业务和功能介绍
1. 立项背景和目标
鲜花行业从业者日常需要大量专业知识支撑：花材识别依赖经验积累、教程制作耗时耗力、店铺运营数据分散在多个平台。本项目旨在打造一款一站式鲜花行业AI辅助工具，通过AI视觉识别和自然语言处理技术，降低花艺从业者的专业门槛，提升工作效率。目标用户为花店店主、花艺师及鲜花批发商。
2. 软件功能、核心功能模块的介绍
系统包含五大核心功能模块：
花材智能识别模块：支持上传花束照片或视频，基于GPT-4 Vision模型自动识别花材种类、数量与位置信息，返回置信度评分与花材详情（别名、寓意、养护建议等），并支持识别历史记录管理。
一键下单模块：识别完成后可直接跳转至"花易来"鲜花批发平台完成花材采购下单，打通从识别到采购的完整链路。
AI教程生成模块：根据选定的花材种类、使用场景（生日/情人节/婚礼等8种）、设计风格（经典/韩式/现代等7种）和难度等级，自动生成包含分步骤图文指导、所需材料清单、制作要点的专业花艺教程。
图片分析工具模块：提供二维码/条形码自动检测功能和密集花束场景下的鲜花数量统计功能，辅助库存盘点和信息采集。
美团店铺运营助手模块：对接美团开放平台API，读取店铺订单、商品、销售数据后，由AI自动生成运营方案报告，包含销量趋势分析、热门商品排行、客户画像洞察。
3. 业务流程、功能路径描述
主业务流程为：用户上传图片 → AI识别花材 → 查看识别结果 → 选择操作路径（一键采购到花易来 / AI生成教程 / 存入历史）。
次级流程包括：进入图片分析页进行二维码检测或花束计数；进入美团运营页授权数据源并生成报告。整体采用左侧导航栏切换模块的单页应用架构，各功能模块独立入口但数据可互通流转（如识别结果可作为教程生成的输入参数）。
鲜花行业从业者日常需要大量专业知识支撑：花材识别依赖经验积累、教程制作耗时耗力、店铺运营数据分散在多个平台。本项目旨在打造一款一站式鲜花行业AI辅助工具，通过AI视觉识别和自然语言处理技术，降低花艺从业者的专业门槛，提升工作效率。目标用户为花店店主、花艺师及鲜花批发商。
2. 软件功能、核心功能模块的介绍
系统包含五大核心功能模块：
花材智能识别模块：支持上传花束照片或视频，基于GPT-4 Vision模型自动识别花材种类、数量与位置信息，返回置信度评分与花材详情（别名、寓意、养护建议等），并支持识别历史记录管理。
一键下单模块：识别完成后可直接跳转至"花易来"鲜花批发平台完成花材采购下单，打通从识别到采购的完整链路。
AI教程生成模块：根据选定的花材种类、使用场景（生日/情人节/婚礼等8种）、设计风格（经典/韩式/现代等7种）和难度等级，自动生成包含分步骤图文指导、所需材料清单、制作要点的专业花艺教程。
图片分析工具模块：提供二维码/条形码自动检测功能和密集花束场景下的鲜花数量统计功能，辅助库存盘点和信息采集。
美团店铺运营助手模块：对接美团开放平台API，读取店铺订单、商品、销售数据后，由AI自动生成运营方案报告，包含销量趋势分析、热门商品排行、客户画像洞察。
3. 业务流程、功能路径描述
主业务流程为：用户上传图片 → AI识别花材 → 查看识别结果 → 选择操作路径（一键采购到花易来 / AI生成教程 / 存入历史）。
次级流程包括：进入图片分析页进行二维码检测或花束计数；进入美团运营页授权数据源并生成报告。整体采用左侧导航栏切换模块的单页应用架构，各功能模块独立入口但数据可互通流转（如识别结果可作为教程生成的输入参数）。
项目实现
1. 整体架构和设计思路，不同模块使用的技术栈
项目采用前后端分离架构：
前端：Vite 5.x 构建工具 + React 18 框架 + TypeScript 强类型语言 + Material-UI (MUI) 5.x 组件库 + Tailwind CSS 原子化样式 + Zustand 轻量状态管理 + React Router v6 路由
后端：Node.js + Express.js 轻量代理层，统一对接 OpenAI GPT-4 Vision API（花材识别）、GPT-4 API（教程生成）、美团开放平台 API 和花易来批发平台 API
通信：RESTful HTTP 接口 + Axios 封装（含 Token 自动刷新拦截器）
整体设计遵循分层架构：页面组件(Pages) → 业务组件(Components) → 自定义Hooks → 服务层(Services) → API配置(Config)，TypeScript interfaces 类型定义贯穿全链路确保类型安全。
2. "我"的负责模块和结果（量化）
本人作为项目交付负责人主导了完整软件开发生命周期，具体成果：
维度 量化指标
PRD文档 完成3大核心功能模块的需求定义与优先级排序
架构设计 输出50+源文件的文件结构规划、15+API端点设计、数据模型与时序图
代码交付 45个前端源文件 + 12个后端文件，Vite构建通过(exit code 0)
Bug修复 修复运行时崩溃3项、UI白屏2项、配置缺失1项、空壳页面1项
最终状态 MVP版本可运行，Mock模式下核心功能流程完整可演示
3. "我"遇到的难点、坑，和解决方式
难点一：浏览器环境兼容性崩溃
问题：apiConfig.ts 使用 Node.js 的 process.env 访问环境变量，Vite 浏览器产物中 process 不存在，整个 React 应用 ReferenceError 白屏
排查：ErrorBoundary 捕获错误 → 定位 config 文件 → 发现 process is not defined
解决：所有 process.env 替换为 Vite 标准的 import.meta.env 语法
难点二：API端点结构不一致
问题：服务层用 API_CONFIG.ENDPOINTS.RECOGNITION.HISTORY 嵌套访问，原始 config 仅扁平映射，undefined.HISTORY 报错
解决：重构 apiConfig.ts 同时保留扁平映射(ApiEndpoint枚举) 和 嵌套分组(服务层引用) 两套结构，补齐15个缺失端点
难点三：路由配置遗漏
问题：侧边栏导航 /tutorial 但 Router 仅注册 /tutorial/:id，被通配符踢回首页
项目采用前后端分离架构：
前端：Vite 5.x 构建工具 + React 18 框架 + TypeScript 强类型语言 + Material-UI (MUI) 5.x 组件库 + Tailwind CSS 原子化样式 + Zustand 轻量状态管理 + React Router v6 路由
后端：Node.js + Express.js 轻量代理层，统一对接 OpenAI GPT-4 Vision API（花材识别）、GPT-4 API（教程生成）、美团开放平台 API 和花易来批发平台 API
通信：RESTful HTTP 接口 + Axios 封装（含 Token 自动刷新拦截器）
整体设计遵循分层架构：页面组件(Pages) → 业务组件(Components) → 自定义Hooks → 服务层(Services) → API配置(Config)，TypeScript interfaces 类型定义贯穿全链路确保类型安全。
2. "我"的负责模块和结果（量化）
本人作为项目交付负责人主导了完整软件开发生命周期，具体成果：
维度 量化指标
PRD文档 完成3大核心功能模块的需求定义与优先级排序
架构设计 输出50+源文件的文件结构规划、15+API端点设计、数据模型与时序图
代码交付 45个前端源文件 + 12个后端文件，Vite构建通过(exit code 0)
Bug修复 修复运行时崩溃3项、UI白屏2项、配置缺失1项、空壳页面1项
最终状态 MVP版本可运行，Mock模式下核心功能流程完整可演示
3. "我"遇到的难点、坑，和解决方式
难点一：浏览器环境兼容性崩溃
问题：apiConfig.ts 使用 Node.js 的 process.env 访问环境变量，Vite 浏览器产物中 process 不存在，整个 React 应用 ReferenceError 白屏
排查：ErrorBoundary 捕获错误 → 定位 config 文件 → 发现 process is not defined
解决：所有 process.env 替换为 Vite 标准的 import.meta.env 语法
难点二：API端点结构不一致
问题：服务层用 API_CONFIG.ENDPOINTS.RECOGNITION.HISTORY 嵌套访问，原始 config 仅扁平映射，undefined.HISTORY 报错
解决：重构 apiConfig.ts 同时保留扁平映射(ApiEndpoint枚举) 和 嵌套分组(服务层引用) 两套结构，补齐15个缺失端点
难点三：路由配置遗漏
问题：侧边栏导航 /tutorial 但 Router 仅注册 /tutorial/:id，被通配符踢回首页
示例图片视频
相似推荐
基于本地化GUI的AI助手客户端-智语助手
立项背景与目标：
在日常工作与学习中，用户频繁需要获取AI辅助回答，但网页端使用需频繁切换浏览器，效率较低。本项目旨在开发一款轻量级桌面AI助手，提供一键式智能问答体验，降低使用门槛，提升日常信息获取效率。
软件功能：
用户输入问题后，点击提交或回车键，程序自动调用AI模型生成回答，并即时显示在窗口中，支持长文本自动换行。
核心功能模块：
1. 用户输入模块（Entry控件）
2. AI接口调用模块（requests + 智谱AI API）
3. 结果显示模块（Label控件 + 自动换行）
业务流程：
用户输入问题 → 点击提交 → 程序获取输入 → 调用AI接口 → 返回结果 → 窗口显示回答
功能路径：
启动程序 → 输入框输入问题 → 点击“提交”按钮 → 查看AI回答 → 输入框自动清空，等待下一次提问
AI智能体平台-AI智能体
Dify，Ragflow,langraph运行平台。
MCP展示执行平台。
RuoYi应用框架做载体。
SpringCloud alibaba 做微服务支持。实现业务系统智能体在平台运行展示结果。
使用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。用RuoYi框架的权限体系和系统管理，支撑整个平台业务。平台实现API调用和API生成来支持执行和结果展示。
数据在线采集
本项目为产业数据直报系统：
1、管理端（省/市/县区三级监管）和填报端（企业、非经营单位）提供端到端的数字化数据采集、审核、统计与导出能力。
2、系统按报告期（年/季/月）驱动 10 张业务表单的填报，涵盖企业基础档案、种植、生产加工、销售、文旅、税收贸易，以及景气调查问卷（含数字选项码与多选字段）。
3、审核采用三级联审机制，支持企业撤回修改、各角色取回、县区退回需第三方评估等精细化规则。
4、管理端提供按地区维度的仪表盘统计（应填/已填/待审/退回率、部分填报识别）、填报进度追踪（按企业/表单维度）和 Excel 导出（问卷选项码转中文、密码加密、填报端仅导出本单位），形成采集-审核-分析闭环。
动态网页数据抓取爬虫/工具-企业股票行情数据
立项背景与目标：
金融分析用户常需获取股市热门标的名单，但东方财富网数据为动态加载，手动复制效率极低。本项目目标是实现热门股吧榜单的自动化采集，输出结构化数据供后续分析使用。
软件功能：
输入目标接口地址，一键运行即可获取企业名称、股吧代码、行情代码三项核心信息，输出为UTF-8编码的纯文本表格。
核心功能模块：
· 请求模块：模拟浏览器访问API接口
· 解析模块：提取JSON中指定字段
· 存储模块：写入本地TXT文件
业务流程：
用户双击运行脚本→程序自动请求接口→解析返回数据→提取三个字段→生成结果文件到当前目录。
功能路径：
下载脚本→确认网络通畅→双击运行→打开同目录下生成的文本文件查看结果
贵州城市天气数据采集-黔城天气采集工具
立项背景与目标：
当前气象数据获取方式仍以人工查询为主，效率低且难以批量处理。本项目旨在通过自动化手段，实现对目标地区天气信息的快速采集与结构化存储，减少人工重复劳动，提升信息获取效率。
1. 数据采集模块：向目标网页发送请求，获取页面内容。
2. 数据解析模块：定位并提取温度、天气状况等关键字段。
3. 数据存储模块：将提取结果写入本地文件，便于后续查阅或导入其他系统。用户运行脚本 → 程序自动请求目标网页 → 解析天气数据 → 写入本地文件 → 完成采集。功能路径描述：
脚本启动 → HTTP 请求 → HTML 解析 → 字段提取 → 文件写入 → 结束运行
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服