人工智能 爬虫/脚本 软件定制 案例

1. 立项背景与目标 背景：传统运维工具（Zabbix、Nagios等）架构重、门槛高，难以覆盖边缘节点；故障排查依赖人工经验，效率低；变更操作缺乏AI辅助和细粒度审批审计。ops-agent将系统巡检、AI问诊、安全审批和可视化看板整合为统一单机程序，填补市场空白。 目标：交付v0.1.0版本，提供TUI/Daemon/Dashboard三种运行模式；以LLM实现自然语言驱动的智能运维；建立本地审查+LLM评估+人工审批三层安全机制；发行包一键部署，开箱即用。 2. 软件功能与核心模块 智能对话引擎：集成LLM，支持自然语言交互，内置ReAct和Plan-and-Execute双策略自动适配任务复杂度，自主调用系统工具，实现“对话即运维”。 安全管控中心：本地规则硬拦截+LLM辅助风险评估+人工风险队列审批三层防线，五级风险分级（只读到关键变更），全程审计可追溯。 自动化巡检与调度：后台守护进程支持Cron定时采集CPU/内存/磁盘/网络等指标，扩展至K8s/容器/Prometheus巡检，阈值告警推送钉钉/企微，告警归并为Incident故障事件。 用户交互层：TUI终端界面（ratatui，六Tab页，键盘导航）+ Web Dashboard（React，可视化看板）。 3. 核心业务流程 故障诊断修复流程：SSH登录→TUI对话页输入自然语言（如“nginx起不来”）→Agent经LLM意图分析，调用check_service/journalctl等诊断工具（安全审查保障只读）→流式呈现诊断结果→修复操作识别为高风险→进入风险队列待人工审批（a键批准/x键拒绝）→执行并反馈结果。 无人值守巡检与干预流程：Daemon systemd开机自启→按Cron定时执行巡检（指标每分钟，深度每30分钟）→数据写入SQLite→超阈值生成告警并推送钉钉/企微→运维人员通过Dashboard/TUI介入查看→查阅Incident时间线和处置计划→高风险操作仍经人工审批后执行。 4. 项目范围与约束 包含：v0.1.0全部功能开发（24个功能点）、测试、文档、发行包及安装脚本。 不包含：第三方监控系统迁移工具、SaaS云服务、移动端APP、高可用集群部署。 技术约束：Rust 2024 + tokio；前端React+TypeScript+Bun；SQLite。 环境约束：兼容麒麟/Linux（x86_64/aarch64），依赖systemd和Python 3.8+，可选kubectl/Docker。

本项目是面向个人投资者的A股选股评分工具。立项背景：普通投资者面对全市场5000多只股票难以有效筛选，且AKShare等数据接口新版列名变化常导致程序失效。本工具通过AKShare自动获取全市场实时行情（自动兼容中英文列名），过滤停牌股后，对量价配合、换手活跃度、流动性、估值四个维度进行快照评分初筛，再对初筛股票拉取历史日线计算MA5/MA10/MA20均线多头排列得分，综合输出每日TOP30选股排行榜，并自动生成可视化图表与CSV数据文件，帮助投资者快速定位值得关注的标的。

一、立项背景和目标 当前电力、光伏、风电等能源行业的运营、巡检、工程类项目普遍存在大量结构化与半结构化数据处理需求，企业日常需对多站点Excel运营报表、Word工程文档、设备台账数据进行人工汇总、核对与制图，单份报表往往涉及数十张表格合并、上千条数据校验，人工处理不仅耗时久、重复劳动占比高，还易出现公式错误、数据遗漏等问题，直接影响项目交付效率与数据准确性。 本系统立项核心目标是打造一套轻量化的数据自动化处理工具，替代人工完成多源数据批量清洗、跨表合并、规则校验、可视化报表生成及文档数据提取工作，将单份数据处理时长从数小时压缩至分钟级，帮助企业降低人力成本，提升数据处理的标准化程度与准确率，同时可灵活适配不同行业的定制化数据处理需求。 二、软件功能、核心功能模块介绍 1. 多源数据批量清洗与整合模块 支持Excel多工作簿、多工作表的批量导入，可自动识别不同格式的表头与数据结构，一键完成缺失值填充、重复数据删除、异常值筛查、字段格式统一等清洗操作；支持自定义匹配规则，实现跨表格数据的VLOOKUP级批量关联与合并，适配电力站点台账、光伏发电量统计等多维度数据汇总场景，无需人工逐表粘贴整理。 2. 自动化报表与可视化生成模块 内置多套行业通用报表模板，可根据清洗后的数据自动生成汇总统计表、趋势分析表、占比分析表；支持一键生成折线图、柱状图、饼图等标准化图表，可自定义图表样式、维度与指标，自动匹配排版格式，直接导出可交付的Excel报表文件，满足工程资料、运营汇报等场景的输出要求。 3. 自定义规则数据校验模块 支持用户根据业务逻辑配置数据校验规则，包括数值区间校验、字段关联性校验、格式合规性校验等；系统可自动扫描全量数据并标记异常条目，生成校验报告，大幅降低人工核对的工作量，尤其适用于电力工程竣工资料、风电设备巡检数据等对数据准确性要求较高的场景。 4. 文档数据批量提取模块 支持从Word、PDF格式的工程文档、巡检记录中批量识别表格内容，自动提取结构化数据并导出至Excel，保留原始数据的层级与对应关系，解决大量非结构化文档数据录入效率低的问题。 三、业务流程、功能路径描述 完整业务流程分为需求对接-规则配置-自动化处理-结果交付四个阶段： 1. 需求对接阶段：接收用户的数据处理需求，明确数据来源、处理规则、输出格式与交付标准，确认后完成需求方案确认。 2. 规则配置阶段：将用户提供的样本数据导入系统，根据需求配置数据清洗规则、合并逻辑、校验公式与报表模板，完成小批量样本测试与规则调优，确保输出结果符合预期。 3. 自动化处理阶段：导入全量待处理数据，启动自动化处理流程，系统按预设规则依次完成数据清洗、合并、校验、图表生成全链路操作，过程中自动记录处理日志，异常数据自动标记并单独归档。 4. 结果交付阶段：系统生成最终的报表文件与校验说明，支持一键导出

企业客源查询台,基于找客源免登录数据源,无需注册即可检索全国企业。支持关键词、省市地区多级筛选、有无电话过滤、跨页全量 采集与搜索结果导出。内置企查查备用源自由切换,查询历史记录。玻璃拟态界面,单文件 EXE,零依赖浏览器,适合销售获客、客源开发

1. 图像识别模块：依托OpenCV模板匹配，识别游戏界面按钮、图标、战斗状态，支持自定义识别相似度；集成OCR文字识别，读取界面文字信息，识别弹窗提示、倒计时、任务状态。 2. 任务调度模块：封装阴阳师各类业务流程，包含御魂刷图、觉醒副本、奖励收取、活动巡检等任务，支持任务顺序编排、循环执行、任务启停控制。 3. 控制交互模块：对接模拟器ADB协议，完成屏幕点击、滑动、截图操作，根据图像、OCR识别结果自动输出对应操作指令。 4. 配置与日志模块：提供可视化参数配置，可调整识别阈值、执行间隔；实时输出运行日志，记录识别结果、执行步骤，方便排查运行异常

1.立项背景和目标 日常办公、游戏操作中存在大量重复鼠标点击、滑动、输入操作，手动反复操作耗时费力，且长时间重复操作易造成手部疲劳。本鼠标宏自动化工具以Python为基础开发，目标是实现鼠标动作录制、自定义脚本编辑、图像识别触发自动化流程，无需人工持续值守，一键批量执行重复操作，大幅降低人工操作成本，兼容Windows全版本系统。 2.软件核心功能模块介绍 1. 动作录制模块：实时捕获鼠标坐标、左键/右键单击、长按、滚轮滑动等全部鼠标行为，自动生成可编辑脚本； 2. 图像识别找图模块：基于OpenCV图像匹配算法，支持自定义相似度阈值，识别到指定截图后自动触发预设鼠标操作，适配各类界面触发场景； 3. 脚本编辑管理模块：可视化编辑录制生成的宏脚本，可自定义动作延迟、循环执行次数、条件判断分支，支持新建、保存、导入、删除多套宏方案； 4. 窗口适配模块：适配Windows不同DPI缩放屏幕，有自适应功能，解决高分屏坐标偏移问题，支持绑定指定程序窗口运行宏，避免误操作桌面； 5. 一键启动热键模块：自定义全局快捷键，后台静默运行宏程序，最小化托盘不占用前台界面。 3.业务流程与功能路径 用户打开软件后，可选择两种使用流程：①录制模式：点击录制按钮，手动完成全套鼠标操作，录制结束后进入脚本编辑器微调延迟与循环规则，保存方案后设置启动热键；②自定义脚本模式：直接导入目标识别图片，手动拖拽添加点击、滑动等动作，设置图像识别触发逻辑，保存方案。完成配置后，按下自定义全局热键即可后台执行整套鼠标宏，执行过程中可随时按终止热键停止程序。

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

基于Python开发的微信AI自动回复工具，通过模拟真人操作轮询查询新消息，接入智能大模型实现自然流畅的对话。支持全天候自动响应，智能处理日常咨询与闲聊，解放双手的同时保持沟通温度，让自动化交互更贴近真实聊天体验。

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。

立项背景： 中小企业及自由职业者在日常运营中常需快速了解本地文件资产分布情况（如设计稿、合同文档、代码等）。传统手动统计耗时易错，且无法及时响应管理层的即时数据需求。本项目旨在开发一款无需安装、零外部依赖的命令行工具，解决这一痛点。 核心功能模块： 1. 路径输入解析：接收任意文件夹路径，支持绝对路径和相对路径 2. 递归文件扫描：深度遍历所有子目录，不遗漏任何文件 3. 按扩展名分类统计：自动识别文件后缀并分组计数，无扩展名文件归类为"(无扩展名)" 4. 报告生成：输出结构化TXT报告，包含各类型数量、总文件数、统计时间，按数量降序排列 5. 参数自定义：支持指定输出文件名、排除特定目录（如node_modules、.git等） 业务流程： 用户在终端执行命令并传入文件夹路径 → 程序解析参数并验证路径有效性 → 递归遍历目录树，按扩展名分组统计 → 按数量降序排列结果 → 生成格式化报告写入指定路径 → 终端输出统计摘要。 该项目完整演示了从需求分析到工具交付的AI辅助全流程开发模式。

能爬取抖音用户主页的所有视频。（私自爬取抖音用户主页全部视频存在违规侵权问题，平台协议明令禁止非官方爬虫抓取他人原创视频，侵害创作者著作权与用户数据权益，还会触发账号封禁、民事追责。若需相关素材，应走抖音开放平台合规接口，经创作者授权后调取，仅用于合规学习研究，严禁批量下载、搬运商用。）

立项背景和目标：面向开发者群体打造一站式技术知识社区，解决技术人员在学习进阶、项目实战、资源获取中信息分散、质量参差不齐的痛点。目标是构建高活跃、高质量的技术内容生态，汇聚开发者群体，提供文章分享、资源下载、定制开发三位一体的服务平台。 软件功能、核心功能模块：核心模块包括①博客文章系统 —— 支持技术文章发布、分类检索（后端 / 前端等标签）、最新发布列表与详情浏览；②资源下载中心 —— 提供开发工具、源码、教程等技术资源下载；③程序订做服务 —— 承接 C/C++、Java、Python、小程序、安卓等多方向的定制开发需求；④用户与会员体系 —— 注册登录、会员中心、有效期管理与增值权益；⑤站点数据看板 —— 实时展示浏览总量、注册人数、今日更新等运营数据。 业务流程、功能路径描述：访客进入首页可直接浏览最新文章与站点概况，通过导航栏切换博客、资源、订做等板块；注册登录后解锁发布文章、下载资源、提交定制需求等权限；会员用户享受专属资源与优先服务；程序订做流程为用户提交需求 → 客服对接评估 → 开发交付 → 售后支持，形成完整的内容消费与服务闭环。

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。

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。

在AI辅助开发的SPEC-driven工作流中，开发者通过SPEC.md定义需求条目，并通过CLAUDE.md铁律约束AI在生成代码时自动带上@implements REQ-NNN注释标注。但传统追溯工具（IBM DOORS、Jama Connect等）太重型，需要手动标注，缺少一款轻量级的CLI工具来自动完成需求到代码的关联追溯。spec-anchor填補了这一空白，实现AI自动标注与自动追溯的闭环。 核心功能模块： • trace命令：解析SPEC.md提取需求条目（REQ-NNN格式），递归扫描源代码目录，通过两层匹配策略（Layer 1: @implements精确匹配；Layer 2: 关键词启发式兜底）关联需求与代码实现，生成Markdown/JSON格式的追溯矩阵 • impact命令：支持git提交范围或diff文件的反向影响分析，展示代码变更影响了哪些需求条目及其变更行数 • check命令：缺口检查，列出未实现和仅启发式匹配的需求，提供覆盖率统计 • 支持8种语言（Python/JS/TS/Go/Java/Rust/PHP/Ruby/Elixir）的函数名提取与注释识别，内置中英文关键词映射和同义词扩展 业务流程：开发者在SPEC.md中定义需求→AI生成代码时自动带@implements注释→运行spec-anchor trace生成追溯矩阵→运行spec-anchor impact查看变更影响→在PR中附上矩阵供reviewer审查

本项目为电商场景下的商品数据采集与分析系统，旨在解决人工比价效率低、竞品分析成本高的问题。通过爬虫技术，实现主流电商平台商品价格、库存、评论等数据的自动化定时采集，支持多平台对比、价格波动监控、用户情感倾向分析，并提供结构化数据报表，为商家定价决策与竞品分析提供数据支撑。

立项背景与目标： 进入代码接单市场第一步是摸清行情——哪些需求在涨价、哪些赛道竞争小、客户出价区间是多少。每日侦察兵的目标就是用一个自动化 脚本，每天定时抓取国内外接单平台和行业动态，汇总成情报简报，让决策有数据支撑，不靠感觉拍脑袋。 业务功能介绍： 全自动的接单市场情报采集工具。用户运行一条命令，系统自动对多个预设关键词（覆盖 Upwork、一品威客、AI 行业趋势等）发起搜索，抓取最新市场需求和竞品动态，汇总生成结构化 Markdown 简报。全过程无人干预，约 30 秒完成一轮侦察。 核心功能模块： ① 多关键词搜索——支持自定义中英文关键词列表，覆盖多个情报维度。② 限流保护——请求间自动插入延时，防止被搜索引擎封禁，失败时有明确提示。③ 报告生成——结果自动组装为 Markdown 简报，含标题、链接、摘要，按关键词分组。④ 自动归档——按日期保存至 output/YYYY-MM-DD.md，形成可追溯的时间序列。 业务流程： 启动 → 遍历关键词列表 → 逐个发起 DuckDuckGo 搜索 → 每次完成后等待 3 秒防限流 → 收集并结构化所有结果 → 组装 Markdown 简报 → 按日期保存至 output 目录 → 打印完成提示。全流程串行执行，一次侦察约 25-30 秒，产出约 25 条情报。 技术特色： Python 3.11+，仅依赖 ddgs 一个第三方库，150 行代码实现核心功能。零配置部署，clone 后 pip install 即可运行。跨平台兼容，输出为纯 Markdown 格式可直接阅读。架构清晰，单文件设计便于后续扩展多引擎搜索和趋势分析。

本项目是为备战省级AI算法工程师竞赛开发的智能训练辅助工具。工具包含三个核心模块：题库管理与智能组卷（按知识点/难度自动生成模拟卷）、刷题进度追踪与薄弱点分析（通过Pandas统计正确率/耗时/知识盲区，Matplotlib可视化雷达图）、竞赛环境模拟器（自动计时+得分预测）。解决了传统刷题"无反馈、无针对性"的痛点，让备考从盲目刷题升级为数据驱动的精准训练。

本项目是一个基于 Python 开发的代码优化命令行工具。它主要用来帮助开发者自动识别和重构代码中的冗余逻辑，提升代码质量与开发效率。 核心功能： · 结构优化：自动识别代码中冗长的 if-elif 判断结构，并智能给出字典映射的优化建议。 · 算法优化：检测代码中的低效循环逻辑，如手动去重、字符串拼接等，并建议使用 sum()、set()、join() 等更高效的 Python 内置语法。 · 交互式操作：提供交互式命令行界面，支持直接粘贴代码或指定文件路径进行优化。 技术亮点： · 面向对象设计，职责分离，核心逻辑封装完善。 · 支持 Python 3.x，扩展性好，方便后续增加优化规则。 · 独立开发并完成测试，具备实际使用价值。

1、立项背景和目标： 跨境电商卖家在选品、舆情分析、客服回复、内容发布等环节存在大量重复劳动和信息获取滞后问题。本项目旨在搭建一个多Agent协作系统，用户输入任意商品关键词后，系统自动完成选品分析、舆情监测、客服话术生成、视频脚本生成、多平台发布文案等五个维度的分析，帮助卖家快速决策。 2、软件功能、核心功能模块： 系统包含五个专业Agent模块：选品Agent（分析竞品价格、销量趋势）、舆情Agent（抓取社交媒体评价倾向）、客服Agent（生成标准问答话术）、视频Agent（输出短视频脚本）、发布Agent（生成多平台发布文案）。系统采用模拟数据引擎，无需依赖第三方API即可运行演示，支持后续接入真实数据源。 3、业务流程、功能路径： 用户在前端输入关键词 → Flask API接收请求 → 并行调用五个Agent模块 → 各Agent独立分析并返回结构化结果 → 前端统一展示分析报告。用户无需配置任何参数，即输即得，5秒内返回完整分析结果。