业务和功能介绍
随着平台商品数量突破 10 万级，用户浏览决策成本大幅提升，“千人千面”的智能推荐成为提升用户购买转化率的核心需求。本系统主要实现三大核心功能：
1. 用户行为分析：实时采集用户浏览、加购、下单等行为数据，结合用户画像（性别、年龄、消费能力、历史偏好等），构建多维度行为标签库；
2. 智能推荐算法：基于协同过滤（CF）和深度学习（TensorFlow 实现的深度神经网络），分别实现“基于用户相似性”和“基于商品 embedding 向量匹配”的推荐策略，同时支持实时热门商品、新上架商品的补充推荐；
3. 推荐结果触达与反馈：在 APP 首页“推荐专区”、商品详情页“为你推荐”板块展示算法结果，同时采集用户对推荐内容的点击、停留时长、收藏等反馈，用于后续算法迭代优化。
整体业务流程为：用户行为数据采集 → 特征工程与模型训练 → 推荐结果生成与展示 → 用户反馈回收 → 模型迭代。
1. 用户行为分析：实时采集用户浏览、加购、下单等行为数据，结合用户画像（性别、年龄、消费能力、历史偏好等），构建多维度行为标签库；
2. 智能推荐算法：基于协同过滤（CF）和深度学习（TensorFlow 实现的深度神经网络），分别实现“基于用户相似性”和“基于商品 embedding 向量匹配”的推荐策略，同时支持实时热门商品、新上架商品的补充推荐；
3. 推荐结果触达与反馈：在 APP 首页“推荐专区”、商品详情页“为你推荐”板块展示算法结果，同时采集用户对推荐内容的点击、停留时长、收藏等反馈，用于后续算法迭代优化。
整体业务流程为：用户行为数据采集 → 特征工程与模型训练 → 推荐结果生成与展示 → 用户反馈回收 → 模型迭代。
项目实现
1. 整体架构与技术栈：采用“数据层 - 算法层 - 应用层”三层架构。数据层通过 Kafka 实现用户行为数据的实时采集，存储至 Hive 数据仓库做离线分析，Redis 做热点数据缓存；算法层利用 Python 进行特征工程（如用户行为序列的滑动窗口处理、商品属性的向量化编码），基于 TensorFlow 搭建双分支神经网络（一支学习用户长期偏好，一支捕捉短期兴趣），输出商品推荐列表；应用层通过 Spring Boot 封装算法接口，供 APP 和 Web 端调用。
2. 个人负责模块与结果：主导算法层的深度推荐模型设计与落地。从数据预处理（清洗无效点击、补全用户画像缺失字段）到模型训练（基于平台近 6 个月的 2000 万条用户行为数据，迭代 50 轮），最终使推荐商品的点击率较原有规则推荐提升 42%，用户人均浏览商品数增加 3.1 个。
3. 遇到的难点与解决方案：
- 难点 1：冷启动问题（新用户无历史行为、新商品无被推荐记录）。
解决方案：为新用户设置“兴趣选择问卷”，基于初始选择生成临时推荐标签；为新商品关联“类目相似商品”的 embedding 向量，先纳入相似商品的推荐池，再根据后续真实曝光数据逐步优化。
- 难点 2：模型实时性不足（用户刚产生的行为无法快速影响推荐结果）。
解决方案：引入 Redis 做“实时行为缓存”，将用户近 1 小时的行为以“键值对”形式存储，算法层每 5 分钟从 Redis 拉取增量数据做小批量更新，保证推荐结果的时效性。
2. 个人负责模块与结果：主导算法层的深度推荐模型设计与落地。从数据预处理（清洗无效点击、补全用户画像缺失字段）到模型训练（基于平台近 6 个月的 2000 万条用户行为数据，迭代 50 轮），最终使推荐商品的点击率较原有规则推荐提升 42%，用户人均浏览商品数增加 3.1 个。
3. 遇到的难点与解决方案：
- 难点 1：冷启动问题（新用户无历史行为、新商品无被推荐记录）。
解决方案：为新用户设置“兴趣选择问卷”，基于初始选择生成临时推荐标签；为新商品关联“类目相似商品”的 embedding 向量，先纳入相似商品的推荐池，再根据后续真实曝光数据逐步优化。
- 难点 2：模型实时性不足（用户刚产生的行为无法快速影响推荐结果）。
解决方案：引入 Redis 做“实时行为缓存”，将用户近 1 小时的行为以“键值对”形式存储，算法层每 5 分钟从 Redis 拉取增量数据做小批量更新，保证推荐结果的时效性。
示例图片视频
相似推荐
小型仓库管理系统
仓库出入库管理功能
供应商与客源管理功能
库存预警功能
数据分析功能
员工管理功能
报表生成功能
微调大模型构建，知识库作为智能助手答疑
使用当下流行的液态玻璃作为前端的风格展示
xx公务用车云平台
业务背景：随着时代的发展，传统公务车制度越来越难适应形势发展需要。出现了：车辆配备范围过大、运行管理成本偏高、公车私用等问题。为贯彻《党政机关厉行节约反对浪费条例》，针对以上问题，国家提出《关于全面推进公务用车制度改革的指导意见》。希望通过社会化、市场化的方式，合理有效配置公务用车。为助力党政机关、地方企事业单位车改有效落实，保障公务出行，降低行政成本。
功能介绍：车辆信息管理、车辆定位管理、车辆使用管理、统计分析系统、角色权限等
https://mp.weixin.qq.com/s/O3_RWzJnE9353wxJ1m4mmQ
企业用本地AI全栈搭建-Enterprise on prem AI stack
1. 为了确保企业数据合规和防泄漏以及符合法律规范，需本地搭建企业用AI并且落地企业相关可使用功能
2. 功能包括前端统一入口，后端大语言推理基座并且运行大语言模型
3. 企业级用AI应用 包括知识库智能问答，翻译，数据智能分析，企业应用对接等
4. 安全和合规 - 敏感词过滤法律合规 并且 须考虑API安全等网络安全问题
数智化共享工厂管理系统
项目概述： 这是一个基于.NET 8和Vue 3构建的数智化共享工厂平台，专注于制造业的数字化转型和智能制造管理。
核心功能模块：
### 生产管理模块
- 订单管理 ：支持订单创建、状态跟踪、计划排产，实现从订单到交付的全流程管控
- 生产计划 ：智能排产算法，支持产能分析、资源优化配置，提升生产效率30%以上
- 工单管理 ：产线作业工单的创建、开工、暂停、完成全生命周期管理，支持实时状态监控
- 报工系统 ：实时生产数据采集，合格品/不合格品统计，生产进度可视化展示
### 运营中心模块
- 商机管理 ：客户需求跟踪、商机转化分析，提升销售转化率
- 合同管理 ：合同全生命周期管理，包含附件管理、开票明细、回款记录
- 项目管理 ：项目进度跟踪、成本控制、资源协调
### 仓储管理模块
- 库存管理 ：原料、成品、工具的入库、出库、库存预警
- 库位管理 ：精确到库位的库存定位，支持条码扫描和RFID识别
- 物料配送 ：生产物料的智能配送调度，减少生产等待时间
### 质量管理模块
- 质检管理 ：过程质检、成品质检，支持质检模板配置
- 不良品处理 ：不良品追溯、原因分析、改进措施跟踪
- 溯源管理 ：产品全生命周期溯源，支持二维码/条码追溯
### 数据可视化模块
- 生产大屏 ：实时生产数据展示，包括订单完成率、设备运行状态、产能利用率
- 报表分析 ：多维度数据分析，支持自定义报表和数据导出
业务流程路径： 商机管理 → 合同签订 → 订单创建 → 生产计划 → 工单下达 → 物料配送 → 生产执行 → 质量检验 → 成品入库 → 产品交付
智能个人知识库管理与问答系统-基于检索增强生成（RAG）的智能文档问答与知识管理平台
1、立项背景和目标：
在工作和学习中，我们经常需要处理大量的PDF、Word、TXT等格式的文档（如行业报告、产品手册、研究论文）。传统方式下，在这些文档中查找特定信息效率低下，且难以进行深度的知识整合。本项目旨在开发一个智能个人知识库系统，允许用户上传自己的文档库，并能够通过自然语言进行提问，系统能快速、准确地从文档中定位并生成答案，从而极大提升信息检索和知识消化的效率。
2、软件功能、核心功能模块的介绍：
文档管理模块：支持多格式文档（PDF， DOCX， TXT）的上传、列表展示与删除。
向量化存储模块：自动将上传的文档进行文本分割，并调用嵌入模型将其转换为向量，存储至Chroma向量数据库中。
智能问答模块：提供对话界面，用户输入问题后，系统首先从向量库中检索最相关的文档片段，然后将这些片段与用户问题一同提交给大型语言模型（如GPT-3.5-turbo），生成一个精准、有上下文依据的答案。
3、业务流程、功能路径描述：
用户首先进入Web应用主界面 -> 在“文档上传”区上传一个或多个文档 -> 系统后台处理文档，并在界面上显示“处理成功” -> 用户切换到“知识问答”标签页 -> 在输入框中用自然语言提出问题，例如“总结一下文档中关于市场趋势的要点” -> 系统在1-3秒内返回一个结构清晰、引用了源文档内容的答案。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服