人工智能 Windows应用 软件定制 案例

一、立项背景和目标 在现代工业化高速包装产线上，喷码漏印/错印/重印以及包装破损、封口不良等缺陷严重影响出厂合格率，传统人工抽检方式效率低、易漏检且无法做到全检。本项目面向高速自动化流水线，构建了一套“工业级 OCR 生产日期识别与表面缺陷在线智能质检系统”，实现包装表面特征毫秒级全检，并与产线 PLC 控制系统无缝联动，实现残次品 100% 自动定位与精准剔除。 二、软件功能与核心功能模块 1. 工业相机触发与高速图像采集模块：支持光电传感器外部硬件触发（Hard Trigger），实现微秒级曝光同步抓拍高速运动工件。 2. 喷码字符定位与 OCR 文本解析引擎：自适应定位生产日期、批号、保质期等变动喷码区域，执行多角度倾斜矫正、字符分割与高精度内容识别，并与生产工单标准文本实时核对校验。 3. 包装表面与封口缺陷检测模块：结合形态学与深度学习分割算法，实时识别包装漏液、褶皱、划痕、压边残缺及喷码模糊等外观缺陷。 4. PLC 通信与气动剔除协同模块：集成工业总线/串口通信协议，将检测判废结果与编码器脉冲位置同步传递给下位机 PLC，驱动气动电磁阀/机械推杆完成剔除动作。 三、业务流程与功能路径 工件流经检测工位 -> 光电信号触发工业相机抓拍高清图像 -> 图像处理流水线执行字符 OCR 结构化比对与表面缺陷检测 -> 综合判定工件良品/不良品等级 -> 判定为 NG 时通过工业通信协议向 PLC 发送剔除信号与编码器追踪位移 -> 机械剔除机构在指定位置将废品吹出/推入废品箱 -> 实时记录检测报表与瑕疵原图归档。

本项目是面向内容创作者与培训机构的 AI 课程粗剪 SaaS 平台，支持上传课程音视频素材，调用大模型自动完成语音转写、字幕生成、冗余片段剔除、智能切片。系统包含用户账号管理、素材库管理、AI 剪辑任务调度、成片预览导出、账号权限分配模块。用户上传原始讲课视频后，系统自动识别无效停顿、口误片段，快速输出粗剪版本，大幅降低课程剪辑的人力成本，支持个人年费使用以及 OEM 贴牌、多账号代理模式，满足个体创作者与渠道合作的业务场景。

业务背景 该系统服务于线上交易及游戏平台的实时风控审查，主要面向风控运营、审核人员及业务管理员，帮助他们识别、分析、处置潜在的套利、刷子、异常投注、资金异常等风险行为。 系统核心能力包括： 规则引擎驱动：支持可视化配置风控规则，动态调整策略； AI辅助分析：自动聚合多维度风险信号，生成案件摘要与处置建议； 全链路审核闭环：从风险命中、告警触发、人工审核到历史追溯，形成完整处置链路。

Cortex Agent 是一套可编排的多模型协作智能体，定位不是简单的聊天机器人，而是让多个大模型像一支团队一样协同完成复杂任务的自主工作系统。 解决什么问题？ 单个大模型在处理长链路任务时容易"管中窥豹"：既要决策、又要拆解、还要执行，上下文一旦拉长就丢失重点。Cortex 通过"总指挥→主管→专家"三层分工，把战略决策、任务分解、并行执行拆给不同模型各自承担，最后把结果汇聚成一份完整答案——从"一个人干所有事"变成"一支团队协作"。 核心价值： 深度任务：自动判断任务复杂度，能继续思考、委托下属、还是直接回答，不机械地"一问一答"； 记忆与因果：会话沉淀为事件记忆，配合因果图谱做多跳推理，后续对话能调用过往知识； 安全可控：工具调用分级审批、全链路审计、危险操作 fail-closed 拒绝，适合处理真实文件、代码、系统命令； 多端触达：同一能力同时提供给 Web UI、macOS 桌面客户端、Live2D 桌宠和终端，桌宠还能主动搭话、语音回复。 适用场景：代码开发与文件操作、跨源信息调研与分析、需要多个专业角色分工配合的复杂任务，以及希望有个"能干活、有记忆、可协作"的个人 AI 助手。业务价值在于把大模型从"回答工具"升级为"可执行任务的团队"。

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。

立项背景与目标： 在日常工作与学习中，用户频繁需要获取AI辅助回答，但网页端使用需频繁切换浏览器，效率较低。本项目旨在开发一款轻量级桌面AI助手，提供一键式智能问答体验，降低使用门槛，提升日常信息获取效率。 软件功能： 用户输入问题后，点击提交或回车键，程序自动调用AI模型生成回答，并即时显示在窗口中，支持长文本自动换行。 核心功能模块： 1. 用户输入模块（Entry控件） 2. AI接口调用模块（requests + 智谱AI API） 3. 结果显示模块（Label控件 + 自动换行） 业务流程： 用户输入问题 → 点击提交 → 程序获取输入 → 调用AI接口 → 返回结果 → 窗口显示回答 功能路径： 启动程序 → 输入框输入问题 → 点击“提交”按钮 → 查看AI回答 → 输入框自动清空，等待下一次提问

📋 业务和功能介绍 1. 立项背景与目标 「造」由非技术背景的独立创始人（金融猎头转型 AI 应用层）于 2026 年 8 月启动，10 天搭出框架、两周跑通原型。目标是解决企业级 Agent 落地的"确定性困境"——通用 Agent 框架以 LLM 推理为主驾，存在幻觉、不可控、高成本三大硬伤，无法进入合规审计、风险定价等"确定性 > 创造性"的核心业务流程。 2. 软件功能与核心模块 确定性编译执行引擎：workflow.json 经 Kahn 拓扑序 + sha256 冻结，生成不可变 workflow.compiled.json，运行时按拓扑确定执行 三层固化画布：draft（灰虚线）→ confirmed（黄实线）→ compiled（绿带勾）三态生命周期，支持子流程打包/钻取/库复用 双 LLM 异构评审：DeepSeek（可行性）+ SiliconFlow（风险合规），require_different_provider 保证永不共用厂商 防幻觉校验：「生成回复」节点带引用指纹校验，未引用流程数据自动黄色警告 分层记忆 L0–L3（工作/情景/语义/反思）+ 三后端知识检索（BM25 / sqlite-vec 向量 / MCP）+ 规则库资产化（金融合规 / 工业巡检 2 样例） OpenAI 兼容推理栈（model-catalog.json 单一来源）+ 一键部署包（23.3MB 双击即用） 3. 业务流程 用户中文描述需求 → 反问澄清 → 双 LLM 评审 → 确定性编译 → 节点级可追溯执行 → 导出独立部署包（双击 start.bat 自动配置 + 启动 + 浏览器打开运行台）。

Dify，Ragflow,langraph运行平台。 MCP展示执行平台。 RuoYi应用框架做载体。 SpringCloud alibaba 做微服务支持。实现业务系统智能体在平台运行展示结果。 使用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。

堇色协奏曲 是一款基于 Ren'Py 8.5.3 引擎开发的视觉小说游戏，支持 Windows 和 Android 双平台。你桌面上的 SumireConcerto.exe 是 Windows 平台的启动器，负责加载游戏引擎和资源。游戏包含完整的角色立绘系统（含表情差分）、分支剧情、存档系统等功能，是一个十分优秀的游戏

**DeepAgents** — 基于 DeepSeek 的多角色协作 Agent 平台（Electron 桌面应用）。 | 端 | 技术栈 | 说明 | |----|--------|------| | `backend/` | Python 3.14 + FastAPI 0.137 | 核心服务：Agent 循环、工具、记忆、RAG、MCP、计费 | | `frontend/` | React 19 + TS + Vite 8 + Tailwind 4 + Zustand | SPA（dev :5173 / 打包 file://） | | `electron/` | Electron 33 | 桌面封装：自动建 venv、spawn 后端、起窗口 | | 左侧会话栏 | 浅灰背景，会话列表，支持新建/切换/重命名/删除 | | 右侧聊天区 | 纯白背景，消息渲染（Markdown + 代码高亮），用户消息浅灰底、AI消息白底 | | 顶部导航栏 | Agent 选择器（芯片式切换），模型选择器（v4-flash / v4-pro） | | 输入框 | 底部固定，圆角+阴影，聚焦蓝色边框，支持 Enter 发送、Shift+Enter 换行 | | **思考过程展示** | 灰色小字区域，逐 Token 渲染推理过程（reasoning_tokens），可折叠展开 | | **回答展示** | 思考过程下方展示完整回答，逐 Token 打字机效果，可独立折叠 | | 流式输出 | SSE 分两个 Event 推送：`event: reasoning` + `event: content`，前端各自渲染 | | 多Agent协作视图 | 卡片式展示各Agent状态（思考中/已完成/等待中），支持并行查看 | | Agent管理弹窗 | 卡片式添加/编辑Agent，配置名称、System Prompt、模型、工具权限 | | 文件上传区 | 支持拖拽上传图片/视频/音频/代码文件 |

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。

WeWorkPi是一款基于 Electron + React 的 AI 编程助手桌面应用，提供 Web 和桌面双端体验。集成多轮对话式编程辅助、工作空间管理、会话历史、文件树浏览、代码/PDF/Office 多格式文档预览、多模型多提供商配置、斜杠命令快捷操作，以及 AI 驱动的浏览器自动化能力。通过 Monorepo 架构共享 UI 组件与 SDK 封装层，支持 IPC 和 HTTP 双传输模式，为开发者打造一站式智能编码工作台。

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。

基于 Tauri 2.x 与 Rust 开发的轻量级桌面时钟挂件，采用透明无边框设计，实时显示时分秒、日期及星期，支持鼠标拖动窗口位置，始终置顶不遮挡操作，打包体积约 5MB，内存占用低于 30MB，启动迅速，适用于日常时间查看与桌面美化场景。

1、立项背景和目标 在日常使用 Git / TortoiseGit 提交代码时，编写符合规范的提交信息（如 Conventional Commits）既耗时又容易遗漏，提交历史质量参差不齐，影响协作与代码审查。大模型已经具备理解代码差异的能力，但缺少一个把「git 变更采集 + 规范约束 + 模型生成 + 便捷交付」串起来的上手即用的工具。本项目目标是：选中任意 Git 项目目录，即可自动扫描全部未提交变更，一键生成规范、可编辑、可复制的提交信息，同时保持零依赖、免安装、配置集中，让普通开发者也能轻松部署使用。 2、软件功能、核心功能模块的介绍 变更采集模块（git_collector.py）：对选中项目执行 git status --porcelain、git diff HEAD、git log，得到变更文件清单、未跟踪新文件、差异内容与近期提交历史。 提示词组装模块（prompt_builder.py）：按配置的提交风格（Conventional / simple）与语言（auto / zh / en）动态拼装 system / user 提示词；长 diff 自动截断并显式标注，控制 token 开销。 模型生成模块（llm_client.py）：通过 OpenAI 兼容接口调用大模型生成提交信息，并对返回结果做清理（去除多余前后缀 / markdown 代码块）；对 401、429、超时等常见错误给出中文友好提示。 图形界面模块（gui.py）：tkinter 界面，左侧变更文件列表、右侧可直接编辑的提交信息；支持「重新生成」「复制到剪贴板」「打开 .env」「选择项目」；后台线程生成、queue 轮询回填，界面不卡顿。 配置与打包（config.py + build.bat）：全部配置收敛在 exe 同目录 .env，PyInstaller 一键打包成免安装单文件 exe。 3、业务流程、功能路径描述 启动程序 → 检测默认项目目录是否为 Git 仓库； 点击「选择项目」→ 指定任意 Git 项目根目录（非仓库会给出提示）； 自动执行 git status / diff / log 采集变更，并在左侧展示变更文件清单； 配置中心：点击「打开 .env」填写 API_KEY / MODEL / BASE_URL / 提交风格 / 语言等； 点击「重新生成」→ 组装提示词 → 后台线程调用大模型 → 结果回填到右侧可编辑文本框； 人工确认或修改后点击「复制到剪贴板」→ 粘贴到 TortoiseGit 或命令行使用（工具本身不执行提交，由用户人工确认，保证安全）。

擅长C/C++程序开发、代码调试、Bug修复、小型工具开发、嵌入式Demo编写。 可承接：控制台程序、Windows小工具、代码改错、逻辑改写、功能新增、算法Demo、代码注释梳理、工程编译排错。 能够根据需求输出完整源码、工程文件，附带基础注释；提供简单部署说明，协助解决编译报错、环境适配问题。 不承接大型商业系统、逆向破解、爬虫抓取隐私数据类项目。项目沟通明确需求，确认验收标准后再开工，保障交付质量。

1.传统桌面宠物仅具备基础动画效果，交互形式单一、陪伴感薄弱，随着大语言模型与情感语音合成技术的发展，用户对具备智能对话、情绪反馈、环境感知能力的桌面陪伴产品需求日益增长。本项目旨在打造一款融合 Live2D 形象渲染与多模态 AI 能力的桌面宠物应用，为用户提供高沉浸感的桌面陪伴与交互体验。 2.涵盖 Live2D 模型渲染、LLM 智能对话、情感驱动语音合成、系统状态监控、屏幕视觉分析、事件管理器五大核心模块，支持自定义角色提示词与多平台大模型切换。 3.应用启动后，前端进程自动拉起对话、语音、监控三个独立后端进程，在桌面渲染支持拖拽的 Live2D 角色，实现自动眨眼、眼球追鼠等基础动画；用户输入对话时，请求经 ZeroMQ 发送至 LLM 后端，生成带情感标签的回复并流式展示在对话气泡中，同步驱动 TTS 后端合成对应情感风格的语音实时播放；监控后端持续采集 CPU、内存等硬件状态与前台窗口信息，结合多模态视觉分析结果，在低电量、高负载等场景触发宠物主动搭话；空闲达到设定时长后宠物会概率进入睡眠状态，点击可唤醒并触发起床台词，形成完整的自主交互闭环。

对比日本积水cp3000开发国产全自动血凝仪。实现样品的进架、扫码、吸液、吐液、清洗、测试的自动化流程。通过吸光度法和免疫比浊法实现样本数据采集。实现样品针、试剂针、机械手、试剂盘的运动控制。能够处于测试、校准，质控三种状态。进行多种状态间的转换。

聚焦 "AI+教育"智能招聘交叉领域。针对高校毕业生规模持续增长（2025届1222万人）、传统就业指导师生比失衡的痛点，将 AI 大模型与真实招聘数据联动，提供从自我认知到趋势预警的全链路个性化职业规划服务。涵盖 7 大功能模块：简历智能解析、人岗智能匹配（三级融合评分）、职业路径规划（分阶段路线图）、职业知识图谱（5类节点+6类关系）、趋势分析与风险预测、成长仪表盘、职业规划报告生成（支持在线编辑+PDF导出）。

这是一个自主开发的表格数据清洗演示项目，面向需要重复整理 Excel、CSV 文件的办公场景。工具支持清除文本首尾空格、删除空白行、按照用户指定的列去除重复记录，并将处理结果保存为新文件，避免覆盖原始数据。用户通过命令行指定源文件、去重列和输出位置即可运行，适合客户名单、商品资料、订单记录等结构化表格的批量预处理。当前支持 CSV 和 XLSX 格式，后续可根据具体需求增加字段转换、表格合并和异常数据标记等规则。