框架或代码包 软件定制 案例

基于LangChain框架，给GPT模型以谷歌学术工具，输入要搜索的文献关键字，智能体能够自动搜索文献并返回结果。并且加入了历史消息对话功能，能让智能体针对上下文进一步处理用户输入，比如用户先输入了要查询的主题为"LLM"，智能体返回第一次结果，用户可以针对结果输入相关的提示词，如"刚刚第一篇论文的作者是谁？"

1. 为了确保企业数据合规和防泄漏以及符合法律规范，需本地搭建企业用AI并且落地企业相关可使用功能 2. 功能包括前端统一入口，后端大语言推理基座并且运行大语言模型 3. 企业级用AI应用 包括知识库智能问答，翻译，数据智能分析，企业应用对接等 4. 安全和合规 - 敏感词过滤法律合规 并且 须考虑API安全等网络安全问题

将待处理的视频输出为字幕擦除后的视频及附加字幕提取文件（若客户需求） 需求多为要能兼容横板及竖版视频，字幕多为英文或中文单行及多行形式 难点在于成本及输出效果，成本通过下述项目实现具体阐述，输出效果的区别在于无码化，详见上传的结果示例

产品名称：family-server 家庭私有服务器 面向对象：个人、家庭、小型工作室 核心价值：数据不出门、服务一站式、管理零门槛 一、业务定位 私有云存储——替代公共网盘，照片/影视/文档全家共享 个人知识库——经验、备忘、剪藏集中沉淀，支持全文检索 轻量办公/开发站——内置多个网页小工具，离线也能用 家庭数字中枢——多用户、多设备、多协议，统一认证与权限 低功耗 7×24 运行——树莓派、x86 小主机、旧笔记本均可部署，功耗 ≤10 W

在产品上架初期，很难预估产品销量，但都希望产品大卖，所以在初期备货的时候会多预留一些库存。后期通过跟踪产品销量来估算未来的产品销量。但销量预估只是参考数据，很难确定什么时候销量会暴涨，需要设置库存最低值，这样基本保证不会出现断货的情况。当然仓库还需要进行定期盘点，以确保记录数和实际库存数的匹配。以上工作如果采用纯人工来做，那将是费时又费力。 这时就需要开发一套针对亚马逊集货仓的仓库管理软件，通过系统工具，我们可以进行配置管理、备货管理、采购管理、发货管理等一站式的仓储服务，全面掌握亚马逊的物流信息，提高工作效率、降低成本。

CSUF重建系统显著减少了迭代算法的超参数依赖。并且在仅使用 20 个投影的条件下，重建的 CT 图像的峰值信噪比（PSNR）和结构相似性指数（SSIM）出色可达 26 dB 和 0.85。实验结果表明，重建图像具有较好的视觉质量，能够满足临床诊断的需求。

1、寻找各类产品级软件的安装程序或源代码 2、进行代码逆向 3、进行代码逻辑分析和安全审计，发现产品级代码存在的安全漏洞等 4、在可运行的系统上开展黑盒测试，验证白盒审计的漏洞是否可以利用 5、发现漏洞，撰写报告报送国家信息安全漏洞库

1、对源代码开展安全审计，审计主要通过自研的代码审计及漏洞挖掘工具，对jar包等进行逆向，同步自动化开展安全审计； 2、安全审计重点基于实战角度出发，发现Api未授权、越权、反序列化、敏感信息泄露、任意文件下载、木马上传等高危安全漏洞； 3、对发现的问题及漏洞进行总结归纳，形成整改咨询建议； 4、提炼其中的漏洞，对基于产品或框架的漏洞，凝练成原创0day漏洞，报国家漏洞库！

1、通过互联网进行深度信息侦查，发现互联网暴漏的大量资产 2、深度模糊测试和Api接口探测，发现大量未授权Api接口，获取海量高价值数据 3、基于密码攻防获取JWT Token敏感信息，利用泄露的敏感信息获取核心一类金融系统管理员权限 4、存在任意文件下载漏洞，可以读取大量银行内部敏感文件 5、钓鱼攻击开展，直接获取银行职员办公电脑权限，并跳转进入银行大数据平台

为更大效率利用公司GPU资源、节省成本，通过对NVIDIA的驱动库、运行库和函数库进行劫持，将公司k8s集群中GPU卡的算力和显存资源进行统计和管理，使单卡资源利用率提高13%；并引入远程共享池化的概念，使没有GPU卡的机器能通过网络使用GPU池中的资源。

搭载红外避障模块，能在火灾、地震等危险场景中，替代人员进入高温、浓烟或结构受损的楼梯区域，完成双重任务：一是环境探测（如监测温度、气体浓度），二是物资输送（如传递急救药品、小型救援设备），规避人员进入危险区域的伤亡风险。

参与用户中心，订单详情，商品详情等多个模块的开发 参与用户体系搭建：设计多角色权限系统，支持用户身份认证及分级商家会员权益 推动产品功能落地：联合产品团队梳理合规需求，将业务规则转化为技术方案

发布和管理车辆SBOM和3维图册，为维修单位提供车型BOM及配件信息等维修信息的查询，并提供维修咨询，手册查看，维修诊断，发布维修信息公告等功能，并对提供维修案例的单位进行积分奖励，收集案例信息，用于扩展为AI智能诊断的数据。

软件包括了前台和后台，运行在Windows系统下，具体划分登录注册模块、单元场景模块以及外部调用模块。对于其他模块来说，这里以单元场景模块为主。具体单元对应具体试验也就是一个个场景，这里主要研究结构体态对船舶航行的影响，涉及到航向姿势以及重力夹角等参数。每个场景模块对应了不同的界面，主要是调用外部多一些，考虑用到WinSDK，还需要应用到图像的采集与识别，试验结果可以是内部三维视图以及收集采样文档输出。

语音采集功能，通过电脑端的扬声器采集声音 语音识别功能，基于ASR任务识别语音为文字 语音识别结果纠错，通过大模型进行分析语音意图，纠正语音模糊带来的问题 调用MCP服务，大模型来调用可用的tool，若无法分析出语音意图就返回“请重新录入需求”

机场双目飞鸟探测驱赶智能系统功能介绍 1. 全天候飞鸟探测与跟踪 多光谱双目探测： 采用红外探测双目设备与高清可见光双目设备，不受昼夜、恶劣天气（雾、雨、雪）影响，实现24小时监测。 被动探测技术，避免电磁干扰飞机航电系统。 AI目标识别与跟踪： 基于深度学习算法，实时识别鸟类种类（如大型鸟类、家燕、麻雀等），并计算其3D坐标（飞行高度、速度、方向）。 动态追踪鸟类轨迹，预测飞行路径，与机场航班起降数据联动分析威胁等级。 2. 智能威胁评估与预警 危险等级判定： 对比鸟类与飞机的实时高度、位置，自动判断碰撞风险（如低空慢速大型鸟类 vs 高速小型鸟类）。 多级预警机制： 通过声光报警、驱鸟设备联动或塔台通知，提前10-30秒预警高风险鸟情。 3. 精准联动驱赶 分区定向驱鸟： 根据鸟类位置，自动触发对应区域的全向声波、定向声波或激光驱鸟设备，避免无差别驱赶。 支持驱赶策略自定义（如针对不同鸟类习性调整声波频率）。 驱鸟效果反馈： 实时监测驱赶后鸟类活动，动态调整驱赶强度或切换驱赶方式。 4. 数据分析与预测 鸟情大数据分析： 结合历史数据、天气（风速、温度）、季节因素，生成鸟类活动热力图及迁徙规律预测。 辅助机场优化驱鸟设备部署与巡逻计划。 报表生成： 自动输出每日/周/月鸟情报告，包括事件统计、威胁等级分布、驱赶成功率等。 5. 系统扩展性与兼容性 多设备联动： 兼容机场现有驱鸟设备（如拦鸟网、煤气炮），支持API接入空管系统。 模块化设计： 可扩展雷达探测模块（非电磁干扰频段）或无人机协同驱鸟功能。 技术亮点 AI+多光谱融合：可见光与红外双通道校验，降低误检率（如塑料袋、无人机误判）。 边缘计算：本地化实时处理，减少网络依赖，响应时间＜200ms。 低功耗设计：适合机场大面积部署，太阳能供电可选。 此系统通过“探测-分析-驱赶-预测”闭环，显著提升鸟击防范效率，降低人工依赖，符合民航局新技术名录指南要求。

1.消息接收服务，消息来源于上游系统，通过Solace、Tibco传输 2.消息适配服务，整合各个源系统的消息格式，是所有的消息格式统一 3.消息处理引擎服务，针对接收到消息进行细粒度的加工和落地到磁盘 4.消息分发服务，将上面处理好的消息通过Solace中间件转发给下游系统 5.消息通知服务，针对一些有风险的消息及时发邮件给用户

目标检测：能够在图片或视频中检测并识别物体，如人、车、动物等。 边界框预测：为每个物体提供位置和类别的边界框。 分类与回归：同时进行目标分类和位置回归，快速处理。 多目标识别：支持同时检测多个目标，并提供相应标签和位置。

具有多种策略功能生成预测曲线，包括lstm、线性回归、机器学习等方法 对股票原始特征进行多重数据分解，旨在获得股票最有时序特征的分量片段 使用者可以对依据预测曲线对股票进行回测，大部分预测效果中胜率优于60％ 使用者在程序中的操作只需选取股票代码+股票的范围就能获得数据源,并逐个选项卡按默认配置处理即可得到预测曲线，在程序中再根据预测曲线与股票原始曲线进行对比即可进行股票回测，分析股票价值

通过模块与数据结构框架，对多功能系统进行统一整合，比如，对数据的读写能力与整理分析能力进行模块化与结构化，然后通过算法及算法优化对相关函数功能进行整合，实现高效与高质量。用户可在使用过程中感受到兼具效率与质量的使用感受。