业务和功能介绍
核心技术架构
1. 平台接入层
框架：NoneBot2 + OneBot V11
QQ 接入：NapCatQQ（最终方案，解决了登录风控问题）
放弃过的方案：go-cqhttp（风控）、Lagrange（签名失效）
2. 对话大脑层（分层人格引擎）
消息处理优先级从高到低：
经典梗硬匹配库（关键词直接返回）
system_prompt.txt（基础人设提示词，v9 版本，经过多轮优化）
人格规则检索（traits/styles/behaviors 三个 JSON，语义匹配触发）
直播记忆 RAG（80+ 条场景化陈述，智谱 Embedding + 余弦相似度）
用户短期记忆（最近 3 轮对话）+ 长期记忆系统
3. 记忆系统
短期记忆：记录最近 3 轮对话（6 条消息），解决借口一致性问题
长期记忆：MemGPT 风格的增量更新机制，为每位用户维护独立记忆卡，包含印象标签、用户事实、自我披露记录、关系等级。关系等级随互动次数自动升级（stranger → acquaintance → familiar → close），动态调整 AI 的括号频率、心虚频率和防御姿态
4. 人格数据层
system_prompt.txt：从真实数据反写蒸馏，经过 v1-v9 九轮迭代优化
三个 JSON 文件（traits/styles/behaviors）：由 analyze_persona.py 从场景化陈述中自动提取
80+ 条场景化陈述：覆盖日常喜剧、深夜脆弱、童年友情、家庭关系、粉丝互动、同事社交、情感经历等维度
5. 数据流水线
语音转写：faster-whisper (medium) + 本地 GPU (RTX 4060)
场景化陈述生成：专用提示词，从切片提取结构化第三人称描述
向量化入库：generate_vectors.py → corpus_vectors.json
人格蒸馏：generate_persona.py → 更新 persona/ 下三个 JSON
1. 平台接入层
框架：NoneBot2 + OneBot V11
QQ 接入：NapCatQQ（最终方案，解决了登录风控问题）
放弃过的方案：go-cqhttp（风控）、Lagrange（签名失效）
2. 对话大脑层（分层人格引擎）
消息处理优先级从高到低：
经典梗硬匹配库（关键词直接返回）
system_prompt.txt（基础人设提示词，v9 版本，经过多轮优化）
人格规则检索（traits/styles/behaviors 三个 JSON，语义匹配触发）
直播记忆 RAG（80+ 条场景化陈述，智谱 Embedding + 余弦相似度）
用户短期记忆（最近 3 轮对话）+ 长期记忆系统
3. 记忆系统
短期记忆：记录最近 3 轮对话（6 条消息），解决借口一致性问题
长期记忆：MemGPT 风格的增量更新机制，为每位用户维护独立记忆卡，包含印象标签、用户事实、自我披露记录、关系等级。关系等级随互动次数自动升级（stranger → acquaintance → familiar → close），动态调整 AI 的括号频率、心虚频率和防御姿态
4. 人格数据层
system_prompt.txt：从真实数据反写蒸馏，经过 v1-v9 九轮迭代优化
三个 JSON 文件（traits/styles/behaviors）：由 analyze_persona.py 从场景化陈述中自动提取
80+ 条场景化陈述：覆盖日常喜剧、深夜脆弱、童年友情、家庭关系、粉丝互动、同事社交、情感经历等维度
5. 数据流水线
语音转写：faster-whisper (medium) + 本地 GPU (RTX 4060)
场景化陈述生成：专用提示词，从切片提取结构化第三人称描述
向量化入库：generate_vectors.py → corpus_vectors.json
人格蒸馏：generate_persona.py → 更新 persona/ 下三个 JSON
项目实现
核心技术架构
1. 平台接入层
框架：NoneBot2 + OneBot V11
QQ 接入：NapCatQQ（最终方案，解决了登录风控问题）
放弃过的方案：go-cqhttp（风控）、Lagrange（签名失效）
2. 对话大脑层（分层人格引擎）
消息处理优先级从高到低：
经典梗硬匹配库（关键词直接返回）
system_prompt.txt（基础人设提示词，v9 版本，经过多轮优化）
人格规则检索（traits/styles/behaviors 三个 JSON，语义匹配触发）
直播记忆 RAG（80+ 条场景化陈述，智谱 Embedding + 余弦相似度）
用户短期记忆（最近 3 轮对话）+ 长期记忆系统
3. 记忆系统
短期记忆：记录最近 3 轮对话（6 条消息），解决借口一致性问题
长期记忆：MemGPT 风格的增量更新机制，为每位用户维护独立记忆卡，包含印象标签、用户事实、自我披露记录、关系等级。关系等级随互动次数自动升级（stranger → acquaintance → familiar → close），动态调整 AI 的括号频率、心虚频率和防御姿态
4. 人格数据层
system_prompt.txt：从真实数据反写蒸馏，经过 v1-v9 九轮迭代优化
三个 JSON 文件（traits/styles/behaviors）：由 analyze_persona.py 从场景化陈述中自动提取
80+ 条场景化陈述：覆盖日常喜剧、深夜脆弱、童年友情、家庭关系、粉丝互动、同事社交、情感经历等维度
5. 数据流水线
语音转写：faster-whisper (medium) + 本地 GPU (RTX 4060)
场景化陈述生成：专用提示词，从切片提取结构化第三人称描述
向量化入库：generate_vectors.py → corpus_vectors.json
人格蒸馏：generate_persona.py → 更新 persona/ 下三个 JSON
1. 平台接入层
框架：NoneBot2 + OneBot V11
QQ 接入：NapCatQQ（最终方案，解决了登录风控问题）
放弃过的方案：go-cqhttp（风控）、Lagrange（签名失效）
2. 对话大脑层（分层人格引擎）
消息处理优先级从高到低：
经典梗硬匹配库（关键词直接返回）
system_prompt.txt（基础人设提示词，v9 版本，经过多轮优化）
人格规则检索（traits/styles/behaviors 三个 JSON，语义匹配触发）
直播记忆 RAG（80+ 条场景化陈述，智谱 Embedding + 余弦相似度）
用户短期记忆（最近 3 轮对话）+ 长期记忆系统
3. 记忆系统
短期记忆：记录最近 3 轮对话（6 条消息），解决借口一致性问题
长期记忆：MemGPT 风格的增量更新机制，为每位用户维护独立记忆卡，包含印象标签、用户事实、自我披露记录、关系等级。关系等级随互动次数自动升级（stranger → acquaintance → familiar → close），动态调整 AI 的括号频率、心虚频率和防御姿态
4. 人格数据层
system_prompt.txt：从真实数据反写蒸馏，经过 v1-v9 九轮迭代优化
三个 JSON 文件（traits/styles/behaviors）：由 analyze_persona.py 从场景化陈述中自动提取
80+ 条场景化陈述：覆盖日常喜剧、深夜脆弱、童年友情、家庭关系、粉丝互动、同事社交、情感经历等维度
5. 数据流水线
语音转写：faster-whisper (medium) + 本地 GPU (RTX 4060)
场景化陈述生成：专用提示词，从切片提取结构化第三人称描述
向量化入库：generate_vectors.py → corpus_vectors.json
人格蒸馏：generate_persona.py → 更新 persona/ 下三个 JSON
示例图片视频
相似推荐
供应链管理系统（含商城
本系统是一套覆盖供应链全链条的一体化管理平台，旨在帮助企业实现从采购到交付的全流程数字化协同。
核心功能模块包括：
采购管理：支持采购计划制定、供应商比价、采购订单生成及合同管理，实现从采购需求到订单履约的全过程追踪。
库存控制：涵盖多仓库库存管理、实时库存盘点、库存预警与智能补货建议，支持多仓库间调拨与数据同步，有效降低库存积压成本。
订单处理：支持订单自动分拣、状态追踪与异常预警，实现订单从生成到交付的全生命周期管理，提升订单履约效率。
物流追踪：打通物流接口，实时同步物流状态，支持物流轨迹查询与异常提醒，确保货物交付全程可视可控。
供应商协同：建立供应商准入评估体系，支持供应商绩效评价，实现供应商全生命周期管理。
进销存一体化：打通采购、销售、库存数据壁垒，实现数据实时同步与联动管理，避免信息孤岛。
多客户询报价：支持多客户同时询价、供应商在线报价、比价分析，大幅缩短询报价周期，提升客户响应效率，是系统的一大核心特色功能。
考不倒教学考试平台
（一）学生端：练习与考试
学员登录后可根据年级、教材版本进行日常练习和在线考试。平台内置英语题库，涵盖词汇、语法、阅读、听力、写作等全题型。系统根据学员练习记录和答题数据，智能匹配练习题，实现个性化学习路径。练习完成后系统自动批改并生成详细解析，帮助学员理解错题、巩固知识。
（二）积分激励体系
建立完善的积分奖励机制，学员完成练习或达成学习目标可获得积分，积分可累积并申请提现，将学习成果转化为实际激励，有效提升学员学习主动性与平台粘性，助力机构降低学员流失率、提升续费率。
（三）教师端：制卷与阅卷
教师通过教师端自主制卷，支持从题库中按题型、难度、知识点等多维度筛选题目快速生成试卷。考试结束后在线完成阅卷评分，系统自动统计成绩与班级整体分析。制卷与阅卷效率较传统方式大幅提升。
（四）AI个性化评估与智能匹配
平台内置AI评估引擎，通过深度分析学员练习数据精准识别薄弱知识点。基于评估结果自动匹配推荐针对性练习题，实现“千人千面”的精准练习。教师端同步呈现学情画像，辅助制定精准教学策略，有力支撑续费转化。
AI Harness Platform
AI Harness Platform 是一套面向企业私有化部署的 AI Agent 工程化平台，核心理念为“Model + Harness = Agent”。项目将模型调用、工具调用、知识检索、上下文管理、任务编排、质量评测与运行监控统一到可追踪的执行链路中，解决企业在智能体应用中难以复现、难以审计和难以规模化运维的问题。
平台采用前后端分离架构：前端使用 React、TypeScript、Vite 和 Tailwind 构建管理控制台；后端以 FastAPI、PostgreSQL、Redis、SQLAlchemy、Alembic、Dramatiq 和 asyncio 为核心，负责智能体运行、异步任务调度、数据持久化与事件分发。通过 Docker Compose 支持私有化部署，并配套数据库迁移、恢复验证与发布冒烟测试。
核心运行链路由 Agent 配置、Planner DAG 规划、Executor/ReAct 执行、子智能体并行协作、Tool Call/Model Call、SSE 事件流和状态持久化组成。系统完整记录 Runs、Events、工具与模型调用，使任务执行过程可回放、可定位。知识库模块支持文档版本化、分块检索、检索证据绑定和 Grounding 审计；上下文模块支持长期记忆、作用域隔离、置顶消息、摘要压缩和动态 Token 预算，使长对话 Token 成本降低 42%。
同时，项目实现 MCP/Skills 的注册、版本、权限与审计链路，并建立 Eval Dataset、Eval Case、Eval Run 自动化回归体系。结合 Prometheus、Grafana、Loki、Tempo 和 OpenTelemetry，实现成本、延迟、系统健康度、日志与 Trace 的全链路可观测。通过 Pytest、Vitest、Playwright 及 Compose 冒烟测试保障交付质量，CI 自动化通过率达到 98%。
AI智能台灯机器人
1. 立项背景和目标：传统台灯功能单一，无法满足K12学龄儿童个性化、智能化学习需求，且家长辅导压力大、儿童用眼健康问题突出。本项目旨在设计一款集护眼照明、AI助学、健康管理于一体的智能台灯，从“照明工具”升级为“智能学习伴侣”，目标包括构建低成本高性能硬件系统、实现PID智能调光、集成离线语音与云端AI服务，并通过完整测试验证系统稳定性。
2. 软件功能、核心功能模块介绍：系统划分为五大核心模块——AI智能护眼照明（基于PID闭环控制动态调节色温与亮度）、环境感知与健康提醒（人体在位检测+用眼计时，45分钟多模态提醒）、离线语音交互（LD3320本地指令解析，响应≤0.8s）、远程互联与控制（MQTT连接微信云，支持APP调参、状态查看、OTA升级）、绘本识别与学习辅导（OV2640采集图像，云端OCR识别+语音合成播放）。
3. 业务流程、功能路径描述：以“APP远程调光”为例，用户APP发起调光指令→云端服务器转发并穿透NAT→设备WiFi接收并校验→PID算法计算PWM占空比执行调光→设备实时采集灯光与环境数据封装上报→APP定时拉取状态刷新界面，形成“指令下发-执行-反馈”闭环。绘本识别流程为：摄像头采集图像→预处理提取特征→上传云端AI引擎进行OCR识别与内容匹配→结果合成语音播放，实现低延迟指读。
抖音视频爬取
能爬取抖音用户主页的所有视频。（私自爬取抖音用户主页全部视频存在违规侵权问题，平台协议明令禁止非官方爬虫抓取他人原创视频，侵害创作者著作权与用户数据权益，还会触发账号封禁、民事追责。若需相关素材，应走抖音开放平台合规接口，经创作者授权后调取，仅用于合规学习研究，严禁批量下载、搬运商用。）
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服