人工智能 网站 软件定制 案例

一、立项背景和目标 传统西装高级定制高度依赖人工线下精准量体，存在服务门槛高、流程繁琐且难以实现规模化线上服务的问题。本项目旨在构建一套基于图像的“AI智能量体裁衣与穿搭顾问系统”，用户仅需上传全身照片，即可全自动解算西装定制所需的关键人体围度与骨骼几何数据，并依托智能体生成定制化穿搭与版型建议。 二、软件功能与核心功能模块 1. 图像采集与预处理模块：支持用户正面/侧面全身图像输入与图像质量自动化校验。 2. AI视觉量体计算引擎：集成人体关键点检测与三维人体参数化模型重构，精准拟合躯干网格并解算出肩宽、胸围、腰围、臀围、袖长、裤长等西装核心剪裁指标。 3. Coze AI穿搭咨询与决策工作流：将解算的量体数据、身形比例特征通过API传递给智能体，智能输出版型选择（修身/标准/宽松）、面料色彩及场合穿搭策略。 4. 服务端API与工作流协作：提供高并发服务端接口，实现图像上传、算法解算、结果回传与穿衣报告生成的全链路闭环。 三、业务流程与功能路径 用户上传人体图像 -> 系统调用人体检测与3D Mesh重构管线计算三维点云与骨骼关键点 -> 计算西装定制各项围度与长度参数 -> 结构化数据接入Coze智能体API工作流 -> 生成包含“精准量体数据 + 智能西装穿搭建议”的综合报告。

为解决大模型输出内容存在违规、偏见、敏感信息泄露等风险，搭建 AI 对话安全护栏网页端系统，目标是在用户与大模型交互全流程做内容管控，实现输入检测、输出过滤、风险拦截，保障大模型应用安全合规使用。系统核心模块包含对话交互模块、安全护栏网关模块、会话管理模块、风险日志审计模块。对话交互模块提供聊天界面，支持流式输出展示大模型返回结果；安全护栏网关负责对用户提问和模型回复进行多维度内容审核，识别暴力、色情、政治、隐私泄露类风险；会话管理维护多轮对话上下文，支持新建、切换、删除会话；风险日志审计记录每轮对话风险标签、拦截结果，便于追溯复盘。业务流程：用户在页面输入提问，请求先经过安全护栏网关校验输入内容，若命中风险规则直接拦截并返回提示；输入安全则转发给大模型服务获取流式回答，模型返回内容再次经过输出侧安全检测，过滤风险片段后，将安全内容流式渲染到前端页面，产生风险的对话完整记录存入审计日志。

本项目叫神笔写作，是面向网文写手的本地 AI 小说写作客户端。核心实现多 Agent 角色协同写作，支持接入大模型 API，具备章节管理、角色设定、大纲编辑、AI 续写、仿写、去 AI 味改写等功能。本地运行，素材、大纲保存在本地，满足网文作者写稿、改稿、角色对话生成的创作需求。

FetchMind 是企业智能问答平台。它把制度、手册、FAQ 等文档做成可检索、可引用、可权限管控的助手，而不是套一层大模型聊天框。系统覆盖文档解析分块、向量加关键词混合检索、带引用生成和管理后台。检索时按权限过滤，查不到就明确说不知道。从 0 到 1 完成需求、架构、开发到部署，可按贵司场景快速落地「上传文档、提问、核对原文」。

全栈开发工程师，可独立承接网站搭建、各类 APP 软件开发、多类型游戏开发业务。熟悉前后端整套技术栈，兼顾产品功能实现与交互体验，善于对接实际业务需求，从需求梳理、编码开发到上线交付一站式完成，高效落地各类定制化开发项目。

1、聚合多平台金融资讯，更及时获取最新消息，尽量减少消息遗漏 2、整合多平台财经或大事件日历，更早了解将要发生的大事 3、每日ETF申赎数据自动获取和计算 4、每日股指期货自动获取和更新 5、宏观分析师-对当前整体市场进行分析，给出具有可操作性的建议

1. 完整展示A股所有股票的基础信息和行情，以及长达接近20年的K线图 2. 对任意天数的全市场股票涨跌幅等进行全量排行 3. AI基础问答，同时支持AI回答的文档下载功能 4. AI基于已有的数据进行股票分析 5. AI自主训练，基于模板，AI自主分析量化策略并回测

项目描述：该系统是一个集成WebRTC实时音视频通信、大语言模型（LLM）与语音合成（TTS）技术的智能语音对话平台。旨在构建一个不仅能对话，更能主动使用工具（Tools） 执行任务的智能助手。通过引入函数调用技术，AI可以理解用户语音指令的深层意图，提供了远超传统问答机器人的交互体验。

本系统是一个 RAG 智能知识库问答平台，包含八个功能模块。 用户认证模块支持用户名、邮箱或手机号注册登录，也支持短信验证码免密登录，修改密码和联系方式均需验证，会话采用 JWT Token。 知识库管理模块允许用户创建、编辑和删除知识库。文档上传支持多文件批量操作，后台异步完成解析和向量化。文件格式覆盖 TXT、PDF、Word、Excel、PPT，图片通过 OCR 提取文字，音视频通过 Whisper 转录。系统按 Free、Pro、Enterprise 三档套餐限制知识库数量、文档数和文件大小。 RAG 智能问答模块是系统核心。用户提问后，系统先语义检索知识库内容，再发送给大语言模型生成答案并附带引用来源。支持流式输出和多轮对话，历史对话可管理。 分享与访客模块允许高级用户生成限时分享链接，访客无需登录即可对知识库提问。 付费模块支持月付和年付，通过微信扫码或支付宝付款，自动确认支付并升级套餐，支持沙箱模拟支付。 知识库市场模块由管理员发布模板，用户可一键基于模板创建知识库。 系统管理模块赋予管理员用户管理、角色套餐修改、批量重置密码等权限。 系统配置模块供管理员配置 AI 模型、OCR、短信、支付渠道等参数，密钥脱敏展示。 后端 API 分为十组：/api/auth/ 为注册登录等九个认证接口；/api/kb/ 为知识库和文档管理七个接口；/api/chat/ 为问答和对话管理五个接口；/api/share/ 为分享链接四个接口；/api/guest/ 为访客免登录问答两个接口；/api/payment/ 为下单支付和配置八个接口；/api/kb-market/ 为模板管理五个接口；/api/settings/ 为系统配置十个接口；/api/admin/ 为用户管理五个接口；/api/stats/ 返回统计数据。 前端页面中，/login 为登录页，/pricing 为价格页，/guest 为访客问答页。登录后 / 为仪表盘，/knowledge-base 为知识库列表，/knowledge-base/:id 为知识库详情，/market 为模板市场，/chat 为问答对话页，/conversations 为对话列表，/profile 为个人资料，/payment 为支付页，/settings 和 /admin 为管理员专用页。

1、立项原因 / 旨在解决什么产品问题 会计师事务所年报审计、IPO 审计通常涉及数百份 PDF 报告、Excel 台账与 Word 说明。人工复核存在耗时长、易漏检、证据难追溯等问题：复核人员需逐页核对审计意见类型、关键审计事项、强调事项段等要素，同时要在多份文档之间验证同一会计科目的数据一致性，工作重复且容易出错。本项目旨在用 AI Agent 替代重复性人工复核，将「上传 → 解析 → 复核 → 结论 → 证据引用」全流程自动化，降低漏检率并提升复核结论的可追溯性。 2、行业场景 / 业务背景 本项目面向审计/金融行业，适用于会计师事务所质控复核、审计项目经理终审、企业内审等场景。用户上传审计报告及工作底稿后，系统可自动完成两类复核：场景 A 针对最终审计报告要素完整性进行复核；场景 B 针对具体会计科目在 Excel 台账与报告描述之间做交叉勾稽验证。复核结果以「通过 / 不通过 / 需复核」形式呈现，并附带原始文档页码、单元格、原文摘录等证据链。 1、具体功能模块 - 项目管理模块**：创建项目、查看项目列表、集中管理项目下的全部工作底稿。 - 文档上传模块**：支持 PDF、Word、Excel、ZIP 批量上传，单文件上限 2GB。 - 文档解析模块**：Excel 用 SheetJS 读取缓存计算值；PDF 用 pdfjs-dist 按页提取文本；Word 用 mammoth.js 提取段落；ZIP 用 jszip 解压。 - AI 复核模块**： - 场景 A：最终报告要素完整性复核，检查审计意见类型、关键审计事项、强调事项段等； - 场景 B：具体科目证据链检查，对指定科目在 Excel 与报告之间做数值、描述交叉验证。 - 证据引用模块**：每条结论关联原始文档证据，支持页码、单元格、原文摘录。 - 任务跟踪模块**：pending → running → completed / failed 状态流转，前端轮询实时展示进度。 2、主要功能描述 用户进入项目后上传待复核文档，选择复核场景并勾选文件，点击「开始复核」即可提交任务。系统后台使用 LangGraph.js 编排 Agent 工作流，调用 Dify Cloud 完成大模型推理与审计准则知识库检索，最终生成结构化复核结论。结果页展示总体结论、统计摘要、详细结论列表及证据引用，方便复核人员快速定位问题并追溯到原始文档出处。

月销售额1万-50万美元的小型Shopify电商店铺，面临客户流失严重、复购率低、营销人力不足等痛点。传统做法依赖运营人员手动分析用户行为、编写邮件、设定发送规则，效率低且难以个性化。Yona旨在通过AI Agent自主观察购物者行为（浏览、加购、弃单、购买），自动决策最优干预时机和内容，通过邮件渠道自动触达客户，实现收入回收自动化，让小商家无需专职运营也能获得大品牌级别的智能营销能力。 1、AI决策引擎：基于用户行为事件（浏览、加购、弃单、购买、沉默）自主决策最优营销干预策略，包括干预时机、渠道、内容类型，无需人工设定规则。 2、多场景自动化营销：覆盖购物车弃单挽回、结账弃单挽回、沉默客户唤醒、复购推荐、浏览放弃挽回等5大核心场景，每个场景独立触发、独立调度。 3、个性化邮件生成：AI根据品牌语调（friendly/minimal/playful/professional）、客户历史行为、商品信息自动生成个性化邮件内容和主题行，支持新品推荐网格、动态变量替换。 4、客户旅程状态机：14种状态（浏览中、加购、结账、已购买、沉默、已唤醒等）自动流转，每种状态有独立TTL和营销资格规则，防止过度打扰。 5、频率控制与疲劳管理：每店铺独立配置日频/周频上限，24小时和7天滑动窗口检测，防止同一客户短时间内收到过多邮件。 6、A/B测试引擎：支持自动分流、统计显著性检验、实验自动完成，帮助商家持续优化营销效果。 7、收入归因系统：追踪每封邮件带来的直接收入，量化AI决策的ROI，支持按店铺、按场景、按时间维度查看。 8、Shopify深度集成：OAuth认证、Webhook事件订阅、商品/订单GraphQL查询、App Bridge嵌入式管理界面，10分钟内完成安装。 9、多租户SaaS架构：店铺级数据隔离，Supabase/PostgreSQL双模式，支持从开发到生产的无缝迁移。 10、订阅计费系统：Starter/Growth两档月费+恢复收入分成，支持Shopify Billing API自动扣费、升降级、暂停恢复、退款处理。

1. 立项背景与目标 项目面向长沙望城区社区居家养老服务中心/站，解决三大真实痛点：机构上门服务后人工电话回访费时费力、易漏访，家属对服务过程不透明；工单派发靠微信口头通知、服务记录靠手写，难以留痕；老人多药易漏服错服、健康数据无法持续追踪。目标是打造一套轻量、低成本、可本地部署的数字化系统，通过「AI 服务回访（P0）」「居家服务工单（P1）」「用药提醒 + 健康档案（P2）」三个产品，实现机构、护理员、家属三端协同闭环，并满足数据加密与机构隔离的隐私要求。 2. 核心模块 - AI 服务回访：Excel 名单导入与手机号校验（错误标红）、创建回访任务（可全选/单选，短信/微信/电话三种方式，立即或定时）、短信/微信生成满意度链接供 1–5 星打分、电话模拟外呼并支持未接自动重试、结果记录与按护理员统计、Excel 报表导出。 - 居家服务工单：管理员建单派单、护理员接单/拒单（必填原因）/出发/到达签到（GPS + 拍照防作假）、提交服务记录（项目/时长/老人状态/至少 1 张照片/备注）、家属查看记录与照片并评价、服务类型字典管理。 - 用药提醒 + 健康档案：用药计划录入（多时段、批量 Excel 导入）、到点自动提醒、点击「已服用」确认、超时最多再提醒 3 次后标记漏服并通知家属、周/月依从率统计、血压血糖记录、健康档案打印/导出 PDF 供医生参考。 - 通用支撑：定时调度、模拟通道 + 站内通知 + 审计日志、Fernet 敏感字段加密、机构数据隔离、老年友好交互（大字模式、语音配置预留）。 3. 业务流程与功能路径 - 回访链路：管理员后台「回访」→ 下载模板填 Excel → 导入并校验 → 新建回访任务（选名单、方式、时间）→ 定时任务到点自动执行 → 家属点短信/微信链接打 1–5 星，或电话外呼后管理员登记结果 → 未接按策略自动重试 → 查看统计报表并导出 Excel。 - 工单链路：管理员「创建工单」（选老人、服务项目、护理员、时间）→ 派单并通知家属 → 护理员端接单 → 标记出发 → 到达签到（GPS + 拍照）→ 填写服务记录并提交完成 → 家属端查看照片、打 1–5 星评价，全程每步推送站内通知。 - 用药健康链路：管理员录入或批量导入用药计划 → 到点自动生成提醒（微信/短信/语音）→ 老人或家属点击「已服用」确认 → 超时自动升级再提醒，3 次未确认则标记漏服并告警家属；护理员/管理员录入血压血糖 → 家属端打印健康档案给医生。

一、项目背景和目标 智能体客服项目面向智能客服、呼叫中心与企业运营管理场景建设，目标是在现有呼叫中心和企业管理能力基础上，引入智能体配置、语音交互、知识问答、智能测试、通话分析、质检兼容、套餐开通与消费管理等能力，形成一套可配置、可运营、可统计、可结算的智能客服服务平台。 二、核心功能模块 项目整体分为前端系统与后端系统两大部分。前端系统主要承担智能体配置、通话分析、质检使用及账单查看等业务操作界面；后端系统主要承担客户管理、产品及套餐管理、智能总机账户生命周期管理、消费统计及业务规则执行等平台支撑能力。 三、业务流程简示 客户下单：客户资料提交→审核→审核通过申请开通产品。 开通产品：根据客户下单资料→开通相应套餐→配置智能客服应用。 智能体接入：上传客户知识库→搭建智能应用。 通话分析：保存通话录音→识别录音文字→使用大模型进行对话分析→输出对话分析结果 。 质检：上传对话录音→对录音进行质检分析。

一、立项背景与目标 企业普遍存在内部文档分散在各系统/个人电脑、员工查找困难、知识无法沉淀复用的问题；对外客服重复咨询量大、人工成本高。本项目构建一套企业级AI知识库管理平台，把散落的制度、产品手册、FAQ等文档统一沉淀为可智能检索的知识库，对内供员工快速查资料，对外驱动AI客服自动应答，降低人工成本、避免知识流失。我负责后端架构与核心AI管线开发。 二、核心功能模块 1、文档沉淀与知识库管理：支持PDF/Word/Markdown/Excel/图片等多格式一键导入，自动解析切分建库；QA问答格式自动识别保留完整语义；多知识库按部门/业务隔离；支持飞书、Notion等外部文档源定时同步，保证知识库常新。 2、智能检索与问答：语义检索+关键词检索加权融合，经精排后由大模型流式输出答案，答案附带原文出处可追溯，避免AI胡编。 3、AI客服与多轮对话：结合对话历史做指代补全与纠错，解决多轮对话"一聊就忘"；拒答策略可按需切换（仅按知识库答/混合/自由闲聊），控制客服回答边界。 4、角色化应答：内置多套角色Prompt（如售后客服、销售顾问、内部IT支持），配置化切换，新增角色无需改代码。 三、业务流程与功能路径 1、知识入库：上传或定时同步文档→格式解析→智能切分→向量化与关键词索引写入→进入可检索知识库。 2、智能问答：用户提问→结合历史改写问题→按权限圈定知识库范围→混合检索→精排→拒答判定→流式生成→返回带引用来源的答案。 3、AI客服：选择客服角色→加载对应话术配置→结合知识库检索结果生成符合角色口吻的回答。

微信客服AI系统是一款基于PHP开发的智能客服解决方案，完美集成企业微信客服生态。系统通过接入大语言模型API，为企业提供7×24小时不间断的智能客户服务，支持文本对话、图片识别、视频分析等多元化交互方式，显著降低人工客服成本，提升客户响应效率与服务质量。 系统采用模块化架构设计，具备完善的对话管理后台、人工客服转接机制、智能咨询提醒等高级功能，适用于电商、教育、医疗、金融等多行业场景，帮助企业快速构建智能化、自动化的客户服务体系。

1.临床决策高度依赖医生经验，而用药、检查、手术、输血等动作一旦开立就进入执行链。传统做法是事后质控、人工宣教，难以及时拦住「不该开」和提示「该查 / 该开」。 2.把医院自有规则、标准字典和知识库嵌入住院、门诊、急诊、治疗、医嘱等工作流，在开立、提交、执行等节点做合理性拦截、诊疗推荐、风险预警与知识查阅。 3.管理平台按功能树分为：诊疗规则、字典与映射、知识库、白板、报表、开关与审批。运行时核心是规则引擎 + 场景校验 + 聚合弹窗 4.CDSS 不替代 传统EMR。业务数据经漏斗落库后回调 CDSS 做异步标记；医生操作时由宿主调用外放脚本做实时校验。并存在CDSS白板做协同系统。

1、立项背景和目标 针对学生查询校园办事流程信息分散、查找资料麻烦的问题，开发校园办事问答助手，利用大模型整合校内办事资料，实现自然语言快速查询办事指南，提升信息获取效率。 2、软件功能、核心功能模块介绍 采用前后端分离，前端H5网页可打包为安卓套壳APP；后端基于FastAPI，包含JSON知识库读取、Agent调度、DeepSeek大模型调用模块，约束模型依据知识库按固定模板输出答案，内网穿透支持临时公网演示。 3、业务流程、功能路径描述 用户输入问题提交至后端，程序读取知识库并组装提示词，调用大模型生成标准化办事信息，处理完成后返回前端展示，项目仅本地调试演示使用。

本项目为教学管理系统，立项背景是传统线下登记方式处理教师排课、学生选课、成绩录入效率较低，信息分散不易汇总统计。项目目标是搭建线上平台，对教学相关数据进行统一管理。系统划分管理员、教师、学生三类角色。核心模块包含用户权限管理、课程信息维护、选课管理、成绩录入查询、公告发布、数据报表导出。业务流程：管理员维护班级、教师与课程基础数据；教师登录后查看授课班级，录入并提交学生成绩；学生可以浏览可选课程，提交选课申请，查询个人成绩与公告通知；管理员可导出选课、成绩数据，完成教学数据统计。

用户输入一个研究主题，系统调度 规划者 → 检索者 → 撰写者 → 审校者 四个智能体分工协作，自动产出带引用来源的结构化研究报告，并实时可视化每一步进度。核心链路：输入主题 → 规划大纲 → 检索素材 → 撰写正文 → 审校修订 → 输出报告（含大纲、引用来源、审校意见）。技术栈：Python 3.13 · FastAPI · pydantic · httpx · 原生 HTML/CSS/JS（无构建、无 CDN）。多智能体编排为手写编排器（零重依赖，便于讲解原理，可平滑升级 LangGraph）

立项背景和目标： 针对传统中小企业在客服过程中长期面临的三类痛点：人工响应慢、重复问题占比高、私域 知识难以沉淀，本项目立项设计一套面向B端的私有知识库智能问答系统。系统采用检索增强 生成（RAG）架构，将企业自有文档（产品手册、SOP、售后话术、历史工单等）接入大模型， 使其回答既具备大模型的自然语言理解能力，又能精准引用企业内部知识，避免幻觉风险。 核心目标：将平均首响时长从人工客服的3-5分钟压缩至8秒以内，冷启动周期由传统客服培训 的2周缩短至资料导入即可上线。 核心功能模块： 1. 知识库管理：支持PDF/Word/Markdown/TXT/URL多格式批量导入，自动分块(Chunk)、向量化、 入库；支持人工审核与版本管理，单库容量支持百万级文档片段。 2. 智能问答引擎：基于混合检索（向量召回 + BM25关键词召回 + 重排序模型），命中率较纯向 量检索提升约28%；引用源可追溯，回答带文档片段定位。 3. 多渠道接入：开放Web SDK、微信客服API、钉钉机器人三种接入方式，支持会话上下文与多 轮追问，对话历史保留90天。 4. 运营分析后台：管理员可查看问题分布、命中率、转人工率、热点FAQ等指标，支持人工标注 与模型微调形成数据闭环。 业务流程与功能路径： 客户使用路径：企业管理员上传文档 → 系统自动完成分块与向量化 → 管理员审核 → 进入 知识库 → 终端用户提问 → 系统混合检索Top-K → LLM生成带引用答案 → 命中率低于阈值 自动转人工 → 人工回复回流形成新知识沉淀。 一线客服使用路径：客服登录工作台 → 接收AI预答建议 → 一键确认/编辑回复 → 沉淀至 知识库形成飞轮。