框架或代码包 软件定制 案例

立项背景：制造业/工程企业积累了大量德语技术论坛日志（含零件号、扭矩、测量规格）及工程图纸附件，存在语言障碍且难以直接喂给 RAG 检索系统；人工翻译成本高，且极易在翻译中丢失或改写关键参数。目标：构建一条自动化管线，将原始德语日志清洗、翻译为英文，封装成 RAG 就绪的结构化 Markdown 知识库，核心技术参数 100% 保真。 核心功能模块： 1) 噪音清洗——自动剔除论坛签名、导航条、邮件页脚，同时保留供应商联系方式与技术引用； 2) 保真翻译——抽取零件号/扭矩/测量等实体并掩码，仅翻译普通文本，再逐字节回注原值，附计数校验闸门； 3) 附件富集——图像两级过滤 + 视觉大模型(VLM)结构化提取工程元数据； 4) Markdown 封装——YAML 头 + 面包屑元数据注入； 5) 日志合并——按宏域合并为主日志，供向量库分块入库。 业务流程：原始德语日志 → 清洗 → 实体掩码 → 翻译 → 回注 → 校验闸门 → 英文 Markdown（含元数据）→ 按域合并 → RAG 入库。

主要是对个人的消费情况进行分析。 通过影刀RPA，对淘宝和京东的订单数据进行抓取，包含订单日期，订单金额，订单商品名称等信息。数据抓取后，通过PANDAS对数据进行清洗处理。 使用PYTHON和LANGCHAIN开发一个AGENT，通过LANGGRAPH集成的FASTAPI接口对外提供服务。 在影刀RPA中，把清洗过后的数据通过服务传送给AGENT，得到个人消费的一个情况分析。

项目为福建省生态云环境执法系统的信创改造及功能迭代工程。旨在响应国家信创政策，将原系统平稳迁移至国产软硬件生态环 境，并结合实际执法需求进行功能升级。核心任务包括攻克国产化适配技术难点、重构数据库表结构、实现新增业务接口开发与部署，成功完成系统新旧切换，实现了执法业务数据互通、智能监管升级。

本地部署特教领域知识库 本地大模型 RAG 知识图谱构建 数据清洗 前后端实现 服务部署与搭建 本地大模型 RAG 知识图谱构建 数据清洗 前后端实现 服务部署与搭建。 本地部署特教领域知识库 本地大模型 RAG 知识图谱构建 数据清洗 前后端实现 服务部署与搭建 本地大模型 RAG 知识图谱构建 数据清洗 前后端实现 服务部署与搭建。

可以迅速通过自然语言搭建智能体平台。包含管理平台，智能体引擎，交互子系统。 1. 模型管理：可灵活配置在离线模型 2. 模板管理：行业定制化模板 3. 内置工具：包含通用工具和行业专业工具 4. 知识库子系统 5. 智能体搭建：通过自然语言搭建

立项背景：漏洞挖掘流程高度碎片化——侦察用一套工具，审计用另一套，报告再 手工整理。一个目标从拿到域名到产出报告通常需要切换 4-5 个工具，耗时 2-4 小时。目标是造一个扔什么进去都能自动识别、走对应流水线、最后产出结构化报 告的统一调度器。 核心功能：输入任意目标（域名/源码仓库/APK/JWT Token/合约地址/Dockerfile/ GraphQL端点/API端点），系统自动检测目标类型，路由到 8 条专项流水线之一： Web 域名走 subfinder→httpx→nuclei 全链；源码仓库走 scanner-45→semgrep→ gitleaks 三引擎并行；JWT 走 alg:none + RS→HS 混淆 + 弱密钥爆破。19 个安全 专用 Agent 按漏洞类型分工，dispatch-router 用 15 条 regex 规则实现智能匹 配，Top-2 Agent 分数差距≤2 时触发歧义检测，要求先澄清再动手。 业务流程：用户扔目标 → 类型自动检测（8 种类型识别，含 confidence 评分） → 路由到对应流水线 → 多维扫描 → 增量去重（SHA256 指纹，SQLite 持久化） → 降噪评分（负分滤掉 favicon/WAF/IP 指纹等噪音，正分加权 CVE/XSS/SQLi 等真实漏洞）→ 结构化 JSON 报告 + 人读摘要 → 通知 Dashboard/桌宠完成。

立项背景与目标 企业多业务存在大量定时数据同步、批量计算、日志清理等定时任务，传统单机定时脚本存在分散难管控、执行失败无告警、运行数据无法追溯、执行状态不透明等问题。本项目搭建统一分布式任务调度平台，实现全量任务集中管控、执行过程可视化监控、异常自动告警，保障批量任务稳定可靠执行。 核心功能模块 任务基础管理：统一录入、启停、编辑定时任务，当前在线运行任务共 8 个，支持自定义执行周期、重试策略； 分布式执行器管控：对接 1 台在线执行器机器，实现任务远程分发、资源隔离、负载均衡； 调度数据可视化报表：基于 ECharts 实现日期分布折线图、任务成功率饼图，统计周期内累计调度 115429 次，直观区分成功 / 失败 / 进行中三类任务状态； 异常运维模块：任务执行失败实时推送告警，留存全量调度日志，支持按日期筛选历史记录、定位故障任务。 业务流程 运维人员在后台创建定时任务并配置调度规则，调度中心按时间规则自动向执行器下发任务；任务执行后自动采集运行结果，写入数据库统计数据；前端实时渲染可视化报表，出现失败任务时触发消息告警，运维可查看报表与日志排查问题。

魔法框架 1. 技术架构 开发语言与框架：基于 .NET10（后端） + Vue3（前端） + ElementPlus（UI组件库），构建高度定制化、高性能、现代化的企业级应用。 核心技术集成： 内存数据库：提升数据读写速度，降低延迟。 缓存管理：优化高频数据访问效率。 消息队列：支持异步任务处理（如订单排队、日志记录）。 定时任务：自动化执行周期性任务（如数据备份、报表生成）。 数据过滤器：灵活处理数据逻辑（如权限过滤、字段加密）。 动态路由：根据用户权限或业务需求动态调整页面路径。 代码生成器：一键生成基础代码（CRUD操作、API接口、导入导出），加速开发流程。 2. 核心优势 简单且性能优越是框架的开发优势，开发简单，维护简单，单表查询本机运行接口只耗时几毫秒，一般开发框架Vue部份都单独一套代码，我们这套代码把Vue部份整合到.NET项目里面，开发和维护只需一套代码就能实现，开发框架专门为应付日常开发的增删改查导入导出编写的，也支持高度定制的开发信息业务系统开发。 开发效率：通过代码生成器和动态路由功能，开发周期缩短50%以上。 安全合规：内置RBAC权限模型，支持ISO27001等安全认证体系，通过等保2.0认证。 扩展性强：模块化设计，可搭建任意类型系统，如OA，APP、小程序后台，物联网系统等，可按需集成第三方服务。 维护成本低：提供可视化运维后台，支持一键日志分析、性能调优、慢查分析。 3. 市场验证与客户案例 大型企业合作： 中国移动/中国联通：公网通信资源监控、流量分析系统。 中国银行：IT服务台工单管理系统（流程自动化、超时邮件提醒）。 迈瑞医疗：供应链管理系统（高并发数据处理、多语言支持）。 政府机构： 广州市黄埔区人社局：就业服务管理系统（补贴流程OA、政策发布）。 鹤山市环保局：环境监测数据平台（实时告警、污染溯源）。 4. 核心功能模块 模块分类 功能描述 系统管理 - 用户管理（增删改查、角色分配） - 角色权限（精细化权限控制） - 组织架构管理（部门层级配置） - 菜单管理（动态生成导航栏） - 配置管理 （系统的基本信息配置） 监控与安全 - 服务器监控（CPU/内存/磁盘/网络实时状态） - 登录日志与操作日志（记录用户行为） - 在线用户统计（查看当前在线用户IP，地区等信息） - 缓存管理（查看当前内存里的缓存） 内容管理 - 栏目管理（文章、广告、视频分类） - 文章管理（支持富文本编辑、SEO优化） - 广告管理（轮播图、弹窗广告配置） 开发工具链 - API接口管理（只需写Sql动态生成API接口） - Excel/Word处理（数据导入导出） - 小程序云数据库集成（微信/支付宝小程序） - 图片自动缩放、压缩（支持windows及linux） -

1.类似图表编辑器，这是一个大屏的编辑器； 2.提供基础的组件； 3.提供复合组件，自定义多个基础组件构建的组合体； 4.提供在线组件编辑器； 5.提供地图功能封装组件，包括基础的图层和地图效果； 6.提供api配置； 7.支持框架和项目数据的离线部署；

通过AI辅助资料结构化、概念试探、方案表达与文本校核 在不改变核心设计逻辑的前提下，对现有流程进行结构化升级，帮助团队实现更高效的方案推进、更稳定的过程控制，以及更高质量的成果输出。 帮助设计团队减少重复劳动，把精力投入到创意判断和方案深化中。

HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。 HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。 HOS-LS 是一个以 AI 为核心的代码安全分析与攻击链推理系统，从规则驱动转变为 AI 驱动，包含 AI 语义分析引擎、攻击链分析引擎、多Agent架构、Exploit生成和自动验证等核心功能。

Camstar 是面向离散制造业的 MES 核心系统，用于生产订单全流程管控、工艺路径管理、物料追溯与生产数据采集，实现工厂生产过程的数字化、透明化管理。系统核心功能包括：生产订单排程与下发、工艺路线维护、工序数据采集、设备状态监控、生产过程追溯、报表与看板分析，以及用户权限与系统日志管理，为生产执行层提供完整的数据支撑与流程控制能力。

统一支付支付清算系统是农信银用来处理支付清算业务、支付查询、对账等功能的微服务项目。 主要业务有汇兑交易、汇票交易、通存通兑交易、网联借记、网联贷记、日终对账、批次对账业务，其中网联借记和网联贷记的业务量一天大约400万。系统的调用方主要有柜面、网联渠道等。

审批反欺诈子系统是审批系统在处理审批过程中，根据客户上送的信息、历史客户申请记录信息和审批规则等内容获取到此客户命中的规则、对应的欺诈评分等信息，用来对审批工作提供参考。 标签分为横向标签和纵向标签，横向标签是根据客户的简单信息直接判断，例如：客户的年龄是否<30岁；纵向标签是根据客户进件信息和历史记录进行判断，例如：近三个月内，相同手机号不同客户的进件次数。

项目背景：该系统适用于弱网、高丢包、高抖动等复杂网络环境下的实时数据与音 视频传输场景，涵盖多人会议、直播连麦、在线教育、远程协作、工业采集、车载回传、 安防监控及物联网边缘上传等业务。同时，该系统可作为中心转发与媒体中继节点，承 担上行流的接入、解析、转发、路由和分发能力，并支持视频流与结构化业务数据在服 务端的统一接入、存储与后续处理，从而提升整体传输效率、系统稳定性与用户体验。

立项背景 本项目围绕全网云网一体化管控底座搭建，依托统一采集管控模块，完成全专业网络运行数据归集与设备操作集中管控，为上层各类业务系统提供基础能力支撑。伴随城域网智能化改造、各类专线 / 云业务、移网优化等业务逐年迭代落地，原有管控平台需配套迭代升级，补齐网元运维、数据采集、异常处置、高危操作管控等系列能力，适配多品类新业务的自动化开通、设备扩容、指标稽核等生产刚需。 二、项目建设目标 搭建一体化统一采集管控平台，覆盖固网、传输、城域网、云防火墙、移动通信多专业场景： 实现各类通信业务自动化开通，替代人工逐条配置，缩短业务上线周期； 落地全网设备自动化巡检、数据采集、故障预警与异常闭环处理，保障核心设备稳定运行； 完成海量智能网络设备接入适配与平台扩容，满足设备逐年扩容后的承载需求； 依托批量指令自动化下发，降低人工运维工作量、减少配置失误，提升全网运维智能化、标准化水平； 满足集团级运营指标的数据自动稽核，保障全网资源统计数据精准度。 平台核心软件功能 1. 基础管控类 网元基础管理：统一纳管全品类固网、传输、无线、云平台网元设备，实现设备台账、基础配置集中维护； 采集监控管理：自动化采集设备性能、告警、端口、时隙等全量运行数据，落地数据校验、统计核查能力，支撑集团指标核算； 纳管驱动适配：新增多类型设备接入驱动，兼容新型智能城域网设备、云防火墙等异构设备快速入网。 2. 业务自动化开通类 固网业务自动化：标准化指令下发，落地号码开户、停机、销户等固网业务自动化开通； 传输专线编排开通：复杂传输链路自动化串联编排，通过标准化配置文件下发实现链路资源自动激活； 多云网络策略开通：适配多类政企云资源，实现防火墙访问策略批量自动开通，配套预下发核验机制规避配置错误； 移网参数批量调优：联动无线运维系统，批量下发基站参数调整指令，实现基站性能动态优化。 3. 风险与运维保障类 高危指令管控 + 控制规则管理：对高风险设备操作指令做流程管控、权限约束，规范批量下发规则，规避误操作风险； 异常回滚处置：配置下发异常后支持配置一键回退，保障网络平稳； 预检预修：针对全网核心网设备、业务平台实现自动化定期巡检、配置备份，提升系统故障防御能力。

机械臂抓取系统 场景：机械臂从车上抓取 杆件/钩子，放到货架上。 核心业务流程 抓取任务 (catch_kfs, task_id=2)： 1. 移动到 catch_gan_ready 准备位 2. 视觉伺服逼近目标（RealSense 检测红色杆 → TF → 视觉伺服收敛） 3. 气泵吸附 → 夹爪抓取 4. 沿脱离路径 detach_gan_ready → detach_gan_1 → detach_gan_2 移动 5. 向下戳杆（Z - 0.27m 直线运动） 6. 通知 driver 抓取完成 放置任务 (place_kfs, task_id=3)： 1. 移动到 kfs{N}_touch_pos 触摸位 2. 打开气泵吸附 3. 退到 place_interim_pos_0 4. 笛卡尔空间移动到货架前方（x - 0.40m） 5. 直线插入货架位 6. 关闭气泵 → 放杆 7. 退到 ready 位 移动任务 (move_kfs, task_id=1)： - 支持关节空间（6轴+duration）和笛卡尔空间（xyz+rpy+duration）两种模式 - 可选气泵开关 视觉伺服 vision 节点检测红色杆 → 发布 camera_link → target_camera TF → arm_task 实时转换到 base_link → 持续发布 visual_target_pose 给 arm_calc 做闭环控制。 距离 < 0.35m 锁定目标位姿，位置误差 < 0.05m 判定收敛。

场景：面向家庭安防场景，针对用户对包裹相关事件（投递、家人取件、快递员取件、包裹盗窃）的高关注需求，基于视觉大语 言模型（VLM）的视频理解能力，构建多类别事件识别系统。 任务：负责视频多模态大模型的选型、训练与压缩， 构建覆盖图文预训练 → 安防垂域微调 → 偏好对齐（DPO） 的完整训练体 系，并设计轻量化方案以支持边端部署。

本基础框架是一个面向企业级应用开发的Java技术底座，旨在解决分布式系统开发中常见的基础设施集成、组件复用与配置管理问题。框架以Spring Boot为核心引擎，通过自动配置与模块化封装，对主流中间件与基础组件进行了统一整合，提供开箱即用的开发体验。开发者无需关注底层版本兼容性与繁琐的初始化配置，即可快速构建高可用、可观测、易扩展的业务系统。

基于工业设备采集的时序数据，开发了一套轻量级异常检测算法Demo。通过滑动窗口统计、3σ原则对设备运行指标进行异常识别，支持数据可视化展示与异常点标记，可用于快速发现设备运行中的异常波动，辅助工业运维人员进行故障预判，提升数据驱动运维的效率。