负责世界观与设定生成，包括势力划分、修炼体系、主线冲突框架。novel-charac ter负责角色状态的全程追踪与更新，管理角色境界、关系网络及已退场人物。novel-outline负责400章全景大纲规划与Sprint任务卡 切分。novel-chapter是核心写作模块，采用分段生成策略，每段500到1000字逐步输出章节正文。novel-context负责跨Sprint上下文 加载，解决长篇创作中的记忆断层问题。novel-review执行15项维度的章节审查，涵盖逻辑、节奏、伏笔、角色OOC等。novel-memory- guard提供6项记忆一致性门禁检查。elatia-humanizer-zh专项消除AI写作痕迹，提升文本自然度。此外系统设有6道质量门禁，分别把 控字数、审查结果、一致性、打脸质量与爽点节奏。 三、业务流程与功能路径 系统采用三角色Harness架构驱动整个流水线，角色分别为Planner、Generator、Evaluator。 Phase 0为规划阶段，Planner读取400章大纲，将其切分为若干Sprint任务卡，每批5章。Phase 1为一次性初始化，依次执行世界观生成、角色初始化、章节目录生成，完成后通过字数规模校验门禁。Phase 2为核心的Sprint循环生成阶段，每轮Sprint先由novel-context加载历史上下文，再由Generator逐段落写作；每段完成后Evaluator执 行节流检查，通过则继续，失败两次以内则重写当段，失败超过两次则暂停等待人工介入。章节写完后依次通过字数校验、15项审查、 6项记忆一致性检查、5项打脸质量检测，全部通过后将结果回写至全局摘要、角色状态、叙事记忆等文件。Phase 3为节奏检查，每3章触发一次小爽点确认，每10章触发一次大爽点确认，确认通过后进入下一Sprint。

系统集成 AI 知识助手、多模态助手、企业知识库三大核心能力，支持仪表板快速生成、拖拽式大屏搭建、智能报告生成与剧本化编辑，并提供 AI 机器人聊天及自定义指标配置，打造覆盖智能交互、数据分析与可视化应用的全链路企业级平台。

一、立项背景与目标 针对传统视频制作门槛高、流程繁、成本高的痛点，搭建AI视频制作平台，以“智能、高效、轻量化”为目标，打破专业壁垒，帮助普通用户及中小机构快速产出优质视频，降低制作成本、提升产出效率。 二、软件功能及核心模块 核心模块包括：AI智能生成（文本/图片转视频，自动匹配素材、字幕、背景音乐）；智能剪辑（一键剪辑、自动转场、多轨道编辑）；素材管理（海量模板素材，支持上传、分类、复用）；智能优化（画面修复、音色调节、字幕自动生成翻译）；导出分享（多格式导出，一键分享至社交平台）。 三、业务流程与功能路径 业务流程闭环：用户登录后选择模板、输入素材，AI自动生成视频初稿；用户通过智能剪辑模块微调优化；完成后选择格式导出，一键分享，全程无需专业操作，高效便捷。

面向消防应急场景打造无人机一体化智能平台，含集成倾斜摄影模型算法，实现三维模型高效拼接、精准裁剪、轻量化简化与快速加载优化；基于无人机视角 AI 视觉算法，完成现场人员行为智能识别、烟火自动检测与异常告警，构建集三维场景重建、空中智能巡查、火情实时监测于一体的消防应急智能感知体系。

本项目定位为企业知识问答与决策辅助的 RAG（检索增强生成）引擎，目标是在保证答案可追溯的前提下，让大模型基于企业私有知识输出更准确、更稳定、更可解释的结果。 降低幻觉风险：回答必须来自可检索证据，而不是仅依赖模型参数记忆。 缩短知识到答案路径：把 PDF/文档中的信息结构化为“可检索资产”，支持快速问答。 提升复杂问题处理能力：通过查询分解、多路召回和重排，提高召回率与答案覆盖度。 支撑后续平台化演进：多数据源、多路由策略、可观测可评估的企业级 RAG 平台。 典型业务场景： 企业知识库问答（制度、流程、技术文档、培训资料） 研发知识助手（架构规范、故障排查、技术决策对比） 运营/客服知识检索（FAQ、工单经验、产品说明） 管理汇报辅助（跨文档信息整合与来源可追溯说明） 功能介绍： 支持多轮对话 数据读取与切分 向量化与索引构建 混合检索 重排 查询分解与策略路由 路由平台化 Multi-Query 并行召回 + 跨查询融合 双阶段生成（证据抽取 + 最终回答） Step-Back 独立链路 路由模块基础能力 Token 级检索与优化 上下文压缩 检索与生成缓存体系 评估与观测体系 生产级治理能力

金谷子云科技是国内API×AI业务价值赋能的核心践行者，始终以技术创新为核心驱动力，深耕AI技术研发与行业落地领域，致力于通过技术突破打通数据与智能的壁垒，让AI技术真正服务业务、创造价值，全方位赋能各行业数字化转型，推动产业智能化升级。 公司核心团队拥有多年AI技术研发与行业落地实战经验，聚焦AI全场景落地需求，构建了覆盖多领域的完善技术服务体系，为产品研发、解决方案落地和客户服务提供了坚实的技术与团队支撑。2026年，公司打造了包含数字孪生、AI艺术创作、AI智能问答、元宇宙、AI教育、AI二次开发、AI智能体、AI企业、AI物理世界大模型在内的九大核心产品矩阵，推出数字孪生智慧园区综合管理平台、CompareGPT API-KEY、丽米AI艺术创作平台、中国启元AI教育与企业应用平台等核心产品，可针对产业园区、制造、教育、零售、金融、科研等不同行业、不同场景的需求，提供定制化、全流程的智能化解决方案，实现从技术到业务的深度赋能。 在技术与产品落地中，公司秉持高精度、高适配、可定制、易落地的研发与设计理念，凭借数字孪生、AI智能、数据协同等核心技术优势，帮助客户打破数据孤岛、实现智能化决策闭环，达成降本、提效、安全、增值的核心价值，助力客户实现“短期降本、中期提效、长期增值”的阶梯式价值提升。 公司始终以客户为中心，构建了全方位的服务体系，确保为客户提供稳定、高效的技术与服务支持；同时秉持开放合作、互利共赢的合作理念，搭建了金谷子云官网、中国启元官网、丽米官网、CompareGPT国际官网四大官方对接平台，精准链接不同领域合作伙伴需求。未来，金谷子云科技将持续投入研发、突破关键技术瓶颈，推动企业从简单的系统互联迈向真正的业务智能，以数据驱动决策实现客户价值最大化，与各界伙伴携手共创行业数字化转型的新篇章。

•联通在线APP等核心业务AI智能体全流程开发，完成业务需求拆解、场景设计及Agent/工作流/工具的串联集成，优化Prompt工程迭代效率，保障智能查号业务的高效运转。 •负责AI业务接口体系搭建，开发业务Mock接口，完成总控落域大模型服务接口联调，保障上下游系统数据交互顺畅，支撑日均万级请求的AI业务场景稳定运行。

面向城市公共交通行业，主要服务对象包括： 交通运输主管部门：掌握全市公交、地铁等运营整体情况 公交/地铁运营企业：支撑日常运营与调度决策 城市规划部门：为线网规划、设施建设提供数据支撑 本方案通过配套的智能终端采集客流量等出行大数据，构建出行大数据分析平台，利用大数据AI模型分析车辆、站点、线路数据，同时支持对线路进行智能运能匹配分析，数据赋能公交相关业务，用于制定更加合理的排班计划，提高公交业务的运行效率。