业务和功能介绍
销售的一项重要工作，是记录客户信息和跟进记录。
1、大多数销售会将客户信息记录在微信备注里，但微信备注能记录的信息是非常有限的，而且微信好友有很多，但客户只是其中的一小部分，找起来并不方便。
2、另一些销售会将客户信息记录在公司的CRM系统里，但这意味着销售一旦从公司离职，销售积攒的客户信息也将清零，这是很多销售难以接受的。
因此，我们做了小人脉APP，帮助用户（销售及需要管理人脉信息的人）管理人脉信息，这些人脉信息属于用户个人，不属于某个企业。
小人脉是一款专业的人脉信息管理软件，能记录丰富的人脉信息，与手机通讯录天然互通，支持主流手机和电脑系统，助您建立优质的人脉关系。
四大核心功能：人脉通讯录、人脉笔记、人脉提醒、人脉共享。
三大辅助功能：人脉日历、人脉文件、人脉费用。
五大主流系统：IOS、Android、Windows、MacOS、Linux。
1、大多数销售会将客户信息记录在微信备注里，但微信备注能记录的信息是非常有限的，而且微信好友有很多，但客户只是其中的一小部分，找起来并不方便。
2、另一些销售会将客户信息记录在公司的CRM系统里，但这意味着销售一旦从公司离职，销售积攒的客户信息也将清零，这是很多销售难以接受的。
因此，我们做了小人脉APP，帮助用户（销售及需要管理人脉信息的人）管理人脉信息，这些人脉信息属于用户个人，不属于某个企业。
小人脉是一款专业的人脉信息管理软件，能记录丰富的人脉信息，与手机通讯录天然互通，支持主流手机和电脑系统，助您建立优质的人脉关系。
四大核心功能：人脉通讯录、人脉笔记、人脉提醒、人脉共享。
三大辅助功能：人脉日历、人脉文件、人脉费用。
五大主流系统：IOS、Android、Windows、MacOS、Linux。
项目实现
前后端都是我一个人开发的：
后端技术栈：使用腾讯云cvm部署（带公网IP），用go语言开发后端服务（SSL证书从腾讯云免费获取），数据保存在腾讯云MySQL数据库中，使用了Redis作为后端缓存层，官方网站使用nginx监听443和80端口。
前端技术栈：通过Flutter开发五个端的APP，IOS、Android、Windows、MacOS、Linux（UBuntu/Deepin），Flutter主要负责界面绘制和网络通信，IOS和MacOS上还涉及XCode开发、编译、打包、上架，Windows上涉及msi打包，Linux上涉及deb打包。
值得一提的是，APP支持将IOS/Android手机通讯录导入到小人脉APP，也支持将小人脉APP用户信息导出到IOS/Android手机通讯录，网上关于Android手机通讯录的导入导出资料，只支持导入导出名字和手机号，而我需要导入导出Android通讯录中的所有信息（包括昵称、Email、备注等信息），最终是系统阅读了Android通讯录的源代码，理解了Android底层sqlite数据库的表结构才解决了这个问题。
后端技术栈：使用腾讯云cvm部署（带公网IP），用go语言开发后端服务（SSL证书从腾讯云免费获取），数据保存在腾讯云MySQL数据库中，使用了Redis作为后端缓存层，官方网站使用nginx监听443和80端口。
前端技术栈：通过Flutter开发五个端的APP，IOS、Android、Windows、MacOS、Linux（UBuntu/Deepin），Flutter主要负责界面绘制和网络通信，IOS和MacOS上还涉及XCode开发、编译、打包、上架，Windows上涉及msi打包，Linux上涉及deb打包。
值得一提的是，APP支持将IOS/Android手机通讯录导入到小人脉APP，也支持将小人脉APP用户信息导出到IOS/Android手机通讯录，网上关于Android手机通讯录的导入导出资料，只支持导入导出名字和手机号，而我需要导入导出Android通讯录中的所有信息（包括昵称、Email、备注等信息），最终是系统阅读了Android通讯录的源代码，理解了Android底层sqlite数据库的表结构才解决了这个问题。
示例图片视频
相似推荐
agent开发的家具安全
围绕核心 AI Agent 的部署架构设计、调用链路的深度性能优化，以及面向垂直场景的特制 Skill 开发，存在一系列亟待攻克的关键问题。部署层面需解决模型服务化后的冷启动延迟、动态扩缩容与异构算力调度；调用优化则聚焦于构建异步流水线、智能缓存与请求合并策略，以降低响应时延和推理成本。特制 Skill 开发要求将领域知识、外部工具 API 与 Agent 推理闭环融合，形成可编排、可复用的专业能力单元。同时，还需应对多 Agent 协同通信、安全合规、效果评估与持续交付等衍生挑战。系统性解决这些问题，是智能体从原型走向高可用、低成本生产级落地的核心前提。
AI智能客服与大模型应用
基于飞致云 MaxKB 知识库问答系统作为底座，快速完善企业在线智能客服的 AI 助手能力。主要负责 MaxKB 的二次配置、知识库构建、RAG 链路调优、多渠道接入及效果评测。
1.底座集成：部署并配置 MaxKB 开源版本，将其作为智能客服的核心引擎。利用其内置的模型管理、知识库管理和 RAG 流水线能力，大幅缩短开发周期。
2.知识库构建：梳理 10 万+ 条历史客服对话记录，完成清洗、分类与结构化处理，导入 MaxKB 知识库。通过文档分段、QA 对提取等方式提升知识召回率。
3.RAG 检索优化：在 MaxKB 原生 RAG 流程基础上，调整检索参数（Top-K、相似度阈值），并增加重排序（Rerank）环节。并基于 MaxKB 支持的模型接入能力，选用 Qwen3系列模型。利用收集的领域数据，通过 LoRA 方法进行轻量化微调，并集成回 MaxKB 底座。微调后客服场景回答准确率达 92%，幻觉率降至 5% 以下。通过 MaxKB 提供的 API 接口，实现与企业微信、App、Web 端等多渠道的无缝对接。开发简单的消息适配层，完成会话管理、上下文关联等基础功能。
AI对话国产大模型SDK
本项目基于百度大模型和阿里千问大模型以及Deepseek的SDK调用实现个人本地大模型调用工具，通过设置api ky后缓存本地，就可以访问对应的大模型，目前仅实现对话模型以及流式对话，图片功能未完整实现。
tob 跨境电商 shopify AI一件代发平台-阿里产品-dscopilot
基于AI智能驱动的 Java 跨境电商运营一站式托管平台
项目描述：
1、服务跨境电商 DropShipping 生态，面向全球 B 端商家，利用 AIGC 和 AliExpress 的平台资源，开拓 "一键代发" 和海外独立站领域的市场，建设起精准、高效的一站式选品和铺品能力，解决跨境业务"选品难"、"铺品难"的问题；
2、通过同款平替和深度店铺诊断技术，提升 AliExpress 商品铺品率；通过 AI 优化和 LUI 创新，提升商家标题、商详、图片等编辑效率，规避商家约 80% 版权风险；
3、利用 AI 实现消费者端同款商品全面对比，促成平台商品 GMV 突破 10W 美元；
4、设计并开发核心支付基建项目，服务于四大主要业务，支撑总订阅金额已突破 3W 美元。
5、设计实现一站式全链路问题排查可视化系统，小二运营和客满服务效率提升 70%。
某些热成像项目
本类项目是基于非制冷红外探测器的成像模组项目。
旨在实现低功耗、小体积、高质量图像以及视频接口高兼容性。
本项目是团队合作项目，我主要负责FPGA工程架构设计、软核软件架构设计，并参与某些具体的算法/视频接口/外设驱动的实现及调试。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服