人工智能 框架或代码包 软件定制 案例

立项背景和目标： 社区团购商家通常同时运营多个小区的团购业务，订单分散在各处， 每天需要人工汇总到表格、再逐个小区生成对账单。三个小区的情况下， 人工处理约需 1.5-2 小时/天，且极易出现漏单、金额对不上。 目标是让这套流程全自动跑：订单自动归集 → 自动生成分小区对账单 → 异常自动告警，把每天 2 小时的人工压到 0。 软件功能、核心功能模块： 1. 定时触发模块：每天固定时间自动启动，无需人工干预 2. 多源数据读取：对接飞书多维表格开放 API，分页拉取三个小区的订单表 3. 数据清洗与合并：统一字段口径，合并去重，处理缺失值 4. 分类汇总：按小区维度聚合，计算应收、已付、差额 5. 异常检测：金额不一致、状态异常、重复订单自动标记 6. 结果写回：汇总结果写回多维表格，供商家和团长直接查看 7. 失败告警：任一步骤失败自动重试 3 次，仍失败则推送群告警 业务流程、功能路径： 每天 20:00 定时触发 → 读取运行参数 → 换取 tenant_access_token → 逐小区分页读取订单 → 展开为明细行 → 批量写入汇总表 → 生成分小区对账单 → 判断是否启用对账推送 → 异常则发群告警

立项背景和目标: 小微企业客服人力有限、游戏规则分散、夜间无人值守, 重复咨询淹没客服; 通用大模型不了解业务规则, 会张冠李戴甚至编造规则和价格. wali-ai的目标是让运营者用自己的知识库, 7x24自动回答玩家问题, 答不上来就兜底或转人工, 以及记录，绝不编造. 软件功能与核心模块: 多租户SaaS控制面(注册即获默认租户与工作空间、两级角色权限、按套餐的对话条数/知识库数量/容量/席位/Token额度五维配额); 知识库管理(文件导入, 切片可视化编辑与检索测试); 自研RAG引擎(向量+关键词混合检索、RRF融合、Rerank重排、置信度评估); Agent编排(意图判断、会话上下文、人设提示词、闲聊/固定兜底双模式); 多渠道接入(游戏内Lua桥接、QQ群NapCat、网页悬浮球SDK、开放API); 会话管理与人工接管; 未回答问题沉淀反哺知识库; 运营统计与全量审计. 业务流程: 注册登录->创建游戏服与机器人->建知识库导入文档->自动切分并向量化索引->配置渠道->玩家在游戏内/QQ群/网页提问->统一网关验签、幂等、路由->Agent意图判断->RAG混合检索->大模型生成带来源引用的回答->写回会话、用量与审计->低置信度时兜底或转人工, 管理员在管理端查看会话、反馈、用量与配额.

针对政务数据分散、分析门槛高、报表制作耗时等痛点，旨在打造一套集数据抽取、智能分析与自然语言交互于一体的政务数据看板，赋能管理层精准决策。用户全程通过自然语言、托拉拽图表的方式分析自己想要的数据，报表支持多样化展示。

这是一套端到端的 AI 短视频生产流水线，用于把参考视频转化为结构和节奏相近但内容重新创作的新视频。流程从参考片时长、画幅、帧率和视觉结构测量开始，依次完成原创脚本、分段旁白、冻结时间线、镜头计划、逐张关键帧、LTX 图生视频、HyperFrames 包装合成、字幕与章节、成片质量检查以及横竖双封面。系统把每个阶段都做成可验证的生产节点，适合批量制作知识科普、商业故事和认知类短视频。

1. 立项背景和目标： 针对传统ProGAN在生成高分辨率纹理时存在的模式崩塌、细节模糊及训练不稳定性问题，本项目旨在构建一套高保真纹理生成系统。目标是通过算法优化，实现4K级无缝纹理的自动化生成，解决游戏与影视制作中美术资产生产效率低、重复度高的问题，将单张高质量纹理的生产时间从数小时缩短至分钟级，并显著提升生成结果的多样性与真实感。 2. 软件功能、核心功能模块的介绍： 系统包含三大核心模块： 改进型生成对抗网络核心：引入自适应实例归一化与谱归一化技术，优化ProGAN的渐进式增长策略，增强高频细节表现力； 纹理后处理与优化模块：集成超分辨率重建与色彩校正算法，自动修复生成瑕疵，支持PBR材质贴图（法线、粗糙度等）的一键导出； 交互式评估看板：提供FID/IS指标实时监控与人工偏好反馈接口，支持用户通过文本或草图引导生成方向。 3. 业务流程、功能路径描述： 用户输入参数或参考图→系统初始化噪声向量→进入改进的ProGAN渐进式生成流程（从低分辨率逐步上采样至目标分辨率）→经过判别器多尺度校验→输出基础纹理→通过后处理模块增强细节→最终交付高清无缝纹理资产并自动归档。

### 市场定位 CodeWeaver 是面向**高安全嵌入式/工业软件（军工GJB438C、航空DO‑178C、汽车ISO26262等）**的智能化单元测试用例生成工具，定位为**研发效率辅助工具，不做取证级工具**，采用本地私有化大模型Ollama，支持离线运行。 **对标产品**：LDRA/VectorCAST，但不走取证工具路线；做研发阶段前置增效，和国外取证工具互补。 **客户对象**：研究所、汽车零部件、医疗器械、核电、铁路软件团队。 ### 产品边界 - 明确是**研发辅助工具**，输出用例需要人工复核，不直接用于A级安全等级取证 - 规避高昂漫长的官方工具鉴定流程 - 核心价值：把设计文档业务约束自动转化测试场景，减轻工程师手工编写单元测试的重复劳动 ### 核心创新 **文档‑代码双向信息融合 + 约束‑场景映射的文档驱动测试**，并非单纯调用大模型生成测试代码的玩具Demo。

本项目是一套面向服装加工厂的生产记账管理系统，目标是解决工人计件、批次管理、工序定价、进出货记录和工资核算分散的问题。系统包含工人管理、工厂管理、生产批次、加工记录、预支与罚款、理工考勤、进出货、工资计算、审核、数据分析和 Excel 导出等模块。管理人员可以建立批次和工序价格，录入或审核生产记录，并按工人、时间和批次查询工资及生产情况。

立项背景：AI Agent（如Cline、Claude Desktop）需要解析HTML、抓取网页，但现有方案依赖重量级浏览器或复杂Python环境，部署成本高、依赖多。目标：打造轻量、免环境依赖的HTML解析MCP服务器，让任何Agent通过MCP协议一键接入。功能模块：四个核心工具——kage_parse_html解析HTML片段提取结构化数据；kage_fetch_url抓取URL并抽取内容；kage_render将HTML渲染为终端风格截图；kage_execute_js在DOM上下文执行JavaScript。业务流程：Agent通过MCP客户端配置调用kage服务器，传入HTML或URL，服务器以JSON-RPC返回结构化结果，全程无需Python、Node.js或浏览器运行时。

面向课程科研调研和文献综述场景，用户输入一个科研问题后，Manager、Scholar、Reader、Critic、Writer 五个 Agent 协作完成任务拆解、arXiv/PubMed 论文检索、摘要与本地 PDF 阅读、贡献提取、局限性反思和报告写作。系统生成 Survey、Mindmap、Literature Matrix、Run Log 等结果，并支持 DeepSeek、Qwen/DashScope 与 mock 模式。Web 端提供 Claude-like 三栏工作台、SSE 阶段状态、历史线程、搜索、归档、删除、明暗主题和 Artifact 阅读。

高光谱遥感模型在跨传感器、跨年份和跨场景应用时会遭遇光谱分布偏移，目标域通常又缺少训练标签。项目目标是建立一条可复现、可审计的无监督域适应研发链，而不是只展示单次最高精度。平台包含MAE/Transformer自监督表征、EMP/Gabor多编码器、最优传输伪标签与对齐、跨模型集成、合法与oracle诊断分离、多随机种子配对实验、集群运行交接、预注册和停止门禁。流程从共享波段与类别协议开始，训练源域模型，再在不读取目标训练标签的合法路径上适配；目标标签仅用于最终评价。每轮研究冻结配置、种子、日志、权重和决策，若未达到预注册阈值则保留负结果并停止扩张。

项目面向无法直接获得距离、只接收方位角信息的无人机编队定位与校正问题。核心目标不是单次求一个坐标，而是同时回答匿名发射机身份是否可辨、需要多少额外观测、圆形与锥形编队怎样选择锚点和轮换发射组、噪声及掉线下是否仍能收敛。系统由可识别性碰撞审计、离散编号枚举、连续位置反演、圆形编队增益选择、锥形拓扑轮换、雅可比秩证书和压力测试组成。业务/实验流程是先给定基准无人机与局部先验，枚举匿名组合并审计碰撞，再用非线性最小二乘反演位置；随后按最大最弱信息选择锚点，轮换发射组迭代调整，最后在角度噪声、参考点误差与接收掉线下评估。

工业质检常见缺陷样本少、类别变化快，难以为每种异常建立充分监督数据。项目目标是用正常样本学习特征分布，对未知异常输出样本级异常分数，并提供ROC、分数分布、排序图和低维可视化，便于比较模型版本。原型覆盖Deep SVDD、自编码器、PaDiM、PatchCore、DecompNet、ViT和Wide-ResNet多条技术路线；当前推荐版本以WideResNet50-2提取多尺度特征，在固定32×32网格上建立位置相关的高斯统计。业务/实验流程为整理正常训练集，提取layer1—3特征并降到128维，增量估计均值/协方差，计算马氏距离异常分数，最后在三组离线数据上汇总AUROC和诊断图。

业务价值 面向企业自建、私有化部署：在控制台配置模型、知识库、智能体、工作流与渠道，员工可在工作台 / IM 提问，业务系统可通过 OpenAPI（lb_ Token）或 Web 嵌入调用，全程可治理（权限、审批、人工确认、审计、License）。 核心功能 模型与智能体：多模型接入（OpenAI 兼容）、智能体目录，挂载知识库 / MCP / 技能 知识库 RAG：文档切片；Milvus 语义召回 + 关键词兜底 对话与工作台：试聊、/chat、Markdown / ECharts、PDF 等附件、HITL 续聊 工作流编排：可视化编排（Agent / 条件 / 循环 / 子流程 / 并行），运行可观测 数字员工：岗位壳（人设、头像）+ 按组织树控制「谁可用」 资源 ACL：智能体 / 知识库 / MCP / 技能 / 编排器「谁可见」 工具与数据：MCP、技能、数据 AI（只读/写 SQL）、沙箱执行；版本灰度与配额 渠道接入：企业微信、飞书、钉钉、Webhook、Web 嵌入 治理与安全：RBAC、审批发布、人工确认（HITL）、GT1 字段级确认、审计、追踪、失败队列、离线 License 典型场景 企业内部知识助手（挂知识库，企微/工作台提问） 多步流程 Agent（敏感写操作走人工确认） 业务系统对接（/v1/chat/completions 或 iframe 嵌入） 数据问答（只读/写 SQL，写操作默认可要求 HITL）

面向 AI 编程 Agent 的多会话编排平台，以"项目经理"视角统一调度多个 AI 编码会话并行工作。把复杂任务拆解给多个子会话同步推进，通过统一协议实时监控每个会话的进度、阻塞与产出，替代人工逐个盯窗口。 核心功能：1）28 个 MCP 工具，覆盖会话创建、进度轮询、后台监听、工具审批全生命周期；2）自适应工作流引擎，按模板逐步下发任务，每步完成自动提交下一步，遇阻塞自动暂停等待决策；3）三层共享内存，把项目元信息、架构决策、风险与经验教训注入子会话，避免重复上下文；4）权限策略引擎，自定义read-only / safe-edit / full-access 三级策略，拦截危险操作并支持一键放行；5）WebSocket 实时隧道，任务完成后自动推送结果，支持断线续跑。

一、立项背景与目标 随着语音交互在智能客服、车载、医疗记录等场景广泛落地，ASR 模型质量直接决定下游业务可用性。但业内存在两个痛点：一是模型评测常依赖厂商宣传数字，缺乏独立、可复现的客观评估手段；二是选型时面对百度、讯飞、阿里等多家厂商，难以在相同测试集上横向比较真实能力、错误类型与服务性能。本项目"ASR 全链路质量评估平台"即针对上述背景立项，目标是搭建一套端到端、可扩展、可复现的 ASR 自动化质量评估工具：输入一批待测音频及对应标准答案，平台自动调用被测 ASR 接口完成转写，基于编辑距离计算 CER 与 WER，细分替换/删除/插入三类错误，挖掘高频错误模式与场景短板，输出含 Bad Case 与优化建议的评估报告。项目既可作为个人测试工程能力的综合实战，也可作为团队 ASR 选型与回归测试的基础设施。 二、软件功能 平台提供命令行一体化入口，功能包括：测试数据生成（正弦波合成与 Windows TTS 真人发音两条路径）、批量调用真实 ASR 接口、文本归一化、多维度指标计算、错误画像分析、并发压测、Markdown 与交互式 HTML 双格式报告生成。所有第三方凭证均通过环境变量注入，仓库零明文敏感信息。 三、核心功能模块 1) 指标计算模块（metrics.py）：基于 Levenshtein 编辑距离的动态规划实现，对参考文本与识别结果做字符级与词级双向对齐，输出命中、替换、删除、插入四类计数及派生比率，并以 jiwer 库做数值交叉校验。 2) 文本归一化模块（textnorm.py）：依次执行去标点、NFKC 全角转半角、中文数字转阿拉伯数字、合并被空格分隔的单字母序列、统一小写，专用于消除"表示形式不同"导致的虚假错误。 3) ASR 客户端层（asr_client.py）：以 typing.Protocol 定义统一 transcribe 接口，实现 Mock、通用 HTTP、百度（HTTP+token 两步鉴权）、讯飞（WebSocket+HMAC-SHA256 签名+流式分帧）四类客户端，由工厂函数按配置返回。 4) 错误分析模块（error_analysis.py）：聚合字符级与词级错误构成、按场景标签分组画像、用 Counter 挖掘高频替换对/漏识字/多识字，并基于启发式规则自动生成优化建议。 5) 并发压测模块（benchmark.py）：基于 ThreadPoolExecutor 线程池对真实接口压测，统计 QPS、延迟 P50/P90/P99、成功率与错误分类，自动解读百度业务错误码。 6) 报告生成模块（report.py / report_html.py）：Jinja2 渲染 Markdown 与离线 HTML 报告，后者使用本地 vendor 的 ECharts + echarts-wordcloud

面向个人用户的去中心化本地AI Agent系统，用户数据完全本地存储，不上传云端。核心功能包括：1）基于大语言模型的智能对话与任务规划引擎，支持多轮复杂任务拆解；2）模块化插件架构，可接入浏览器自动化、邮件、日历等外部服务；3）本地向量数据库实现长期记忆管理，Agent可持续学习用户偏好；4）P2P通信协议支持多设备协同。系统注重隐私保护与离线可用性。

立项背景：asr和agent技术成熟，人类语音信息的是重要的现实世界信息来源，应当被记录利用 目标功能：实现跨平台的个人机器本地隐私化持续asr结果储存并可选利用 项目功能： 目前仅面向ubuntu桌面端的本地化语音识别及识别结果利用工具。 基线：持续的asr和唤醒词检测。 可选功能：快捷键或唤醒词检测唤醒，然后在光标处插入asr识别结果， 记录asr结果与时间戳到数据库（sqlite）， 调用llm/本地agent对语音结果进行反馈（执行操作或直接返回文字结果）， 其他可扩展消费asr结果的功能。

1. 具体功能模块 整机硬件集中控制模块 统一集成电磁阀、夹具轨道直线电机、丝杆电机、主轴、PLC 各类硬件信号，开发整机统一 SDK，完成全部硬件底层驱动集成，实现机床全部件集中调度控制。 多维度精度漂移抑制模块 通过 10 轴 IMU 采集振动数据搭建微震误差模型，搭配 WHT11 温度传感器构建热形变补偿模型，基于 U-Net 网络搭建刀具磨损识别模型，从震动、温度、刀具损耗三个维度抵消加工精度偏移。 双目高精度视觉定位模块 搭载 2000 万像素双目 CCD 相机，采用改进 ResNet18 网络完成金手指追踪定位，搭配自研亚像素几何边缘查找算法，70 毫秒内锁定精准加工坐标。 自适应恒强光源控制模块 采用 PID 闭环控制环形 LED 光源，支持工控机、设备自带控制器双端调控，软硬触发模式可选，消除导轨移动、车间光照波动带来的图像像素特征丢失问题。 轴联动运动加工模块 通过 Modbus TCP 通讯传输视觉定位坐标，系统自动反算加工轴位置，补偿物料倾斜偏差，联动主轴、丝杆完成全自动切削加工。 全流程自动化闭环模块 覆盖物料上料、夹具自动定位、视觉检测、高精度加工、成品出料完整工序，实时记录精度、速度、报废数据，支持设备运行状态实时监控。 2.功能 无需人工调整夹具物料倾斜角度，系统自动完成定位补偿，省去人工校准工序，实现全流程无人加工闭环。 稳定实现 0.8μm-1.4μm 加工精度，满足高端 PCB 金手指小于 10μm 的高精度生产要求。 自动抑制刀具加工弹跳、高温热漂移、刀具磨损带来的加工误差，有效降低产品报废与返工数量。 消除机床移动、现场光照变化对视觉成像的干扰，长期生产过程中金手指图像特征完整保留，加工成品一致性稳定。 一套控制系统统筹光源、视觉、电机、主轴、PLC 全部硬件，不用搭配多套独立控制程序，设备运维操作简单。 3. 技术 整机全硬件 SDK 集成开发，多电机、主轴、电磁阀、PLC 底层驱动协议整合技术。 多传感器融合误差补偿技术，包含 10 轴 IMU 微震建模、WHT11 温度热形变补偿、U-Net 刀具磨损视觉识别。 2000 万像素双目 CCD 视觉成像技术，改进 ResNet18 目标追踪算法，自研亚像素物料边缘查找算法。 PID 恒强环形光源自适应调控技术，支持软硬双触发成像控制。 Modbus TCP 工业实时通讯技术，视觉坐标反算与多加工轴联动运动控制技术。 4. 优势 加工精度稳定维持在 0.8μm-1.4μm，远超客户 10μm 的精度标准，适配高端 PCB 精加工生产需求。 产品废品率降低 32%，有效减少原材料损耗与返工工时。 产线整体加工速度提升 60%，单位时间产出量大幅提高。 完全取消人工调机、校准工位，实现全自动无人化连续生产。 自适应光源系统解决光照变化干扰，视觉成像长期稳定，设备故障率更低

本项目面向受限停车场景下的自动驾驶车辆路径规划与导航需求，目标是提升车辆在狭窄通道、密集障碍物和有限操纵空间中的停车成功率、安全性和规划效率。系统结合大语言模型（LLM）、Hybrid A* 路径规划和深度强化学习技术：LLM 负责分析停车场布局、障碍物分布及目标车位，生成高层语义规划指导；Hybrid A* 根据车辆运动学约束搜索可行全局路径；基于 PPO 的深度强化学习导航模块输出速度和转向角，实现局部路径跟踪、连续控制和动态避障。业务流程为：输入车辆初始状态、目标停车位及环境地图后，系统先进行场景建模和障碍物检测，再由 LLM 生成规划提示，Hybrid A* 完成路径搜索，最后由 DRL 控制模块执行导航并持续评估安全距离、路径平滑度和停车精度，直至车辆安全到达目标车位。

项目说明: 优家同城是一个整合本地生活服务的020平台,连接用户与本地服务提供商。平台包含运用管理后台、用户小程序端、商家端系统，支持服务发现、在线预约、抢优惠券、智能派单、支付结算等全流程业务。旨在通过技术手段提升服务匹配效率和用户体验。 项目技术栈: SpringCloudAlibaba, MyBatisPlus, MySQL, Redis, RabbitMQ,XXL-JOB, Elasticsearch