业务和功能介绍
1、立项背景和目标
商业地产行业（写字楼/产业园区）在房源信息获取、客户需求匹配、销售线索跟踪等环节长期依赖人工操作，效率低、信息碎片化。本项目旨在通过大语言模型构建一个面向商业地产从业者和投资者的智能对话平台，实现 AI 驱动的房源搜索、销售线索分析、带看预约管理和房源智能创建，降低人力成本，提升业务转化效率。
2、软件功能、核心功能模块的介绍
平台包含以下核心模块：
• AI 智能对话：基于 LLM 的流式对话，支持意图识别（搜索房源/分析线索/预约带看/创建房源），自动路由到对应 AI 子图处理。
• 文件上传与 OCR 解析：支持 PDF、图片等多格式文件上传，调用 OCR 提取文本信息，用于房源资料自动解析。
• 销售线索分析：自动汇总分析销售线索数据，生成可视化报表和 actionable insights。
• 带看预约管理：智能调度带看时间，整合日历与通知系统。
• 房源创建与发布：AI 辅助填写房源表单（投资/租赁双模式），支持逐字段填入和一键发布到房源库。
• 场景导航系统：5 大业务场景（首页/AI找房/线索分析/带看预约/创建房源），结合角色权限（访客/投资人/经纪人）实现功能隔离。
• 对话历史持久化：支持多会话管理，对话内容按 session 持久化存储（内存/MySQL 可选）。
3、业务流程、功能路径描述
用户进入平台后，系统根据 IP 自动检测所在城市。访客可通过导航栏选择场景：AI 找房场景中输入自然语言需求（如"帮我搜索望京的甲级写字楼"），后端通过意图路由分发至搜索子图，返回结构化房源卡片；投资人/经纪人可进入销售线索或带看预约场景进行数据分析；创建房源场景中，用户可上传 PDF 资料，AI 自动提取关键字段填入双栏表单（左聊天右表单），确认后一键发布。整个流程由 LangGraph 状态机驱动，前端通过 SSE 实时接收流式响应。
商业地产行业（写字楼/产业园区）在房源信息获取、客户需求匹配、销售线索跟踪等环节长期依赖人工操作，效率低、信息碎片化。本项目旨在通过大语言模型构建一个面向商业地产从业者和投资者的智能对话平台，实现 AI 驱动的房源搜索、销售线索分析、带看预约管理和房源智能创建，降低人力成本，提升业务转化效率。
2、软件功能、核心功能模块的介绍
平台包含以下核心模块：
• AI 智能对话：基于 LLM 的流式对话，支持意图识别（搜索房源/分析线索/预约带看/创建房源），自动路由到对应 AI 子图处理。
• 文件上传与 OCR 解析：支持 PDF、图片等多格式文件上传，调用 OCR 提取文本信息，用于房源资料自动解析。
• 销售线索分析：自动汇总分析销售线索数据，生成可视化报表和 actionable insights。
• 带看预约管理：智能调度带看时间，整合日历与通知系统。
• 房源创建与发布：AI 辅助填写房源表单（投资/租赁双模式），支持逐字段填入和一键发布到房源库。
• 场景导航系统：5 大业务场景（首页/AI找房/线索分析/带看预约/创建房源），结合角色权限（访客/投资人/经纪人）实现功能隔离。
• 对话历史持久化：支持多会话管理，对话内容按 session 持久化存储（内存/MySQL 可选）。
3、业务流程、功能路径描述
用户进入平台后，系统根据 IP 自动检测所在城市。访客可通过导航栏选择场景：AI 找房场景中输入自然语言需求（如"帮我搜索望京的甲级写字楼"），后端通过意图路由分发至搜索子图，返回结构化房源卡片；投资人/经纪人可进入销售线索或带看预约场景进行数据分析；创建房源场景中，用户可上传 PDF 资料，AI 自动提取关键字段填入双栏表单（左聊天右表单），确认后一键发布。整个流程由 LangGraph 状态机驱动，前端通过 SSE 实时接收流式响应。
项目实现
1、整体架构和设计思路，不同模块使用的技术栈
整体采用前后端分离架构：
• 前端：Next.js 14（App Router）+ TypeScript + Tailwind CSS + shadcn/ui 组件库，状态管理使用 Zustand（会话/聊天/角色/表单多 store 拆分）。
• 后端：FastAPI + Python 3.11，AI 工作流使用 LangGraph 构建多 Agent 协作图（意图路由 → 子图分发 → 工具调用 → 结果组装）。
• LLM 层：通过 LangChain-OpenAI 调用硅基流动 DeepSeek-V4-Flash API，配置超时 120s、最大重试 2 次、max_tokens 4096。
• 数据层：房源数据使用 Mock JSON（开发阶段）/ MySQL（生产阶段）；会话存储支持内存模式和 MySQL 持久化；文件上传存储到本地磁盘。
• 测试：后端使用 pytest（262 个测试用例），前端使用 vitest + @testing-library/react（72 个测试用例）。
2、"我"的负责模块和结果
我作为项目核心开发者，负责前后端全栈开发及 AI 工作流设计：
• 架构设计：设计了基于 LangGraph 的多 Agent 意图路由系统，将用户请求按 5 大意图分发至对应子图，解耦业务逻辑。
• 前端开发：完成全部 UI 组件开发（NavBar、ChatApp、双栏布局表单、场景导航等），构建通过 0 错误。
• 后端开发：实现 FastAPI 服务端、LLM 配置、OCR 工具链、文件解析器、发布服务等核心模块，后端 262 个单元测试全部通过。
• 性能优化：修复 LLM 503 超时根因（配置 request_timeout + asyncio.to_thread 避免阻塞事件循环 + SSE 流式推送），响应延迟从数分钟降至秒级。
• Bug 修复：诊断并修复 OCR 全流程 6 个 Bug（双重调用、Multipart 500、字段缺失、内存泄漏、权限矩阵等），端到端测试验证通过。
• 测试覆盖：累计编写 334 个测试用例（后端 262 + 前端 72），0 失败。
整体采用前后端分离架构：
• 前端：Next.js 14（App Router）+ TypeScript + Tailwind CSS + shadcn/ui 组件库，状态管理使用 Zustand（会话/聊天/角色/表单多 store 拆分）。
• 后端：FastAPI + Python 3.11，AI 工作流使用 LangGraph 构建多 Agent 协作图（意图路由 → 子图分发 → 工具调用 → 结果组装）。
• LLM 层：通过 LangChain-OpenAI 调用硅基流动 DeepSeek-V4-Flash API，配置超时 120s、最大重试 2 次、max_tokens 4096。
• 数据层：房源数据使用 Mock JSON（开发阶段）/ MySQL（生产阶段）；会话存储支持内存模式和 MySQL 持久化；文件上传存储到本地磁盘。
• 测试：后端使用 pytest（262 个测试用例），前端使用 vitest + @testing-library/react（72 个测试用例）。
2、"我"的负责模块和结果
我作为项目核心开发者，负责前后端全栈开发及 AI 工作流设计：
• 架构设计：设计了基于 LangGraph 的多 Agent 意图路由系统，将用户请求按 5 大意图分发至对应子图，解耦业务逻辑。
• 前端开发：完成全部 UI 组件开发（NavBar、ChatApp、双栏布局表单、场景导航等），构建通过 0 错误。
• 后端开发：实现 FastAPI 服务端、LLM 配置、OCR 工具链、文件解析器、发布服务等核心模块，后端 262 个单元测试全部通过。
• 性能优化：修复 LLM 503 超时根因（配置 request_timeout + asyncio.to_thread 避免阻塞事件循环 + SSE 流式推送），响应延迟从数分钟降至秒级。
• Bug 修复：诊断并修复 OCR 全流程 6 个 Bug（双重调用、Multipart 500、字段缺失、内存泄漏、权限矩阵等），端到端测试验证通过。
• 测试覆盖：累计编写 334 个测试用例（后端 262 + 前端 72），0 失败。
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。
攻防演练-广东联通
1、立项背景和目标
广东联通组织年度攻防演练，需要我们扮演攻击方去实际检测风险。难点在于他们暴露在互联网上的资产有三万多条，靠人工根本忙不过来，而演练窗口只有两三天。所以我们的目标是搭一套自动化工具链，把海量资产快速筛一遍，识别出都是什么系统、把真实存在的漏洞验证出来，最后给客户一份有分量的成果和整改建议。
2、软件功能、核心功能模块
主要分五个模块。资产测绘负责吃掉几万条资产清单并筛出真正在线的目标；指纹识别判断每个站点用的什么系统；漏洞验证负责批量探测并确认 Nacos 认证绕过、弱口令、CORS、Swagger 暴露这类问题；凭证提取从配置中心和转储文件里捞出数据库密码、云存储密钥等敏感信息；最后报告模块按严重程度分级输出成果和修复方案。
3、业务流程、功能路径
流程是：导入资产清单 → 存活和指纹识别 → 高危目标排序 → 自动验证漏洞 → 深度利用提取凭证 → 输出分级报告。我只需要提供资产清单和代理配置，其余环节自动跑，也支持断点续跑，多轮演练可以直接复用。
青岛铁塔-青岛铁塔app+pc
青岛铁塔综合业务平台是针对中国铁塔青岛分公司对铁塔的巡检专门设计的系统，主要使巡检效率提升，方便隐患处理，显著提高运维效率，保障通信塔安全。Pc端主要负责管理部门的核查及审核，主要的使用人群是公司的运维部，app端主要用于巡检人员和塔工。巡检过程按部就班交给下一级来审核或修改，生成全流程进度施工流程查询单，快速查询定位全流程节点，实现数据整合，便于问题排查与分析，提升管理水平。1个平台整合巡检、隐患、整改全流程，打破数据孤岛，实现数据共享与协同，提升运维效率。标准化流程、智能化预警、全链路数据追踪，提升运维质量与管理水平，降低风险。
云主机终端安全
该项目负责对原有产品(jsp)进行前后端分离，从前期的技术调研选型，到项目搭建功能开发，逐步实现对原有功能的完善，并且融入其他终端产品的功能代码，实现在新的UI项目上，客户能够对原有业务的处理；并且新的UI能够给用户更加便捷的操作和全新的体验
公安实战大数据平台
公安实战大数据平台是中电兴发的核心产品之一，该产品通过视频图像对过
往车辆和行人进行结构化分析，运用物联网、大数据实战车辆、人员信息的跨区
域实时查询及分析，为大数据挖掘和跨地市案件串并等深度应用提供技术支撑。
该系统主要包括检索中心、车辆实战、人脸实战、报警实战、视频实战、卡口车
辆实战、WiFi 探针实战、系统管理等模块。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服