业务和功能介绍
“校园智能体”是一款面向中小学及高校场景的智能化校园服务系统，以自然语言交互为核心，深度融合校园数据库与大语言模型能力，为师生提供安全、高效、个性化的信息查询与事务协助服务。系统以“小园”为拟人化助手形象，支持通过对话方式实时查询学生信息、课程安排、出勤记录、校园活动、教师资料及班级管理等六大类核心业务，真正实现“一问即答、一事一解”的智慧校园体验。
核心功能与技术亮点
1.多模态知识库集成
对接学校教务、学工、后勤等系统数据，构建结构化校园知识图谱，确保信息权威性与时效性。
2.自然语言理解与生成（NLU/NLG）
支持模糊提问、上下文追问与意图识别（如“帮我报名毕业典礼”→自动关联ID、年级、班级校验），降低用户使用门槛。
3.角色化权限控制
区分学生、教师、管理员角色，动态过滤敏感信息（如仅班主任可查全班考勤），保障数据安全合规。
4.主动式服务引导
基于用户身份与历史行为推荐高频服务（如高三学生优先推送“毕业典礼”“志愿填报指南”），提升服务精准度。
5.轻量化部署架构
采用微服务+本地化推理模型设计，支持私有云/混合云部署，满足教育行业数据不出校要求。
核心功能与技术亮点
1.多模态知识库集成
对接学校教务、学工、后勤等系统数据，构建结构化校园知识图谱，确保信息权威性与时效性。
2.自然语言理解与生成（NLU/NLG）
支持模糊提问、上下文追问与意图识别（如“帮我报名毕业典礼”→自动关联ID、年级、班级校验），降低用户使用门槛。
3.角色化权限控制
区分学生、教师、管理员角色，动态过滤敏感信息（如仅班主任可查全班考勤），保障数据安全合规。
4.主动式服务引导
基于用户身份与历史行为推荐高频服务（如高三学生优先推送“毕业典礼”“志愿填报指南”），提升服务精准度。
5.轻量化部署架构
采用微服务+本地化推理模型设计，支持私有云/混合云部署，满足教育行业数据不出校要求。
项目实现
使用Golang + Python + Qwen3.5 + langchaingo+ MySQL + Redis
使用大语言模型（LLM）：本地部署qwen3.5模型，成本低，并且数据不出库
权限控制：RBAC（基于角色的访问控制）学生仅能查自身数据，班主任可查本班所有学生，校长可查全校统计报表
自然语言理解（NLU）LangChain ： 识别关键实体：学生ID、课程代码、日期范围、活动名称，并自动补全缺失信息（如“查张三的课表” → 自动关联学号）
部署架构：Docker + Kubernetes（私有化部署）支持与学校现有OA/教务系统单点登录（SSO）集成，数据不出校
✅ 对学生：3秒内获取个人课表、成绩、活动参与情况，减少信息差；
✅ 对教师：一键查询所带班级学生档案、出勤异常名单，提升管理效率；
✅ 对校方：降低人工咨询负荷30%+，沉淀服务数据反哺决策优化；
✅ 对管理者：通过日志分析识别高频问题，持续迭代服务策略。
典型场景示例
学生问：“最近有什么活动？” → 智能体返回近4场活动列表，并高亮“2024-06-30 高三毕业典礼”，附报名入口与温馨提示；
教师问：“ID为1的学生是谁？班主任是谁？” → 精准返回姓名、班级、班主任姓名及联系方式（经权限校验）；
新生问：“怎么查我的选课结果？” → 主动引导至教务系统路径，并提供截图指引。
使用大语言模型（LLM）：本地部署qwen3.5模型，成本低，并且数据不出库
权限控制：RBAC（基于角色的访问控制）学生仅能查自身数据，班主任可查本班所有学生，校长可查全校统计报表
自然语言理解（NLU）LangChain ： 识别关键实体：学生ID、课程代码、日期范围、活动名称，并自动补全缺失信息（如“查张三的课表” → 自动关联学号）
部署架构：Docker + Kubernetes（私有化部署）支持与学校现有OA/教务系统单点登录（SSO）集成，数据不出校
✅ 对学生：3秒内获取个人课表、成绩、活动参与情况，减少信息差；
✅ 对教师：一键查询所带班级学生档案、出勤异常名单，提升管理效率；
✅ 对校方：降低人工咨询负荷30%+，沉淀服务数据反哺决策优化；
✅ 对管理者：通过日志分析识别高频问题，持续迭代服务策略。
典型场景示例
学生问：“最近有什么活动？” → 智能体返回近4场活动列表，并高亮“2024-06-30 高三毕业典礼”，附报名入口与温馨提示；
教师问：“ID为1的学生是谁？班主任是谁？” → 精准返回姓名、班级、班主任姓名及联系方式（经权限校验）；
新生问：“怎么查我的选课结果？” → 主动引导至教务系统路径，并提供截图指引。
示例图片视频
相似推荐
情绪检测
本工具基于 Python 开发，通过人脸识别与情感分析算法，精准识别用户面部情绪状态，实现高效的情绪检测能力。该工具应用场景广泛：在心理咨询领域，可辅助咨询师洞察来访者的真实情绪变化，提升沟通与干预效果；在校园安防方面，可实时监测学生情绪波动，及时发现异常状态并预警，守护校园安全。系统采用轻量化架构，运行高效、部署灵活，便于集成到现有业务平台中，为心理健康关怀与安全防护提供智能化、数据化的有力支撑。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统，旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然，以及角色运动与动画表现难以协调等问题。
项目以神经网络动作生成技术为核心，结合游戏引擎的角色运动系统，实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。
主要功能包括：
动画数据采集与处理： 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息，完成骨骼映射、数据清洗、质量审核与训练数据集构建。
AI 动作模型训练： 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能，支持模型检查点管理、训练指标记录及实验评估。
条件动作生成： 利用角色根运动轨迹、历史动作状态及参考姿态等条件，生成连续骨骼动作，研究不同运动条件下的动画生成效果。
复杂动作约束： 针对跑酷、跨越障碍等复杂场景，支持参考姿态引导及关键帧约束，改善动作准确性与空间匹配效果。
UE 动画集成与验证： 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力，支持生成动作的预览、重建、测试及效果分析。
模型评测与对比： 通过骨骼位置误差、运动连续性、关键帧约束误差等指标，对不同模型及优化方案进行定量分析。
项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设，为智能角色运动与游戏动画自动化提供技术基础。
基于 n8n 的社区团购订单自动归集与对账系统 - 飞书多维表格
立项背景和目标：
社区团购商家通常同时运营多个小区的团购业务，订单分散在各处，
每天需要人工汇总到表格、再逐个小区生成对账单。三个小区的情况下，
人工处理约需 1.5-2 小时/天，且极易出现漏单、金额对不上。
目标是让这套流程全自动跑：订单自动归集 → 自动生成分小区对账单
→ 异常自动告警，把每天 2 小时的人工压到 0。
软件功能、核心功能模块：
1. 定时触发模块：每天固定时间自动启动，无需人工干预
2. 多源数据读取：对接飞书多维表格开放 API，分页拉取三个小区的订单表
3. 数据清洗与合并：统一字段口径，合并去重，处理缺失值
4. 分类汇总：按小区维度聚合，计算应收、已付、差额
5. 异常检测：金额不一致、状态异常、重复订单自动标记
6. 结果写回：汇总结果写回多维表格，供商家和团长直接查看
7. 失败告警：任一步骤失败自动重试 3 次，仍失败则推送群告警
业务流程、功能路径：
每天 20:00 定时触发 → 读取运行参数 → 换取 tenant_access_token
→ 逐小区分页读取订单 → 展开为明细行 → 批量写入汇总表
→ 生成分小区对账单 → 判断是否启用对账推送 → 异常则发群告警
多端AI问答系统（SSE流式输出）
立项背景：随着大语言模型的普及，传统企业与用户对智能对话的需求激增。旨在构建一个前后端完全解耦的 AI 问答系统，支持多端接入，提供流畅的流式对话体验。
核心功能：支持 SSE 全链路流式对话（包含start/content/reasoning/done/error五类事件）；多会话管理（新建、切换、重命名、置顶、逻辑删除）；Markdown 渲染、思考过程折叠展示、多模型切换、Token 用量统计与 API 调用日志，以及四维 IP 限流。
业务流程：前端发起对话请求 → 后端校验限流 → 组装历史消息并调用大模型 API → SSE 逐字返回前端实时渲染 → 消息落库并记录 Token 与耗时。
基于RAG的多租户AI客服SaaS-wali-ai
立项背景和目标: 小微企业客服人力有限、游戏规则分散、夜间无人值守, 重复咨询淹没客服; 通用大模型不了解业务规则, 会张冠李戴甚至编造规则和价格. wali-ai的目标是让运营者用自己的知识库, 7x24自动回答玩家问题, 答不上来就兜底或转人工, 以及记录，绝不编造.
软件功能与核心模块: 多租户SaaS控制面(注册即获默认租户与工作空间、两级角色权限、按套餐的对话条数/知识库数量/容量/席位/Token额度五维配额); 知识库管理(文件导入, 切片可视化编辑与检索测试); 自研RAG引擎(向量+关键词混合检索、RRF融合、Rerank重排、置信度评估); Agent编排(意图判断、会话上下文、人设提示词、闲聊/固定兜底双模式); 多渠道接入(游戏内Lua桥接、QQ群NapCat、网页悬浮球SDK、开放API); 会话管理与人工接管; 未回答问题沉淀反哺知识库; 运营统计与全量审计.
业务流程: 注册登录->创建游戏服与机器人->建知识库导入文档->自动切分并向量化索引->配置渠道->玩家在游戏内/QQ群/网页提问->统一网关验签、幂等、路由->Agent意图判断->RAG混合检索->大模型生成带来源引用的回答->写回会话、用量与审计->低置信度时兜底或转人工, 管理员在管理端查看会话、反馈、用量与配额.
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服