业务和功能介绍
1.本系统意在解决用户在外或者不方便问询音乐的时候，可以使用该程序进行歌曲识别，节奏分析，个性化推荐等
2.该项目属于外包单，甲方为个人需求者，由于此项目需要不断录入新数据，因此该项目至今仍在更新。
1.功能介绍:
该项目分为4个模块，用户注册登录，后台管理，用户主界面，各功能界面，对于使用者可利用该系统实现，歌曲的录入（单曲录入/批量录入/录音录入），听歌识曲功能，音乐分析功能（从音乐的节奏，歌词，人声等）进行按需的功能分析，可视化图表生成等，播放器功能，个性化推荐功能等以及后台界面对录入歌曲的增删改查,相关日志的管理等。
2.相关技术栈:
Python（DRF、Scrapy爬虫、Librosa、PyTorch（CNN模型）、PySpark）、MySQL、AES加密、Vue
3、Django Admin（SimpleUI优化）
注：补充itemCF/userCF，pandas，pyecharts，echarts，numpy，nltk，jieba
2.该项目属于外包单，甲方为个人需求者，由于此项目需要不断录入新数据，因此该项目至今仍在更新。
1.功能介绍:
该项目分为4个模块，用户注册登录，后台管理，用户主界面，各功能界面，对于使用者可利用该系统实现，歌曲的录入（单曲录入/批量录入/录音录入），听歌识曲功能，音乐分析功能（从音乐的节奏，歌词，人声等）进行按需的功能分析，可视化图表生成等，播放器功能，个性化推荐功能等以及后台界面对录入歌曲的增删改查,相关日志的管理等。
2.相关技术栈:
Python（DRF、Scrapy爬虫、Librosa、PyTorch（CNN模型）、PySpark）、MySQL、AES加密、Vue
3、Django Admin（SimpleUI优化）
注：补充itemCF/userCF，pandas，pyecharts，echarts，numpy，nltk，jieba
项目实现
个人职责:
1. 主导项目总体设计，确定前后端分离架构与技术栈，制定开发流程与交付标准；
2. 负责后端核心开发：使用Python爬虫获取网易云音乐数据，通过PySpark清洗千万级音频数据；基于Librosa提取音频梅尔频谱
图，设计CNN模型（卷积层+池化层+全连接层）生成特征向量，结合AES加密生成16进制音频指纹并存储至MySQL；
3. 搭建后端接口：设计ORM数据表、序列化器与视图，实现音乐数据查询、用户认证、识别结果返回等核心接口，支持RESTful规
范；
4. 统筹前端交互模块开发：对接Axios实现前端与后端通信，主导音乐播放器、文件/录音识别、用户管理等模块逻辑设计，确保
识别流程流畅；
5. 优化管理后台：基于Django Admin集成SimpleUI，将后台界面升级为LayUi风格，提升数据管理效率；
6. 担任项目经理，负责团队工作分配、技术难点攻关（如音频指纹匹配算法优化）、进度管控，确保项目按时交付
项目成果:
实现文件/录音双模式听歌识曲功能，音频指纹匹配准确率达90%+，支持日均千级识别请求，系统稳定运行，为音乐检索场景提
供高效解决方案。
注：后续3月份以来新增个性化推荐，数据分析可视化功能，对每首歌曲的节奏进行机器学习协同过滤和深度学习的LSTM算法进行
用户推荐，相似度预测，可视化分析等，85.78%准确率预测出每首歌的高潮部分，以及相同类型歌曲的节奏；可向用户个性化推
荐20首用户可能感兴趣的歌曲，歌词部分结合NLP技术，分析歌词寓意和情感，并将其可视化呈现。
1. 主导项目总体设计，确定前后端分离架构与技术栈，制定开发流程与交付标准；
2. 负责后端核心开发：使用Python爬虫获取网易云音乐数据，通过PySpark清洗千万级音频数据；基于Librosa提取音频梅尔频谱
图，设计CNN模型（卷积层+池化层+全连接层）生成特征向量，结合AES加密生成16进制音频指纹并存储至MySQL；
3. 搭建后端接口：设计ORM数据表、序列化器与视图，实现音乐数据查询、用户认证、识别结果返回等核心接口，支持RESTful规
范；
4. 统筹前端交互模块开发：对接Axios实现前端与后端通信，主导音乐播放器、文件/录音识别、用户管理等模块逻辑设计，确保
识别流程流畅；
5. 优化管理后台：基于Django Admin集成SimpleUI，将后台界面升级为LayUi风格，提升数据管理效率；
6. 担任项目经理，负责团队工作分配、技术难点攻关（如音频指纹匹配算法优化）、进度管控，确保项目按时交付
项目成果:
实现文件/录音双模式听歌识曲功能，音频指纹匹配准确率达90%+，支持日均千级识别请求，系统稳定运行，为音乐检索场景提
供高效解决方案。
注：后续3月份以来新增个性化推荐，数据分析可视化功能，对每首歌曲的节奏进行机器学习协同过滤和深度学习的LSTM算法进行
用户推荐，相似度预测，可视化分析等，85.78%准确率预测出每首歌的高潮部分，以及相同类型歌曲的节奏；可向用户个性化推
荐20首用户可能感兴趣的歌曲，歌词部分结合NLP技术，分析歌词寓意和情感，并将其可视化呈现。
示例图片视频
相似推荐
memRagAgent - 智能认知记忆系统
开源地址：https://github.com/daoyou-zhang/memRangeAgent
### 记忆增强检索（Memory RAG）
系统的核心是三层记忆架构的实现。情节记忆（Episodic）采用 PostgreSQL 存储，每条记录包含对话内容、时间戳、用户 ID、会话 ID 等元数据，并通过向量化技术生成 embedding，支持语义检索。语义记忆（Semantic）通过 LLM 从情节记忆中提炼，存储抽象概念、用户偏好、领域知识等，形成结构化的知识条目。程序记忆（Procedural）记录成功的工具调用序列和操作流程，支持流程复用。
向量检索基于余弦相似度算法，将用户输入向量化后，在记忆库中检索最相关的历史记录。检索结果按相关性和时间衰减加权排序，确保既考虑语义相关性，又优先召回近期记忆。通过 Redis 缓存热点查询，将 RAG 检索延迟控制在 100ms 以内。
### 认知控制器（Cognitive Controller）
认知流程分为四个阶段：意图理解 → 上下文聚合 → 回复生成 → 学习闭环。意图理解使用独立的快速模型（qwen-flash），低温度（0.1）保证稳定的 JSON 输出，分析用户意图类别、实体、置信度和是否需要工具调用。上下文聚合从记忆服务获取用户画像、工作记忆（最近对话）和 RAG 检索结果，从知识服务获取图谱查询结果，融合成完整上下文。回复生成使用高质量模型（deepseek-v3），温度 0.5 保证创造性和稳定性的平衡。学习闭环将对话存入情节记忆，触发异步的画像聚合任务。
### 知识图谱集成
采用 Neo4j 图数据库构建知识图谱，支持实体（Entity）、关系（Relationship）、属性（Property）的灵活建模。实体包括人物、概念、事件等，关系包括"属于"、"相关"、"导致"等语义连接。通过 Cypher 查询语言实现路径查询、社区发现、中心性分析等图算法。
电商类型-Home Live
HomeLive是一款服务于全球用户的在线外贸交易平台，核心定位是打破跨境购物壁垒，满足中国消费者不出国门就能便捷选购全球商品的需求。平台汇集全球各地知名品牌供应商，打造多元化服务体系，涵盖在线直播带货频道、认证商家一站式购物服务，同时保障海外商品现货库存充足，提供全球货物护航直邮服务，全方位提升跨境购物的便捷性与安全性。
.该工具仅采集互联网上公开可商用、无版权声明且符合国家
为解决电商从业者手动整理商品信息效率低的问题，我用 Python 开发了一款自动爬取公开商品列表的小工具，能按设定的关键词抓取商品名称、价格和销量信息，并自动整理成表格格式，帮助快速汇总竞品或目标类目的基础数据，降低人工整理的时间成本。该工具仅支持爬取用户授权或平台公开可商用的非版权类图片与基础数据，不涉及影视、付费素材等有版权保护的内容，全程遵守网站 robots 协议和数据使用规范，确保爬取行为合法合规
本地生活小程序
本地生活小程序，为了相应政策的拉动消费，让本地人群实现物美价廉的购物体验，包括在线超市，本地商家等，超市支持配送到家，平台商户折扣消费后返积分，积分可以兑换优惠券，再次消费，打造良性循环。
充电宝小程序，用于充电宝租借，电池包租借小程序用于电池包租借
立项背景和目标：
随着共享经济发展，共享充电宝已成为人们外出时解决手机电量焦虑的刚需。本项目旨在开发一款跨平台的充电宝租借小程序/App，覆盖用户从查找附近机柜、扫码租借、在线支付到归还的全流程。同时通过电池包租借功能拓展业务场景（如便携充电包），提升用户体验与平台收益。
核心功能模块：
地图找点：基于LBS显示附近可用机柜，支持按距离/空闲状态筛选，一键导航。
扫码租借：扫描机柜二维码或手动输入编号，快速租借充电宝或电池包。
信用免押：接入第三方信用分（如芝麻信用），高信用用户免押金租借。
订单与支付：实时计费，支持微信/支付宝支付，订单历史可查，押金秒退。
用户中心：个人信息、优惠券、客服反馈、使用帮助等。
业务流程描述：
用户打开小程序 → 授权定位 → 首页地图展示附近机柜 → 点击机柜查看详情（剩余充电宝数、距离）→ 选择“扫码租借”扫描二维码 → 确认租借，系统判断信用分 → 免押/支付押金 → 机柜弹出充电宝 → 使用中可查看剩余电量/计费 → 归还时扫描任意同品牌机柜二维码 → 插入充电宝 → 系统自动结算费用并扣款 → 订单完成。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服