SIS系统

构建生命健康领域 “数据接入 - 结构化 - AI 洞察” 持续运行体系，强化公司数据基础设施长期主轴。 明确生命健康行业数据分散、异构、脱节、治理成本高、连续性弱的核心痛点，确立以数据基础设施为稳定锚点的产品方向，不追逐短期 AI 热点，聚焦长期可复用数据价值。

本项目面向户外高尔夫球场自动化作业场景，为移动机器人提供 AI 视觉感知、目标识别、状态判断和任务辅助决策能力。系统接入左右相机、激光点云、里程计、地图、设备状态等多源数据，完成高尔夫球识别、球满判断、卡球检测、三角标识识别、前方障碍检测、局部/全局球密度地图生成等功能。 机器人在作业过程中可根据视觉检测结果统计球量、判断是否需要返航卸球，并结合行为树状态、任务状态、电量信息和地图区域信息进行联动控制。同时系统支持动态参数配置、图像缓存、检测结果解析、ROS 服务调用、状态发布、异常告警和 rosbag 数据保存，便于现场调试、算法验证和后续数据回放分析。

机械臂抓取系统 场景：机械臂从车上抓取 杆件/钩子，放到货架上。 核心业务流程 抓取任务 (catch_kfs, task_id=2)： 1. 移动到 catch_gan_ready 准备位 2. 视觉伺服逼近目标（RealSense 检测红色杆 → TF → 视觉伺服收敛） 3. 气泵吸附 → 夹爪抓取 4. 沿脱离路径 detach_gan_ready → detach_gan_1 → detach_gan_2 移动 5. 向下戳杆（Z - 0.27m 直线运动） 6. 通知 driver 抓取完成 放置任务 (place_kfs, task_id=3)： 1. 移动到 kfs{N}_touch_pos 触摸位 2. 打开气泵吸附 3. 退到 place_interim_pos_0 4. 笛卡尔空间移动到货架前方（x - 0.40m） 5. 直线插入货架位 6. 关闭气泵 → 放杆 7. 退到 ready 位 移动任务 (move_kfs, task_id=1)： - 支持关节空间（6轴+duration）和笛卡尔空间（xyz+rpy+duration）两种模式 - 可选气泵开关 视觉伺服 vision 节点检测红色杆 → 发布 camera_link → target_camera TF → arm_task 实时转换到 base_link → 持续发布 visual_target_pose 给 arm_calc 做闭环控制。 距离 < 0.35m 锁定目标位姿，位置误差 < 0.05m 判定收敛。

智能决策平台（一期）各核心业务流程的设计方案。业务流程经甲方确认后，作为后续 开发、测试和验收的基线依据。 1.1 确认范围 企业数据中心业务流程（建档、文件管理、导入导出、智能识别） 政策匹配系统业务流程（政策管理、条件配置、匹配执行、路径报告） 智能写作系统业务流程（模板管理、AI 生成、在线编辑、导出） 后台管理业务流程（用户权限、操作日志、系统配置）

1、基于LLM的RAG检索增强，能够解决知识过时、私有知识的问题，但是检索到的知识是以向量的方式来构建知识之间的相关性。而karpathy的llm-wiki分享中提到了以大模型为编译基础，以自然语言的方式，让大模型自己理解和构建知识之间复杂的关系。维基百科对于人类来说或许可能是一个知识管理方式，但对于LLM来说，或许是将知识核心保留和编译知识之间的复杂关系的一个新的尝试。本项目基于此，将知识点及其之间的关系进行细化，以SQL为基础，个人进行了llm-wiki开发的尝试，将其作为opencode、codex等的插件进行开发。同时开发了以LLM基础，将PDF,HTML总结为笔记的前端功能。 2、项目核心功能包括以下几点。桌面应用端，通过Electron桌面入口，加载前端页面，注册IPC服务。前端知识台，展示知识库、笔记、节点状态。IPC桥接，前端通过window.llmWiki调用后端能力。知识库注册，管理多个SQLite知识库，支持list/audit/open。数据库与迁移，SQLite 连接、schema migration、repository层。文档摄取，读取artifact，生成source记录。Human Note，保存、解析、校验自然语言可读笔记。编译知识图谱，将source编译为nodes、claims、edges、state changes。检索与上下文，搜索知识、扩展图谱、生成query context/briefing。Lint与维护，检查知识库健康状态、发现图谱问题。Agent集成，给外部Agent提供 ingest/use/maintain工具能力，以skill方式实现。共享类型与常量，跨前端、主进程、后端共享的类型和工具。 3、核心功能为前端人类可阅读笔记和SQL知识节点状态展示，以及agent实现提取知识到知识库，使用和管理知识库。前端调用路径为启动应用，加载UI界面，前端请求数据，查看笔记、知识库、source材料。agent调用ingest skill,提取知识，生成人类可读笔记，基于笔记创建知识节点和知识关系边并存入SQL。agent调用use skill，基于问题查找相关资料，以node和edge将相关资料返回LLM，LLM基于自注意力机制自行理解知识并返回结果。agent调用maintain skill,agent查看知识节点之间是否存在矛盾，通过对话，agent维护知识库正确性。