业务和功能介绍
通过引入知识图谱，我们的菜谱搜索系统将具备：
- 结构化知识表达：以图的形式显式编码实体间的语义关系
- 增强推理能力：支持多跳推理和复杂关系查询
- 智能查询路由：根据查询复杂度自动选择最适合的检索策略
- 事实性与可解释性：基于图结构的推理路径提供可追溯的答案
极大的拓展大语言模型的能力，用较小的模型+知识图谱就可以实现超大参数模型的推荐能力。而且通过对大语言模型的量化和部署，可实现本地快速的推理，而不依赖云端网络。
- 结构化知识表达：以图的形式显式编码实体间的语义关系
- 增强推理能力：支持多跳推理和复杂关系查询
- 智能查询路由：根据查询复杂度自动选择最适合的检索策略
- 事实性与可解释性：基于图结构的推理路径提供可追溯的答案
极大的拓展大语言模型的能力，用较小的模型+知识图谱就可以实现超大参数模型的推荐能力。而且通过对大语言模型的量化和部署，可实现本地快速的推理，而不依赖云端网络。
项目实现
关键技术
1. 图数据准备模块 (GraphDataPreparationModule)
- 功能：连接Neo4j数据库，加载图数据，构建结构化菜谱文档
- 特点：支持图数据到文档的智能转换，保持知识结构完整性
2. 向量索引模块 (MilvusIndexConstructionModule)
- 功能：构建和管理Milvus向量索引，支持语义相似度检索
- 特点：使用BGE-small-zh-v1.5模型，512维向量空间
3. 混合检索模块 (HybridRetrievalModule)
- 功能：传统的混合检索策略，结合向量检索和关键词查询
- 特点：双层（dual level)检索（实体级entity+主题级topic），向量检索
4. 图RAG检索模块 (GraphRAGRetrieval)
- 功能：基于图结构的高级检索
- 特点：支持多跳推理、子图提取、实体关系识别、相似实体聚类
5. 检索结果融合重排(Reranker):
- 功能：对检索结果按照与query的相关性排序
- 特点：使用bge-reranker-base模型
6. 智能查询路由 (IntelligentQueryRouter)
- 功能：分析查询特征，自动选择最适合的检索策略
- 特点：LLM驱动的查询分析，动态策略选择
7. 查询重写(QueryRewrite)
- 功能：对用户的问题重写，减少口语化和模糊的表达，增强检索效果
- 特点：LLM驱动
8. 生成集成模块 (GenerationIntegrationModule)
- 功能：基于检索结果生成最终答案
- 特点：支持llm api调用(e.g. kimi) 和 llm model(e.g. qwen25-7b-instruct)两种方式
我负责全项目整个模块的搭建和demo开发和测试
1. 图数据准备模块 (GraphDataPreparationModule)
- 功能：连接Neo4j数据库，加载图数据，构建结构化菜谱文档
- 特点：支持图数据到文档的智能转换，保持知识结构完整性
2. 向量索引模块 (MilvusIndexConstructionModule)
- 功能：构建和管理Milvus向量索引，支持语义相似度检索
- 特点：使用BGE-small-zh-v1.5模型，512维向量空间
3. 混合检索模块 (HybridRetrievalModule)
- 功能：传统的混合检索策略，结合向量检索和关键词查询
- 特点：双层（dual level)检索（实体级entity+主题级topic），向量检索
4. 图RAG检索模块 (GraphRAGRetrieval)
- 功能：基于图结构的高级检索
- 特点：支持多跳推理、子图提取、实体关系识别、相似实体聚类
5. 检索结果融合重排(Reranker):
- 功能：对检索结果按照与query的相关性排序
- 特点：使用bge-reranker-base模型
6. 智能查询路由 (IntelligentQueryRouter)
- 功能：分析查询特征，自动选择最适合的检索策略
- 特点：LLM驱动的查询分析，动态策略选择
7. 查询重写(QueryRewrite)
- 功能：对用户的问题重写，减少口语化和模糊的表达，增强检索效果
- 特点：LLM驱动
8. 生成集成模块 (GenerationIntegrationModule)
- 功能：基于检索结果生成最终答案
- 特点：支持llm api调用(e.g. kimi) 和 llm model(e.g. qwen25-7b-instruct)两种方式
我负责全项目整个模块的搭建和demo开发和测试
示例图片视频
相似推荐
基于GD32H759I的轻量级卷积循环网络边缘语音降噪系统-EdgeDenoise边缘语音降噪终端
面向会议记录、工业对讲、人机交互及嵌入式智能终端在风扇、空调、键盘敲击和室内混响等噪声环境下的语音采集需求，设计并实现一套基于GD32H759IMT6微控制器的边缘语音降噪系统。系统通过ES7210音频采集模块、SAI和DMA连续获取48 kHz多通道音频，在本地完成通道选择、音量统计、短时傅里叶变换、频带特征提取、神经网络推理、频谱掩蔽和语音重建，无需依赖云端服务器。
系统支持RAW原始音频、RNNoise对照降噪和自研CRN降噪三种工作模式，可通过触摸屏完成模式切换、输入通道选择、增益调整、开始或停止录音以及屏幕截图。LCD实时显示原始与降噪波形、音量、模型状态、录音时间、缓存状态和输出文件名；TF卡可保存原始WAV录音、CRN降噪音频及LCD截图，形成“音频采集—边缘推理—效果显示—文件保存”的完整闭环。
图片数据智能提取
本程序用于信息录入场景，可将截图内容整理为规范表格。先借助 OCR 识别提取截图内图文原始信息，再调用大模型 API，按预设规则完成数据筛选与结构化解析，属于专用数据格式提取脚本。支持自定义提取规则灵活适配不同业务需求，可按需调整输出模板，高效完成图片信息标准化导出，大幅减少人工录入整理工作量。
excel智能体
立项背景与目标 ：日常办公中，表格合并、文档处理、数据看板生成等重复性工作耗时且门槛高。雪球旨在利用大语言模型的自然语言理解能力，让用户通过一句话即可完成复杂办公任务，实现"对话即操作"的智能办公体验。
软件功能与核心模块 ：平台围绕四大模块构建——表格处理引擎（JOIN联查、批量填充、分组聚合、拆分合并）、文档处理引擎（Word改写/模板填充、PDF提取/拆分/合并、PPT生成）、BI看板生成器（11种ECharts图表，支持HTML/PNG/PDF/PPT导出）和PPT自适应渲染引擎（四级降级策略）。所有工具通过DeepSeek Agent统一调度。
业务流程与功能路径 ：用户自然语言输入 → Agent解析意图并编排步骤 → 自动调用工具链执行 → SSE流式返回执行进度与结果 → 任务快照持久化存档。全程支持审计日志脱敏和中断恢复，确保数据安全与操作可追溯。
基于多智能体与知识图谱的复杂知识分析平台
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。
豪视界-AI 图像处理平台
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
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服