人工智能 网站 软件定制 案例

1. 立项背景和目标 面向复杂知识问答、多步任务拆解和证据驱动分析场景，搭建统一的 AI Agent 平台。旨在解决传统问答系统在复杂任务中可分解性不足、证据链不可追溯、文档与图谱数据割裂、模型选型缺乏统一评测等痛点，降低知识密集型分析任务的人工操作成本。 2. 核心功能模块 多智能体协作： 采用 planner -> dispatcher -> summary 主链路，支持任务拆解、依赖编排和拓扑执行。 知识检索与定位： 集成文档多格式解析、片段级检索、页级定位及 Neo4j 知识图谱 Cypher 检索。 评测与选型底座： 支持对不同模型、提示词策略和子代理组合进行横向对比与流程稳定性观察。 前端工作台： 支持多会话聊天、模型参数配置、执行轨迹面板、知识图谱可视化及结果下载。 3. 业务流程与功能路径 用户上传多格式文档或输入复杂分析任务 -> 系统提取分析并构建图谱 -> 多智能体协作编排并调度任务（子代理执行文档精读和图谱检索） -> 聚合生成可追溯、可信的结构化报告或演示文稿 -> 通过 SSE 流式反馈、渲染任务轨迹并展示给前端。

AI 图像处理平台（"流行智能"后更名"豪视界"） —— 一个面向电商卖家的 SaaS 化 AI图像处理工具站。核心业务逻辑:卖家上传商品图,平台调用多个 AI引擎完成换背景、生成模特图、扩图/高清/去水印等处理,按张扣积分,处理结果存云端图库。 支撑业务的系统能力 - 账户体系:邮箱/手机注册登录、JWT 鉴权、图形验证码、访客可浏览(登录才可下单) - 积分计费系统:注册赠送 100 积分、按任务类型差异化定价(可后台配置)、消费流水记录、积分套餐 - 异步任务系统:任务状态机(等待→处理中→完成/失败)、批量提交、全局任务列表、结果轮询 - 图库:处理结果云端存储(阿里云 OSS)、缩略图、任务详情回看 - 管理后台:用户管理(禁用/启用/改积分)、任务监控与重试、系统配置、积分规则/套餐配置、操作日志、仪表盘统计

本平台面向企业内部业务人员与算法开发人员打造一站式 AI 智能体低代码开发平台，解决传统大模型应用开发门槛高、流程定制繁琐、多模型调度混乱等痛点。平台核心包含智能体可视化编排、多厂商大模型接入管理、知识库向量存储、对话流程可视化拖拽、权限管控、调用数据统计六大核心模块。业务人员无需代码即可搭建行业专属智能体，支持上传企业私有文档构建专属知识库，配置问答、工具调用、多轮对话逻辑；算法人员可统一管理文心、通义、GLM 等多模型接口，配置模型限流、上下文长度、温度参数；平台完整记录智能体调用日志、Token 消耗、问答准确率，支持按部门、用户分配智能体访问权限，覆盖企业内部客服、办公辅助、数据查询等多类 AI 业务场景。

**立项背景** 传统业务系统存在三大痛点： 1. **操作复杂**：当涉及多个子系统之间来回切换，手动填写大量查询表单，操作路径长、效率低。 2. **数据割裂**：不同数据分散在不同系统中，操作人员需要人工汇总和分析，无法自动形成完整的数据流转。 3. **技术门槛高**：面对海量数据，操作人员需要掌握专业检索语法和系统操作流程，新人上手周期长。 **项目目标** 构建一个基于大语言模型的「AI智能助手」，让操作人员用自然语言描述查询意图，系统自动完成工具编排、数据查询和结果汇总，将"思考→决策→行动"的思维链自动化，显著提升系统之间串并联的效率。 **核心功能模块** ### 智能工具编排引擎 传统流程：操作人员记下数据 → 切换到其他系统 → 输入表单 → 等待结果 → 再到下一个系统。 项目流程：一句话描述需求 → AI自动调用工具链 → 数据自动串联 → 一次性返回综合结果。 引擎采用 **思考→决策→观察→再思考** 的循环模式，每步输出结构化日志，操作人员可在终端实时看到AI的"思考过程"。 ### 全链路功能路径 ``` 用户输入（自然语言） ↓ AI 语义理解 + 意图分析 ↓ 工具编排（单工具 / 多工具串联 / 分组管理） ↓ 工具执行（按需分页拉取 / 空结果重试） ↓ 数据注入（分组间数据传递 / 跨轮加载） ↓ 结果合并（去重 / 排序） ↓ 前端渲染（表格分页 / 地图标注 / 播放 / 报告下载等）

AI Agent Station 是一个基于 Spring Boot 3 + Vue 3 的全栈 AI 智能体平台，核心围绕智能体的配置、调度与执行展开。系统支持 Auto（自动分析执行）、Flow（预定义流程）、Fixed（固定流程）三种智能体执行策略，并通过 MCP（Model Context Protocol）客户端以 SSE 和 STDIO 两种传输方式对接外部工具与模型。平台包含 B 端管理后台（仪表盘、Agent 可视化编排、客户端/API/顾问全生命周期管理、RAG 订单与知识库管理、Prompt 模板管理）和 C 端消费者界面（实时 SSE 流式对话、双面板执行过程监控、历史记录持久化、移动端适配），此外还集成了活动抽奖、数据统计分析、资产账户管理、IT 工单追踪等配套业务模块。

1. 为什么要做这个） PLC工程师写SCL代码有个很烦的事——语法规矩特别多。等于号在C语言里是==，在SCL里是=。赋值在别处用=，SCL非得用:=。IF后面忘了END_IF，CASE漏了ELSE，编译器只告诉你错了，不告诉你哪错，更不会帮你改。一个工程师来回编译、报错、猜、改能折腾很长时间。后来发现大模型也能写SCL，但写出来的更离谱——&&、!=这些C语言习惯全带进来，true/false小写不认，IF/CASE各种缺胳膊少腿。思路很简单：既然LLM犯的错就那么几类，每类长什么样我们也知道，写一套固定规则帮它改就行了。不用重新训练模型，写死规则，来一个修一个，结果永远确定。 2. 能干什么 拆成四块：第一，让大模型写代码。用大白话描述控制需求，背后接了好几个大模型可以换着用。第二，帮它补骨架。LLM经常忘了关IF、关CASE，用一个叫下推自动机的方法跟踪成对关键字，哪缺了自动在正确位置补上。本质是聪明的括号匹配，但能处理嵌套——IF里套CASE，正则搞不定，必须用栈。第三，帮它改小毛病。&&改AND，!=改<>，true改TRUE，一共11种常见错误，8种自动改，3种标记提醒。改等于号最危险——在IF条件里它是合法比较符不能瞎改，设了三层保护确保不破坏逻辑。第四，浏览器打开就能用，代码直接复制到TIA Portal编译。 3. 怎么用 三步：网页上用大白话写控制逻辑，选PLC型号。点生成等几秒，大模型出初稿。工具自动修一遍语法错误，拷走拿去编译。想再改可以手动编辑或者对话精修。从需求到能编译的代码，快的就几分钟。

立项背景：公众号内容创作依赖人工写稿和反复修改，效率低、质量不稳定。本项目旨在打造一个本地运行的"微信公众号多智能体创作工作台"，通过多个 AI 智能体协作，实现从选题素材到成品文章的自动化生产，让运营者只需提供主题或链接，即可获得可直接粘贴进公众号编辑器的高质量成稿。 核心功能模块：（1）多智能体协作编排——Main 智能体负责任务分发与交付，Writer 智能体负责撰稿，Publisher 智能体扮演主编，按 9 个维度百分制打分（90 分合格，含一票否决项），不合格自动打回重写，最多迭代 6 轮；（2）素材自动抓取——支持 GitHub 开源项目、网页链接、纯文字素材三种任务模式，自动抓取并清洗正文注入写作上下文；（3）"反思"经验库——审稿中发现的问题自动归档并按出现次数升级关注等级（L1→L4），升满后自动转为一票否决红线，使审核标准随使用不断进化；（4）配套能力——任务管理与持久化、可插拔写作技能（如爆款标题公式）、在线文件浏览编辑、模型与密钥热切换、token 用量与成本实时统计 业务流程：用户在网页端填写主题/素材与风格要求并提交任务 → 后端自动抓取链接素材 → Main 打包下发 → Writer 写稿 → Publisher 审稿打分 → 未达标则携带修改意见回炉迭代 → 通过后自动落盘生成 Markdown 源文件与内联样式 HTML（适配公众号排版，可直接粘贴发布）→ Main 生成交付说明。全程通过 WebSocket 逐字流式推送各智能体输出，用户可实时旁观、随时补充信息或取消任务。

1、立项背景和目标： 高校专业课程学习中，学生课后答疑需求频繁但教师精力有限，传统群聊问答重复率高、覆盖率低。本项目旨在构建基于大模型RAG技术的智能答疑系统，让上传的课程资料（PDF、PPT）成为知识库，实现7×24小时自动答疑，减轻教师负担并提升学生自学效率。 2、软件功能、核心功能模块的介绍： 系统包含学生端和管理端。学生端支持课程选择、多轮智能问答、历史会话查看、知识点收藏；管理端支持课程资料上传、知识库构建监控、问答记录统计、Prompt模板调优。核心模块为RAG检索增强生成引擎、多轮对话上下文管理、文档智能解析与向量化存储。 3、业务流程、功能路径描述： 教师上传课程资料，系统自动解析分块并生成向量存入Chroma数据库；学生选择课程后输入问题，系统检索Top3相关文档片段，结合历史对话上下文构造Prompt，调用大模型生成带溯源标注的答案；学生可继续追问或切换课程，管理员可在后台查看高频问题并优化知识库。

开发一个基于 cesium 的三维建模智慧工地管理系统，借助 GIS 工具或无人机倾斜摄影技术导入 工地的三维模型，在工地的关键部位部署摄像头监控用于检测安全帽或非法入侵等异常行为，在摄像头端进 行危险行为的检测之后，将异常信息及定位数据传输至云端服务器，该功能可以监控工地异常，将异常信息 在三维场景当中实时显示。该软件也可以使用投影技术将二维视频转换到三维模型的对应场景中，更加直观 地检测工地情况。

本项目为宠物打造AI互动名片，宠物主人创建宠物档案后生成专属二维码，他人扫码即可看到AI生成的宠物虚拟形象，系统自动以宠物第一人称进行智能语音介绍（品种、性格、喜好、趣事），并支持访客与AI宠物进行实时互动问答。立项背景是传统宠物名片信息静态单一，通过AI技术让每只宠物拥有独特的"数字人格"，极大提升宠物社交趣味性和宠物店/犬舍的品牌辨识度。核心模块包括：宠物档案管理（主人录入+二维码生成）、AI形象生成（根据品种特征生成虚拟形象）、TTS语音自动讲解、LLM驱动的智能对话（以宠物视角回答"你喜欢吃什么""你几岁了"等问题）、扫码数据统计。

京东云仓系统面向企业商家、第三方仓储客户提供全流程智能仓储出库服务，支撑海量电商订单入库、分拣、出库、发货全链路自动化处理，适配多客户、多仓库、差异化仓储流程需求。核心业务功能包含订单接入处理、智能库位匹配、订单组波分拣、商品复核发货、个性化仓储规则配置、实时数据统计报表、海量订单数据治理，可适配2000+企业客户的个性化仓储流程，保障大促峰值海量订单稳定出库。

作为滴滴出行核心车主后端底座系统，承载全平台司机入驻、运力管理、订单承接、状态同步、收益结算、风控管控等核心业务，覆盖快车、专车、顺风车等全品类出行场景，支撑百万日活司机在线接单、千万级日均订单流转。核心能力包含司机运力调度、核心订单链路处理、用户权限管控、高可用流量承载、全链路风控、运维监控治理，通过架构升级解决传统PHP架构耦合严重、迭代慢、性能差的问题，提升系统并发能力与业务迭代效率。

本项目旨在构建一个企业级AI数据分析仪表盘，用于整合多维度业务数据并提供实时可视化分析能力。 核心功能模块包括： 1. 多维度数据可视化引擎：支持热力图、散点图、堆叠面积图、柱状图等多种图表类型，覆盖Web端、移动端、AI服务和云端流量监控。 2. 实时趋势预测模块：基于历史数据利用机器学习算法进行季度绩效趋势预测，辅助管理层决策。 3. 用户行为分析：通过热力图展示用户在平台上的点击和浏览行为分布，识别高价值功能区域。 4. 相关性分析：利用散点图挖掘不同业务指标之间的关联性，发现潜在的业务增长点。 5. 时序流量监控：堆叠面积图实时展示多源流量（Web/移动/AI/云端）的变化趋势。 业务流程：数据采集层通过API网关汇聚各端原始数据 → ETL管道清洗与标准化 → 存入数据仓库 → 后端服务层读取并计算指标 → 前端通过WebSocket实时推送仪表盘更新。用户可按时间维度（日/周/月/季）切换视图，也可按流量来源筛选数据，支持导出PDF报告。

1、AI智能规划目标任务，能够帮助用户生成任务节点以及工作项，智能调度每日工作； 2、作为一款教练式目标规划应用，能够监督用户每日任务完成情况，并给出反馈； 3、加入团队模块，能够实现团队协作完成目标

这个平台是给企业内部用的，专门解决一个痛点：项目是一个给企业内部使用的智能体管理平台，主要解决企业里不同 AI 助手不好统一管理、调用过程不好追踪、一些高风险操作缺少审批的问题。 在这个平台里，可以搭建好多不同用途的AI智能体，比如售后用来判断该不该退款的助手、人事查合规制度的助手、运维判断设备故障的助手。普通员工直接打开AI对话窗口，向这些智能体提问办事就行；管理人员也能在后台看得清清楚楚，每个智能体绑定了哪些内部知识库、对接了公司哪些业务系统，一目了然。 除此之外平台还配了工作台、知识库管理、打通业务系统、线上审批、数据统计、话术配置、人员权限这些配套功能。重点说下风控审批：要是AI智能体要发起退款、打款、重启设备这类敏感操作，系统不会直接执行，会自动生成一条审批任务，得管理员审核点同意之后，动作才会往下走。 总的来说，它不是大家理解的普通聊天AI，而是把公司所有AI助手、内部知识库、各个办公业务系统、审批流程、操作记录全部收拢在一块统一管，大家日常用AI处理业务，既方便又稳妥安全。

【项目背景】 面向内容创作者的个人 AI 创作工作台，整合文生图、图生图、AI 对话、AI 视频等能力， 帮助用户在一个界面内完成创意内容的生成与管理，降低多平台切换成本。 【目标用户】 自媒体创作者、设计师、运营人员等需要快速产出图文/视频素材的用户。 【核心功能】 1. 项目管理：创建、切换创作项目，按项目归类生成内容 2. 多模态 AI 生成： - 文生图：输入 Prompt 生成图像，支持多种模型选择 - 图生图：基于参考图进行风格变换与编辑 - AI 对话：接入多种大语言模型进行创意辅助 - AI 视频：文生视频能力入口 3. 生成历史：查看每次生成的 Prompt、状态、结果，便于回溯复用 4. 积分机制：每次生成消耗积分，控制使用频率 5. API 代理层：后端统一对接第三方 AI 接口，支持 Mock 模式与真实 API 切换 【业务流程】 用户进入创作台 → 创建/选择项目 → 选择生成类型与模型 → 输入 Prompt → 提交生成 → 查看结果并保存至历史记录 → 可在同项目下继续迭代创作 【技术实现（本人负责部分）】 - 使用 Next.js + React + TypeScript 搭建前端创作台界面 - 使用 Tailwind CSS 实现深色主题与交互布局 - 开发项目管理、生成提交、历史记录等前后端 API 接口 - 实现 AI 服务代理层，支持开发 Mock 与生产环境 API Key 切换 - 预留 Prisma + MySQL 数据持久化与用户认证方案 【项目亮点】 - 单页创作台整合多种 AI 能力，交互路径清晰 - 支持 Mock/真实 API 一键切换，便于开发调试与演示 - 模块化 API 设计，后续可扩展更多模型与功能

智能知识库问答系统 — 基于 Spring AI 构建，集成大语言模型、向量数据库和 RAG（检索增强生成）全链路，实现文档驱动的精准问答。 技术亮点 1. 分层记忆设计 借鉴认知科学的分层思路：短期记忆（当前对话上下文） + 实体记忆（用户关键信息持久化到 H2）。每次只加载相关记忆，避免无关历史干扰 LLM 判断。 2. 双模型架构 主力模型 DeepSeek（远程 API）用于生产，Ollama 本地模型用于链路验证和冒烟测试。兼顾性能与开发效率。 3. 分层 RAG 优化 从基础向量搜索逐层叠加：文本清洗 → 递归分块 → LLM 查询重写 → MMR 去重 → 自动元数据分类，每层解决一个具体痛点，不一步到位过度设计。 4. Redis 短期记忆层 对话记忆从项目内存迁移至 Redis，利用 Redis 的 TTL 机制实现短期记忆自动过期，appendonly 持久化保证重启不丢。 5. RabbitMQ 异步处理层 引入 RabbitMQ 将耗时操作异步化：文件上传后先落盘再发 MQ，消费者异步完成清洗→分块→向量化存储；审计日志异步落库不阻塞接口响应。通过 prefetch=1 + max-concurrency=3 控制 LLM API 并发，天然削峰。

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

系统核心功能模块包括:项目立项管理、合同管理(收入与支出统一建模,含付款、结算、变更、开票、产值)、招投标与相关方管理(供应商/分包方准入、年度比选、合格名录、黑名单)、施工技术管理(图纸会审、施工方案、技术交底、工法创新)、安全/质量/环境管理(危险作业、隐患排查、分部分项验收、环境监测、固废危废、职业健康)、设备物资管理(采购、库存、验收、维保、报废)、进度与成本管理(进度上报、产值归集、成本核算)以及报表中心与风险预警。 主要业务流程:项目立项 → 招标比选定标 → 签订合同 → 施工过程管理(技术交底、质量验收、安全环境管控) → 进度上报与产值统计 → 成本归集分析 → 竣工移交,各环节通过证书到期、整改超期、合同变更等规则自动触发预警。