框架或代码包 软件定制 案例

支持基于酒店品牌、名字、地理位置进行酒店的推荐； 支持包括意图识别、实体识别、酒店品牌重排等NLP相关模块； 支持基于GBDT的酒店精排算法；（特征种类数量在150左右）； 支持对GBDT的输出打分进行概率校准； 支持基于GBDT的打分与酒店毛利结合的重排算法，使得保证用户体验的同时最大化收益；

项目简介：北京银行的“数聚智库”项目是一 致力于打造北京银行“一站式”智能决策中心的平台。该项目整合了“数据+科技+场景”三大数字化转型核心能力，协同总行业务部门、联动分支机构，构建了一 以经营全景、实时存款、智能风控、客户洞察等各类全场景、多维度、多角度的决策看板为中心的“1+N”决策服务体系。致力于构建智能化管理驾驶舱，支持各级管理层对银行的经营情况“看到、看清、看懂”，助力领导层科学决策，增强运营效率，提升同业竞争力。

本项目为工业多功能采集控制箱，旨在为工业现场提供稳定可靠的数据采集与控制解决方案。 1. 立项背景和目标：针对工业现场多传感器数据采集和设备控制的需求，开发一款集成度高、抗干扰能力强的嵌入式终端，实现对模拟量、数字量的实时采集，以及对继电器、执行器的精准控制。 2. 软件功能、核心功能模块：基于STM32平台开发，核心模块包括：多路模拟量/数字量采集模块、CAN/RS485通信协议栈、继电器控制逻辑、数据存储与异常处理模块。 3. 业务流程、功能路径描述：终端通过传感器采集工业现场数据，经预处理后通过CAN协议上传至上位机；同时接收上位机控制指令，驱动继电器完成设备控制，实现数据采集-传输-控制的闭环流程。

【项目背景】 应项目承办方邀请，为2023年（第32届）和2024年（第33届）上海某区“海防杯”国防知识竞赛初赛主导设计并实现了一套B/S架构的内网竞赛答题系统，替代传统纸质答题模式，实现无纸化竞赛，显著提升组织效率，保障考试公平性、数据保密性及赛场秩序。系统支持多题型管理、考生批量导入、考试规则灵活配置、自动/手动判卷及成绩导出等核心能力，适配内网环境，确保数据安全隔离。 【业务流程】 管理员创建试卷与考试任务，导入考生信息；考生在指定时间内登录内网系统参与答题，系统按规则自动判卷或提交后由管理员手动判卷；最终导出考生成绩及答题详情，用于竞赛统计与公示。

1.技术栈：基于Spring Boot框架开发，采用MySQL数据库存储核心业务数据，通过Redis实现高频数据缓存优化，整合MyBatis 进行ORM映射，并利用RabbitMQ完成异步消息通信，最终部署至Linux生产环境。 2.公司传输分组业务网管系统：多协议设备管理模块开发： 集成SNMP、Telnet、SSH、Netconf等协议，实现设备配置下发、状态监控、故障告警等核心功能； 设计协议适配层，支持不同厂商设备的兼容性接入，降低运维复杂度。

​ 为解决高校因公出国申请中材料众多、程序繁琐、通知不及时、反馈滞后的痛点，同时适配学校国际化发展需求、提升师生办事便利度，并强化学校信息化、系统化、一体化管理能力，校方开发了因公出国（境）系统。 ​ 该项目成功推动学校因公出国申请从 “纸质化” 全面升级为 “电子化”，核心优势体现在三方面： ​ 一是针对不同职务人员的申请要求，系统通过内置逻辑自动控制并校验必填信息，省去办理人员人工重复检查的工作量； ​ 二是清晰呈现申请流程，避免出国人员因不熟悉规则反复递交材料而“跑断腿”； ​ 三是支持校内人员通过工号注册，首次填写的个人基础资料若无需变更，后续申请可直接复用，大幅简化办事流程、缩短整体办理时间。

该平台是专为重庆三大园区量身定制的土地业务专属管理工具，核心目标是降低 GIS 技术使用门槛，让园区非专业人员无需学习 ArcGIS 等专业软件，即可轻松查询、获取土地调查数据。 一、项目规划与核心模块 1. 分期建设：项目分三期推进，逐步覆盖不同使用场景，依次推出 Web 版（满足多终端在线操作）、单机版（适配离线办公需求）、移动版（支持现场实时作业）。 2. 功能模块：集成五大核心模块，形成完整业务闭环。 - 总览模块：直观呈现园区土地整体概况，快速掌握关键指标； - 空间分析与总体分析模块：提供数据研判工具，支撑土地规划决策； - 巡查管理模块：优化现场巡查流程，实现工作轨迹与问题记录同步； - 数据管理模块：规范土地信息存储与更新，保障数据完整性。 二、项目核心价值 通过 “简化操作 + 全场景覆盖 + 多模块协同”，平台构建了功能全面、操作便捷的土地管理体系。一方面显著提升了园区土地管理工作的效率与质量，减少专业软件学习成本；另一方面为园区提供全面、准确、及时的土地信息，为后续规划、开发等决策提供数据支撑。

一、核心建设目标 1. 转化成果 将已有的武汉市地灾调查成果落地为标准化数据，纳入统一数据库，避免成果碎片化。 2. 规范管理 以单个地质调查项目为主体，覆盖从项目登记、实施到验收的全流程，实现 “项目全周期可追溯”。 3. 效率提升 替代传统手工统计模式，通过系统完成项目管理与报表生成，减少人工成本，提高工作响应速度。 二、关键功能模块 1. 项目全流程管理 涵盖项目登记、进度跟踪、验收审核等环节，同步实现付款进度跟踪、质量节点把控、成果交付审核三大监管目标。 2. 文档资料管理 对项目产生的各类文档（如报告、图纸、检测数据）进行统一存储，按密级设置查阅权限，保障数据安全与使用规范。 3. 智能报表统计 自动提取项目数据，生成日常统计报表（如进度报表、付款报表、成果汇总表），支持实时查看与导出，替代手工制表。 三、 系统核心价值 1. 管理提效 减少人工统计、文档归档的重复工作，将项目管理效率提升 50% 以上。 2. 风险可控 通过付款、质量的节点化监管，降低项目延期、成果不合格的风险。 3. 成果复用 统一的成果数据库与分权限查阅机制，让地质调查成果能快速服务于后续城市规划、地灾防治工作。

一、建设目标 ​ 目标需求是为了完成某热线区级信息机器自动部门分派任务，分派率达到60%。 二、实现原理 ​ 利用AI机器学习技术，通过大量的历史数据训练，达到机器自动派发投诉案件，减轻工作人员的派件压力，避免一定量的人工派发失误，提升信息处理团队整体运作效率。 三、主要功能 1. 机器派发 为了减轻人工派单压力使用AI机器学习技术训练模型，对新产生的投诉案件的投诉内容通过中文文本分类算法，预测所属的对应的案件类型和所属部门为90以上，以达到热线派发精准分类，便将任务自动直接派发。 2. 辅助派发 在机器预测值不足90时，还是由人员进行手工派发，派单员手工派单时，系统也会给出三个派发预测值，还可以通过查询类似案件信息，来辅助主观派发。 3. 分析统计 采用赛思BI制作分析统计报表，满足日常统计任务，支持一键导出功能 4. 数据训练 后台每天定时训练模型，然后将整个智能分拣模块待机在等待新数据进入预测的阶段。通过和业务系统对接的方式，在业务系统中出现新的派单任务时，通过模型预测对应的部门和类型，将可能性达到90%的部门和类型自动派发，剩下的转给派发人员进行手工派单。 5. 精准度调整 然后通过对预测精准度的评估，可迭代调参，使得模型更加符合数据和现实，达到精准度的不断提升。

项目背景：为该机构的科研产品研发的全生命周期建立一套体系化、流程化的研发管理系统，定制化地将科研产品从研制到生产再到库存的产品全生命周期管理起来，并额外包含相关阶段的人员、技术、资料等管理，该系统集成了流程、消息、任务等功能。 软件核心模块：产品研发管理、生产计划管理、库存维护管理、技术状态管理等。 各模块功能简介：产品研发管理主要针对即将开始或正在研发的产品及相关人员、资金、技术、研发周期、进度、试验方案等进行管理；生产计划管理主要针对技术成熟产品或已通过试验且技术较成熟产品的生产计划排产、物料管理、车间管理、生产进度监控等；库存管理针对已生产完成的产品进行入库出库管理、维修维护记录、维保资金管理等；技术状态管理对产品在各阶段中涉及的技术需求、技术变更进行管理，还包括各阶段的质量安全、风险、评审等相关功能。

在无人作战/军事仿真场景中，需智能体系统协调多无人平台（UAV、UGV、机器狗等）完成复杂任务。传统方案依赖人工指令与固定流程，难以应对动态任务和自然语言交互。本项目构建基于 LLM 的多 Agent 协同系统，实现自然语言驱动的任务规划、调度与执行。核心目标：支持自然语言任务输入并自动分解为可执行动作序列；多 Agent 协同（任务规划、调度、会议助手、状态检查等）；WebSocket/MQTT 双通道与上位机通信；通过 MCP 协议动态扩展工具能力；Docker 容器化部署，兼容 x86/ARM64。

1、立项背景和目标：当前企业内部存在多个独立业务系统，身份管理分散，密码策略不统一，加密算法依赖国外标准，存在合规风险。为落实国家关于信息系统安全等级保护和密码应用安全性评估要求，亟需建设统一、合规、高效的身份认证与密码服务平台。 2、身份认证平台： 统一用户管理：支持用户生命周期管理（增删改查、禁用/启用），支持批量导入导出。 组织架构管理：树形组织结构维护，支持多级部门与虚拟组织。 单点登录（SSO）：支持OAuth2.0、SAML等协议，实现一次登录、多系统访问。 权限控制：提供功能权限与数据权限配置，支持RBAC。 同步服务：采用Kafka消息队列实现用户和组织数据的异步传输，支持高并发场景下的数据同步，确保上下游系统数据一致性。 3、密码服务平台： 密码服务引擎：支持SM2、SM3、SM4，兼容PKCS7、PKCS#12等标准。 密钥管理：提供密钥生成、存储、分发、销毁的全生命周期管理。 电子签章服务：支持PDF文件数字签名、时间戳服务，具备可视化签章位置设置。 加密解密接口：提供标准化RESTful API，支持敏感字段加密存储与传输。 合规审计：记录密钥使用、签名操作等日志，支持审计报告生成。

主要负责RealMan六自由度机械臂与五指灵巧手的目标视觉识别与抓取算法研发，支撑团队多机器人取餐配送系统。实现闭环抓取工作流，融合视觉模型与控制模块，构建从视觉感知到精准抓取的完整解决方案，进行较为可靠的抓取操作。

为中小企业打造的B2B客户关系管理平台，支持销售全流程数字化管理。独立完成全栈开发与部署。 核心功能： 1. 客户全生命周期管理：客户档案、公海池自动回收、数据权限隔离 2. 销售漏斗看板：拖拽式卡片管理销售阶段，实时统计金额与转化率 3. 数据分析大屏：业绩趋势、销售排名、客户来源、漏斗转化多维可视化 4. RBAC权限体系：功能权限+数据权限双重控制，支持按钮级鉴权 技术亮点：虚拟滚动优化万级数据渲染；Web Worker处理大量计算避免主线程阻塞；前端路由守卫+后端中间件双重鉴权。

项目背景：公司级 web 项目基础框架，提供 web 容器服务 技术栈：React16 + Node.js + Express + CAS 业务价值： 支撑公司 3 大行业业务线及业务中台的所有 web 项目开发，实现跨部门的微前端服务整合，缩减各大业务线开发成本、维护成本，提升开发效率。

1、项目背景：网络视频流行，对海外视频影片的字幕翻译制作需求增长，为客户提供准确便捷高效的字幕翻译制作平台 目标：视频批量中英文字幕翻译制作，用户便捷高效翻译转换，促进海外视频影片传播推广 2、软件功能：通过字幕通翻译制作平台，用户可在线进行视频批量中英文字幕翻译制作，准确便捷高效的视频字幕翻译制作工具 核心功能模块：包括视频导入下载，视频切轴，视频字幕翻译，视频翻译审校，视频压制与上传，及各部分问题处理，根据角色按流程分工处理，管理员进行总体管控，各模块由组长、小组长、组员分别处理完成对应任务，总体实现在线视频批量中英文字幕翻译制作 3、业务流程和功能路径：需求规划分析、架构设计与开发、编码与测试、部署上线与维护

通过跨JAVA、Native层的数据流分析，构建出精确的函数级污点传播摘要；基于函数污点传播摘要，结合基于运行日志构建的跨应用函数调用链，检测跨设备的应用间隐私泄露行为；构建鸿蒙分布式应用隐私泄露检测工具。

随着公司AI战略的深入，各类业务对基于领域知识的智能问答需求激增。同时对于不同的应用场景需要支持不同的系统能力，比如解析学城文档表格、大模型对长文本内容总结summary、提供通用AI检索API接口等后续部分应用可能会对文档文本、图片、表格等多模态AI检索能力有部分诉求，因此期望建设支持公司特殊业务场景专有知识管理平台，包括数据解析、知识管理、知识检索能力，大幅提升同类项目的搭建效率。另外随着多模态应用（如故障图片识别）的兴起，缺乏高效的数据标注工具，人工标注成本高昂，因此建设一个面向公司垂类的AI 基础设施平台，成为支撑业务快速创新与降本增效的关键。

负责设计和搭建⾼可⽤、⾼性能的算法⼯具平台，主要包括模型管理、特征管理、系统回放、回测等系 统能⼒，通过配置化管理平台将实时、离线、回放埋点等多种不同数据源特征⾼效便捷的同步⾄不同底层存储，同时 提供回放、回测等系统能⼒，⽀撑算法模型从特征提取、特征管理和查询、模型推理、模型回测、系统功能回放等全 ⽣命周期管理。

立项背景与目标： 针对传统 RAG 系统在处理“图文混合文档”时无法识别图片内容，以及面对“复杂逻辑问题”时回答准确率低的痛点，本项目旨在构建一个生产级、多模态、具备推理能力**的企业知识问答中台，助力企业将非结构化文档（PDF/Word）转化为可交互的智能资产。 核心功能与业务流程： 1. Agentic RAG (智能体检索)**：基于 LangGraph 构建了具备“自我反思”能力的 Agent 状态机。 意图路由：精准区分闲聊/问答，避免资源浪费。 自我评估 (Self-Reflection)：Agent 会对检索结果进行质量打分。如果发现相关性不足（Score < 0.8），会自动触发查询改写 (Query Rewrite) 并重新检索，直到找到满意答案或达到重试上限。 动态规划：针对复杂问题，自动拆解为多个子任务并行执行。 2. 多路混合检索 (Hybrid Search)**： 摒弃单一的向量检索，采用 Vector (语义) + BM25 (关键词) + Rerank (重排序)的黄金组合。 引入 Cross-Encoder 模型进行二次精排，像“阅卷老师”一样剔除伪相关文档，检索准确率提升至 89%。 3. 全链路多模态 (Multi-modal)： 集成 VLM (视觉大模型)，不仅能读懂文本，还能理解 PDF 中的图片、图表，实现真正的“图文跨模态检索”。 4. 生产级异步架构： 利用 Celery + Redis 构建高并发流水线，实现 GB 级大文件的异步解析与后台向量化，确保前端操作零卡顿。