金融 云服务/云平台 软件定制 案例

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

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

项目工作主要涵盖影像平台的缓存服务器，传输中间件和客户端影像控件，支撑现有需求和未来规划。 1、需要在省行的CM前部署一个服务层，来缓冲对省行访问的压力，同时监控和管理RM。 2、分行没有DB，要基本做到零维护，采用星型部署，减少层级。 3、要支持升级自动化，更新软件包自动分发。 4、要保证RM向上复制数据的实时性，和跨行访问和VIP客户特殊处理流程紧密相关。以XX分行为例，60万笔/天，15％跨行，大约9万笔，如果要求实时性比较高，就需要结合应用进行优先级的设计，对高优先级数据及时启动复制。 5、CM从后台的归档走向事中处理，数据分布在省行和一个分行或者几个分行，需要版本控制，保证数据一致性。 6、分行到省行的数据传输需要有带宽控制功能。对于现有网络带宽，支行到分行是2－4M，分行到省行是4M或10M。 7、海量小文件要打包成大文件。 8、对于大表问题，需要结合归档方案来实现。 9、User，ItemType，RM和Collection的定义。同时需要考虑对于大的分行，RM需要具备扩展能力。 10、RM需要具有Replicator，Migrator和LanCache的功能，可以部分重用现有代码。 11、完善异常处理和日志的处理。

项目背景： 客户先后收购两家贷款平台，各自拥有独立的佣金处理系统。两套系统上游系统不统一、数据模型重叠、佣金计算规则差异巨大、报表逻辑不一致。无集中日志管理和告警系统，手动部署（文件替换） ，充满 Vulnerability 报警，每月需 2 名工程师 14×7 待命支持。任何计算错误都可能造成对用户的错误付款，引发公司声誉损失。 核心难点： - 上游系统不统一，但上游数据存在 overlap - 佣金领域模型差异大，计算规则差异巨大 - 报表逻辑不一致，无法直接对比 - 随意改动可能影响实际用户付款，造成声誉损失 - 需平滑迁移，前后数据对比确保零差错 旧系统技术栈： - MS Access / VBA + .NET Framework 4.5.2 + Teleric UI - 无集中日志/告警 - 手动本地服务器部署 - 充满安全漏洞 - 排查问题极其困难 - 月均2人14×7支持

根据您提供的"宸林财税通"系统代码,我为您整理了一份详细的功能简介: 宸林财税通 - 企业级智能财税管理系统功能简介 📊 核心功能模块 1️⃣ 数据概览仪表盘 - 实时统计卡片: 本月收入、支出、应纳税额、凭证数量及环比趋势 - 月度收支趋势图: 可视化展示7个月度收支数据对比 - 税种分布饼图: 增值税、企业所得税、个人所得税等占比分析 - 快捷操作入口: 智能记账、发票采集、一键报税、银企对账、凭证生成、报表导出 2️⃣ 发票管理 - 进项发票管理: 采购发票录入与追踪 - 销项发票管理: 销售发票开具与管理 - 智能识别(OCR): AI自动识别发票信息 - 自动匹配: 发票与凭证智能关联匹配 3️⃣ 凭证管理 - 凭证列表: 查看所有会计凭证记录 - 新增凭证: 手工创建会计凭证 - 凭证模板: 常用凭证模板快速调用 - 凭证审核: 多级审核流程管理 - 批量操作: 支持筛选、导出、打印等功能 4️⃣ 税务申报 - 增值税申报: 自动计算并生成申报表 - 企业所得税: 季度预缴与年度汇算 - 个人所得税: 员工个税计算与申报 - 自动申报: RPA自动化填报税务系统 - 申报历史: 查看历史申报记录与状态 5️⃣ 财务报表 - 资产负债表: 自动生成标准资产负债表 - 利润表: 损益分析与利润核算 - 现金流量表: 现金流监控与分析 - 自定义报表: 按需定制个性化报表 6️⃣ 银企对账 - 银行同步: 自动获取银行流水数据 - 自动对账: AI智能匹配银行流水与账务 - 流水管理: 银行交易记录查询与管理 7️⃣ RPA自动化 - 任务编排: 可视化设计自动化工作流程 - 执行日志: 实时监控自动化任务执行情况 - 定时任务: 设置周期性自动执行计划 8️⃣ API接口中心 - 接口文档: 完整的API使用说明 - 密钥管理: API访问密钥安全管理 - 调用日志: 接口调用记录与监控 - 沙箱测试: 安全的测试环境 9️⃣系统设置 - 企业信息: 公司基本信息配置 - 税种配置: 税率与税种参数设置 - 用户权限: 多角色权限管理体系 - 数据备份: 自动/手动数据备份恢复 🔐 用户认证与安全 - 注册/登录: 用户名密

1.大型分布式移动端/web端金融交易系统平台，面向非洲多国移动运营商，以及金融机构 2.业务覆盖非洲多国的通信结算，第三方银行支付，电子商务交易等场景 3.多局点业务可水平按需扩展，拥有多个局点的定制服务业务 4.是一个集大部分线上支付，金融交易得多功能交易中心枢纽服务平台

阿里某BU对账结算系统是面向交通出行场景的全链路财务结算平台，全面支撑机票、火车票、船票、租车等多条业务线的资金对账与结算工作，覆盖交易对账、账单核销、成本核算、利润结转、差错处理全流程核心能力，是BU出行交易资金闭环、账务合规、收益核算的核心底层系统。平台承接全品类出行订单的日均大规模账务计算任务，保障海量交易数据下账务精准、结算合规、异常可追溯。 系统采用主流Spring Boot微服务架构搭建后端服务，底层基于PolarDB分布式数据库完成亿级交易数据的稳定存储，依托MaxCompute Spark构建弹性算力引擎，搭建批流一体OLAP计算体系，支撑日均百万级的对账、结转计算任务，可弹性应对大促、峰值订单流量带来的账务计算压力，保障全业务线财务结算高效、稳定、准确落地。

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。

中联重科商城是大电商平台后端的核心平台，负责管理供应商，商品，采购商，后台运营管理，2B商城。平台基于SpringCloud 构建微服务体系，包括会员，订单，商品，2B商城，后台运营管理，消息中间件，redis 缓存服务，持久层基于MyBatis ，数据库基于 mysql 。通过公司流水线平台部署到k8s集群

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。

建行渠道管控系统是支撑 STM 智慧柜员机与裕农通双渠道交易分发的核心中间件，日均处理交易量 10 万 +，服务于辽宁省内 200+ 银行网点。负责分发与统计不同渠道的交易，便于负载和行内做统计总结，为目标规划做保障

立项背景&目标： 1.通过优化的架构和流程，打通云端和本地数据连接，提高LSEG内部不同金融产品的自动化 2.持续优化产品用户的工作效率，降低人力成本 3.通过ETL，NLP，ML等工具和技术，持续优化数据质量 业务流程： 1.通过Boomi订阅SNS获取产品的云端数据，通过规则提取数据，存放到AWS S3 2.通过其他组件如格式转化等，进一步提取数据，进行NLP，ML等数据优化，存放到AWS S3 3.业务端通过产品界面识别文档关键词句信息，再次利用Boomi进行标准化和数据质量审核 4.合格的业务数据存放到本地数据库

1、立项背景和目标：响应国家发票电子化政策，面对客户数量激增导致的系统压力，对百望云平台进行二期升级，目标实现分布式部署、动态扩容、高可用，支撑亿级数据处理需求。 2、软件功能、核心功能模块：平台涵盖用户管理、订单处理、发票开具、发票查询、数据统计等核心模块，支持多租户模式，为不同企业客户提供电子发票全生命周期管理服务。 3、业务流程：企业客户通过平台提交开票请求，系统进行身份认证后调用开票引擎生成电子发票，发票数据经审核后同步至税务系统，同时提供发票查询、导出、统计分析等功能，支持与企业OA系统对接实现单点登录。

1、配置与账户管理 API 面板（账号、密钥、保存/加载）、查询余额、账户信息区、策略设置（保证金额度、杠杆/手续费/止盈/加仓阈值展示）。 2、波动率选标与一键开仓 波动率排名表（排名、交易对、当前价、波动率）、左键单击开仓、后台波动率计算线程。 3、活跃持仓与平仓 活跃对冲表（多空两行、盈亏、订单状态、颜色区分）、市价平仓按钮、自动平仓条件与记录。 4、实时行情与自动加仓 WebSocket 行情、对冲线程根据价格加仓（多/空各最多 9 次）、连接状态显示。 5、多选项卡与数据查看 价格图表、仓位历史（含详情弹窗）、交易记录、日志（按类型着色）。 6、数据持久化与通知 CSV 追加写入（results 目录）、平仓邮件通知（SMTP 需配置）。

1.拓扑图渲染：展示办公网、控制网的层级化网络结构，包含不同类型的设备节点和连线。 2.动态交互：节点状态变化（正常 / 被攻击）、攻击路径动画、场景切换、悬浮提示。 3.状态联动：右侧攻击详情面板与拓扑图节点状态实时同步。 多场景管理：支持场景 1/2/3 的切换，不同场景加载不同的网络拓扑数据

财富管理平台是给不同的金融机构的投资账号、保险账号提供全面的金融大账本服务，从英国、澳大利亚、新加坡、香港的基金、股票、债券等金融产品的管理、定价、各类账号、关系、交易等各类服务的管理。

项目概述：参与了公司核心数字资产交易平台的全栈研发。该平台为机构与高净值用户提供一站式合规数字资产服务，集币币交易、账户资产托管、法币与数字货币出入金、跨链资产交换于一体，并成功实现与澳大利亚证券交易所（ASX）CBDC系统的对接，完成了法定数字货币（CBDC）与主流加密货币的跨链交易创新性落地。 职责与核心技术栈： 后端系统架构与核心开发：使用 Golang​ 构建高性能、高并发的微服务架构。负责交易引擎撮合、用户资产账户体系、资金流水、风险控制等核心模块的设计与实现。数据库采用 PostgreSQL​ 进行关系型数据存储，确保数据强一致性与事务安全。 区块链网关与跨链服务： 设计并开发了多链钱包管理与区块链网关，统一处理 BTC、ETH​ 等主流公链的充币、提币、交易签名与广播，保障链上资产操作的安全与稳定。 主导完成与澳交所（ASX）CBDC系统的对接，实现了基于许可链的央行数字货币与去中心化加密货币的跨链原子交换协议，打通了合规法币通道，是本项目的核心技术突破。 前端功能实现：使用 Vue.js​ 框架开发平台前端管理界面与用户操作面板，实现了资产总览、交易对K线图、委托下单、资金划转、订单历史查询等完整功能，提供流畅的用户体验。 安全与合规：实现了多签冷热钱包分离机制、反洗钱（AML）实时监控接口、基于角色的访问控制（RBAC）等，确保平台资金安全与操作合规。

量化交易系统的各个策略的运行依托实时行情系统，所以着手设计开发了这套系统，这套系统可以提供A股的level的 tick级别的实时行情，通过数据聚合可以提供一分钟、5分钟、15分钟、30分钟、60分钟、日K 周K 月K 各个周期的K线数据，还能提供资金流入流出、大单情况等行情数据

基于对白酒行业的深刻理解和金蝶云平台的技术积累，制定“平台统一、数据驱动、内外协同”的数字化升级战略。 1. 核心平台选型与部署： 平台选择： 采用金蝶云EAS作为集团统一的ERP运营平台。 模块覆盖： 全面实施了财务、供应链（采购、销售、库存）、生产制造（物料清单、生产计划）等核心模块，实现了业务流程的标准化和统一化管理。 2. 个性化定制开发与集成： 第三方WMS/MES深度对接： 实现了EAS与业内领先的WMS（仓储管理系统）和MES（生产管理系统）的无缝对接。 流程优化： 销售订单在金蝶系统生成后，自动下发至WMS进行拣货、出库；出库数据实时回传至金蝶。实现了从订单到发货的全流程可视化。 价值： 发货准确率提升至99.9%以上，订单交付周期缩短了40%。

一、项目背景与目标 1. 背景 业务痛点： 效率低下：投资合同审核依赖人工逐字审阅，耗时长、易出错。 风险遗漏：复杂法律条款易被忽略，导致合规或法律风险。 知识沉淀困难：历史合同经验未系统化，无法快速复用。 技术需求： 通过 AI 大模型实现合同自动化解析、关键信息提取与风险预警。 结合 RAG 模型强化法律知识库检索能力，确保审核结论的权威性。 2. 目标 核心目标： 提升审核效率：将合同处理时间从数小时缩短至分钟级。 降低风险：通过 AI 识别合规性风险，减少人为疏漏。 知识管理：构建并维护私有化法律知识库，支持持续迭代。 技术目标： 搭建 端到端自动化审核流程，覆盖合同解析→风险评估→结论生成→存档全流程。 通过 OceanBase 和 MySQL 支持高并发、高可用的合同数据存储与检索。 二、核心功能模块 1. 合同解析模块 功能描述： 支持 PDF、Word 等格式合同的上传与解析。 使用 AI 文本处理技术（如 NLP）提取关键信息：合同金额、期限、双方主体、违约条款等。 技术实现： OCR+分段处理：对扫描版合同进行文字识别，结构化文本分割。 LangChain 集成：调用私有大模型对非结构化文本进行语义分析。 2. 智能审核模块 功能描述： 基于 RAG 模型对比合同内容与 知识库（如法律法规、行业模板），判断合规性。 识别高风险条款（如排他性约定、不可抗力责任划分）。 技术实现： RAG 流程： 通过 VectorDB（如 Oceanbase）检索知识库中相关法律条文或案例。 结合 私有大模型（如通义千问企业版）生成分析报告，标注风险点。 规则引擎：预设合规规则（如“禁止无限连带责任”），触发预警。 3. 知识库管理模块 功能描述： 维护 法律库（最新法规）、案例库（历史合同争议）、模板库（标准合同模板）。 支持人工标注与模型自动更新知识库。 技术实现： MySQL 存储结构化数据（如法律条文编号、条款摘要）。 向量存储库（基于 Oceanbase）：将文本转化为向量，支持高效检索。 功能路径描述 路径 1：合同上传与解析 用户操作：登录系统 → 上传合同文件（PDF/Word）。 系统处理： 路径 2：智能审核与风险分析 知识库检索： 向量检索：将合同条款向量化，与 Oceanbase 向量库中的法律条文对比。 规则匹配：触发预设规则（如检测“违约金超过 30% 是否合规”）。 风险评估： 模型推理：大模型结合检索结果生成风险报告。 路径 3：知识库更新 人工更新：管理员新增法律条文或标注历史合同案例。 自动更新： RAG 模型定期抓取监管机构网站最新法规。 通过 LangChain 将新数据向量化并写入知识库