程序聚合 软件案例 欧拉AI 智能餐饮管理系统 北京健康宝 团车网

欧拉AI 智能餐饮管理系统 北京健康宝 团车网

2026-06-18 17:57:33
行业:电商、人工智能
载体:小程序、H5
技术:D3.js、React、Three.js、Vue

业务和功能介绍

1. 承担团队技术选型工作,推崇敏捷开发。
2.具有h5,vue,React,ReactNative,flutter,webgl ,h5 小游戏开发技能
3.微信小程序开发经验丰富及 taro、uni-app 多端开发
4. 熟练 JavaScript(ES6)、TpyeScript、node.js、Ajax、Jquery 、JSON、canvas、websocket 、flex、antUI、rem 、 animation、 SEO 优化等 Web 开发
5. 有 electron 经验,数据可视化大屏,AI 绘图系统
6.有带团队经验,有人工智能经验
7.关注前沿技术

项目实现

1. AI绘图工具(创意生产力侧)
您总结的优势非常精准。其核心价值在于“降本”与“破维”:

降本:将概念草图、多风格提案的时间从“小时级”压缩至“秒级”,释放设计师在重复劳作中的精力。

破维:通过风格迁移和随机生成,提供人类思维盲区内的视觉组合,从“执行工具”进化为“灵感协作者”。

2. 中国餐饮服务平台(产业交易侧)
这是一个典型的B2B产业互联网SaaS平台,关键数据极具分量:

规模壁垒:签约商户超40万,其中连锁客户占比82%(说明深度绑定中大型品牌)。

交易统治力:服务客户年交易总额达7000亿人民币,占中国餐饮行业总盘(约5万亿)的10%,证明其闭环解决方案(供应链、会员、支付、数据)已切入行业核心血脉。

B端活跃度:月活突破6万(指品牌方运营人员),使用React技术栈构建后台,通过iframe嵌入商户自有系统,体现高定制化与集成能力。

3. 北京政务服务 & 防疫小程序(公共服务侧)
您列举了北京地区的多个核心载体,但其中混入了一个外省项目,需注意区分:

北京本地矩阵:

北京健康宝(含双语版):个人防疫状态查询(核酸、疫苗、绿码)。

京心相助:专门服务于返京/进京人员的社区登记与健康打卡,侧重“流动人口信息采集”。

京城之约:疫情期间景区预约与限流管控,侧重“文旅场景下的流量调控”。

北京政务服务:集成统一身份认证、电子证照、一码办事、户政交通等,核心目标是“减跑动、减材料”。

地域纠正提示:您提到的“龙江健康码”实际属于黑龙江省,并非北京服务。它同样是省级电子健康证明,整合进生活与工作场景。

示例图片视频


洋
30天前活跃
方向: 前端-三维可视化前端、前端-跨端开发、
交付率:100.00%
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