neo_Ai

1、立项背景和目标：研究院需要对猫咪排泄物照片做规模化健康筛查，人工判读效率低、判读经验难沉淀。目标是构建"上传照片→AI自动分析→出报告→可疑样本人工复核"的智能分析服务：AI自动输出六分类异常结果（异物便/异色便/结晶/软便/颜色异常/正常）、Bristol粪便分型、血液/结晶/寄生虫等健康标志与健康建议，辅助兽医批量初筛，已完成商业交付上线。 2、核心功能模块：①图像预处理——EXIF信息剥离、方向修正、图片质量评估；②AI识别服务——多模态大模型结合兽医知识库RAG检索，输出结构化JSON（分类、Bristol分型、健康标志、业务推导结果）；③医学规则引擎——出血/结晶与颜色字段交叉一致性校验，Bristol≤2自动标记复核建议，不让大模型独自承担医疗判断责任；④人工复核队列——低置信或字段不一致样本自动进入队列，审核确认后回流知识库；⑤数据飞轮——复核确认样本经Kappa一致性仲裁后增量入库，含类别平衡与版本化管理，服务越用越准；⑥运行保障——背压熔断、请求队列分级限流、Prometheus指标埋点与MLflow实验追踪。 3、业务流程：上游系统上传排泄物照片→质量检查与隐私脱敏→多模态模型结合检索到的兽医知识生成结构化结论→规则引擎交叉校验→高置信样本直接出报告，低置信/不一致样本进入人工复核队列→复核确认后经一致性仲裁增量回流知识库→随数据积累识别质量持续提升。

1、立项背景和目标：面向日均3000单的电商客服场景，针对外包客服知识断层、跨部门流转率高、客服经验无沉淀三大痛点，构建一套"提交→分类→检索→审核→关单"全链路自动化的多智能体工单系统，让常见问题自动解答、复杂问题有序流转人工。 2、核心功能模块：①智能分类路由——Supervisor中心化编排，按物流/退款/账单/账户/通用五类意图自动分派；②知识问答——BM25+向量混合检索、RRF融合与可插拔精排，回答附带引用来源；③幻觉控制——四级降级（重试改写→模板兜底→相似解→转人工）+全局重试预算，杜绝死循环；④人机协同HITL——敏感操作、连续降级自动暂停工单进入审批队列，支持通过/编辑/驳回三种裁决并断点续跑；⑤知识自迭代——关单自动抽取"问题-根因-方案-置信度"四元组入库沉淀；⑥可观测面板——全链路调用追踪、SSE流式输出、Token成本核算。 3、业务流程：用户提交工单→意图识别与分类→混合检索知识库生成答复→质检校验（不通过按级降级或转人工）→敏感/低置信工单进入人工审批队列→裁决后断点恢复继续流转→关单时自动沉淀知识四元组，供后续工单检索复用。

一、项目背景 校园安全是教育事业高质量发展的底线与基石，关乎广大师生生命财产安全、校园和谐稳定以及社会公共安全秩序。 目前，多数校园安全管理存在明显短板：一是安全教育流于形式，线下宣讲、主题班会等传统模式趣味性、互动性不足，师生安全素养提升效果有限；二是安全管理流程不规范，人员、隐患、物资、制度等管理数据分散，台账统计繁琐、更新滞后，缺乏统一的数字化管理载体；三是应急处置体系不完善，突发事件预警不及时、处置流程不清晰、协同联动效率低；四是风险监测缺乏智能化手段，对校园各类安全隐患无法实现实时监测、提前预判；五是安全风险评估缺乏标准化、数字化依据，隐患分级、风险定级主观化严重，无法实现精准管控。 在数字校园、智慧教育建设的大背景下，依托大数据、互联网技术赋能校园安全治理，构建智能化、全流程的校园安全风险防控体系，已成为中小学、高校安全管理工作的必然趋势。基于此，本项目依托.NET Core 3.1与MySQL数据库，搭建校园安全风险防控云平台系统，整合安全教育、日常管理、应急处置、风险监测、智能评估全业务场景，打破传统安全管理壁垒，实现校园安全从“人工粗放管理”向“数字精准管控”的转型升级。 二、核心功能模块介绍 2.1 安全教育系统 该模块是校园安全前置防控的核心载体，聚焦师生安全素养提升，打造线上常态化、多元化安全教育体系，解决传统安全教育形式单一、覆盖面有限、效果难以考核的问题。系统支持分类搭建安全教育资源库，涵盖消防安全、交通安全、防欺凌、防诈骗、食品安全、应急避险、网络安全、心理健康等各类校园安全专题，可上传科普视频、图文资料等多元化学习素材。 2.2 安全管理系统 该模块是校园日常安全管控的核心基础模块，覆盖校园安全日常运营全业务场景，实现校园安全管理标准化、规范化、台账化。模块聚焦校园日常安全治理痛点，涵盖人员安全管理、场地设施管理、安全巡查管理、隐患台账管理、制度文件管理、值班值守管理等核心功能。 2.3 应急管理系统 该模块专注于校园突发事件全流程处置管控，构建“预案储备-应急响应-协同处置-复盘总结”的完整应急管理体系，解决校园突发事件处置混乱、响应滞后、协同低效的问题。模块核心包含应急预案管理、应急资源管理、突发事件上报、应急指挥调度、应急处置记录等功能。 2.4 风险监测预警系统 该模块是平台智能化防控的核心核心，依托数据采集与智能分析技术，实现校园安全风险动态监测、实时预警、提前干预。模块可对接校园各类安全相关数据，涵盖日常隐患排查数据、人员流动数据、环境安全数据等多维度信息。 2.5 安全风险评估系统 该模块是校园安全精准管控、科学决策的核心支撑，基于标准化评估规则，实现校园安全风险智能化、数字化、科学化评级与研判，解决传统风险评估主观化、不规范、无依据的问题

1. 全流程业务闭环 - 课程模块：课程包、班级、教师、章节管理，按课程包组织学习内容。 - 学习模块：视频学习（支持 HLS 流媒体）、学习进度实时追踪、详情记录、导入导出。 - 考试模块：试卷与题库管理、在线答题、自动评分。 - 证书模块：考试通过后自动/手动发证，证书统一管理。 - 统计模块：首页实时/学习概况、学习统计详情，多维度数据可视化。 2. 考试安全与过程监管 - 人脸识别：学习与考试环节接入人脸识别，防止代学、替考。 - 行为监控：考试中实时上报异常行为，监控切屏、离开等操作，并对接第三方学习行为监控系统。 - 数据留痕：全过程行为数据可追溯，满足审计要求。 3. 多角色分级权限 - 平台按运营管理端 / 机构端 / 学员端三类角色动态生成菜单与路由，按钮级权限控制，数据按组织隔离。 4. 安全与工程化 - 登录密码 RSA 加密传输，接口统一鉴权（Token）。 - 动态路由权限、多页签、响应式布局，适配 PC 与移动端。

一个基于 **Flutter + Rust 混合架构**的 AI 智能体桌面客户端。前端用 Flutter 构建界面，通过 flutter_rust_bridge 与 Rust 引擎（`rust_lib_agent`、`code_forge`）通信。 应用围绕 AI 聊天展开：支持多智能体管理、流式输出、富文本编辑、MCP 服务接入、工具调用权限控制；内置 PTY 终端面板和独立文件编辑器窗口，并提供模型供应商管理、本地大模型推理（llamadart/llama.cpp）、检查点、技能与命令系统。状态管理使用 signals，支持跨窗口与跨进程同步，覆盖 Windows、macOS 及 Android/iOS 移动端。 整体上是一个"聊天 + 终端 + 编辑器"一体的 AI 编程工作台，前端负责交互，Rust 引擎驱动智能体执行，前后端通过统一事件流协作。