熊猫仿生家用安防摄像头

SIS系统作为面向生产过程的信息系统，实现单元机组DCS、ECS、化水、输煤、除灰、数字煤场等系统联网，完成全厂生产实时数据的采集和历史数据存储，支持群集或热备工作方式进行故障切换。 可对接opcda，opcua、modbus、scada等多种工业物联网数据采集协议。系统稳定运行5年确保24*7数据采集不间断。 提供的SIS系统应包含厂级监控应用软件，实时数据采集和历史数据存储功能、厂级生产过程监视和管理功能、性能计算、耗差分析、测点查看、趋势查看、过程回放，机组性能指标分析，优化运行曲线和设备操作指导，设备状态监测，机组在线性能试验、数据报表统计和分析。

基于工业设备采集的时序数据，开发了一套轻量级异常检测算法Demo。通过滑动窗口统计、3σ原则对设备运行指标进行异常识别，支持数据可视化展示与异常点标记，可用于快速发现设备运行中的异常波动，辅助工业运维人员进行故障预判，提升数据驱动运维的效率。

针对工业互联网场景下设备数据采集与生产环境信息同步的需求，开发了这套C++高性能分布式数据采集与处理服务。系统支持从多源工业网站、API接口异步采集设备运行数据、生产指标与行业资讯，实现数据清洗、结构化解析与实时入库。采用Boost.Asio异步IO架构，单节点并发采集能力达1000+/秒，同时支持断点续采、异常重试与IP池轮换，有效保障数据采集的稳定性与完整性，为工业数据分析与决策提供可靠的数据支撑。

工业物联网数据可视化项目，通过采集设备数据的生产、告警、状态数据进行分析展示。能有效的提高企业的生产效率，设备监控。 软件采集了工厂所有的设备数据，与业务数据整合计算分析，实现OEE等关键指标计算

一、立项背景与目标 1. 立项背景 在传统的知识库问答系统中，普遍存在以下痛点： - 流程混乱：通用ReAct Agent在处理复杂业务时，容易发生步骤跳跃或逻辑错乱，导致回答质量不稳定。 - 上下文断裂：多轮对话中，用户常使用代词（如“它多少钱？”），传统向量检索缺乏指代消解能力，导致检索失败。 - 意图混杂：闲聊式提问（如“你好”）与知识检索式提问（如“XX产品参数是多少”）被统一处理，浪费算力且影响用户体验。 - 状态丢失：用户刷新页面或稍后再访问时，对话历史无法延续，每次都是“新会话”。 2. 项目目标 - 构建一个流程可控、意图可分流、上下文可理解、状态可持久的智能知识助手。 - 实现复杂业务逻辑的结构化解耦，提升系统的可维护性与稳定性。 - 显著提升多轮对话场景下的检索命中率与回答准确率。 二、软件功能与核心模块 1.整体功能概述 本系统是一个基于LLM的智能对话式知识库问答助手，支持用户通过自然语言提问，从向量知识库中精准检索并生成回答。系统特别强化了多轮对话中的指代消解能力与流程可控性。 2.核心功能模块介绍 模块名称 功能说明 Planner（规划器） 基于LLM + 专用Prompt，硬编码业务流程。负责解析用户请求，按固定流程调度执行，防止逻辑跳跃。 语义路由器 基于LLM的分类工具，动态识别用户意图为“chat”（闲聊）或“retrieval”（知识检索），实现分支分流。 历史加载与写入模块 与Redis集成，自动追加对话历史，确保跨会话的上下文连续性。 查询重写模块 结合历史对话，将存在指代或省略的用户问题（如“它多少钱？”）改写为语义完整的独立问句。 混合检索引擎 同时执行向量语义检索与关键词检索，通过RRF算法融合排序，提升召回效果。 Executor（执行器） 根据Planner的指令，调用重写、检索、生成等环节，最终输出回答。 系统流程严格遵循：语义路由 → 历史加载 → (分支判断) → 查询改写/直接回答 → 知识库检索 → 最终生成 三、业务流程与功能路径 以下为用户与系统交互的完整功能路径描述： 场景一：用户进行知识检索（多轮对话） 场景二：用户发起闲聊 场景三：用户首次访问 / 会话恢复