桌面端AI工具-计划官·三视图智能管家（Windows版）
2026-07-30 13:16:06
行业：企业内部管理、生活服务
载体：Windows应用
技术：JSON for Modern C++、C++ Builder、Newtonsoft.Json、Visual Studio Code
业务和功能介绍
一、业务和功能介绍：
立项背景：日常任务管理工具要么太简单（只能打勾），要么太复杂（Notion/Jira级别的学习成本）。计划官解决的是"用说话的方式管理任务"——用户输入一句自然语言，AI自动拆解成结构化任务，同时用三种视角帮用户看清计划的全貌
二、核心功能模块：
1. AI自然语言解析：接入DeepSeek API，用户输入"下周前完成Q3报告，记得找张经理要数据"这类日常表达，AI自动提取任务名、截止时间、备注，结构化存入本地。支持批量操作指令，比如"把采购相关的任务全部标记完成"
2. 三视图切换：事务表（层级树，10级中文标号：壹、一、1、A、a……）、时刻表（按DDL日期分组的时间线视图，逾期标红）、条件图（节点连线依赖图，AND/OR逻辑，实线虚线区分）。三种视图共享同一份数据，任意切换
3. 多表管理：类似Excel的Sheet概念，可以建多个表分别管理不同场景（工作、学习、生活），每个表独立存储，支持新建、切换、重命名、关闭
4. 文件导入：支持Docx和TXT导入，自动检测编码（UTF8/GBK/ANSI），识别已有标号体系直接解析，非结构化文本走AI解析
5. 10级中文标号系统：从"壹、"到"(a)"，完整支持50以内的中文大写数字和26进制字母进位，自动编号、重整序号
6. 日期推进：假期/出差后一键推进所有未完成任务的日期，弹窗询问"延续/修改/合并"，记录处理方式
7. 每日事务：标记为每日事务的任务隔天自动重置为进行中状态
8. 前置依赖：任务间可设置AND/OR前置条件，条件图用实线/虚线+汇聚点可视化展示
三、业务流程：启动程序 -> 设置API Key（首次） -> 在输入框打字描述任务 -> AI解析并自动分配标号、加入事务表 -> 在时刻表查看时间安排 -> 在条件图检查依赖关系 -> 完成后勾选复选框 -> 数据自动保存到本地JSON
立项背景：日常任务管理工具要么太简单（只能打勾），要么太复杂（Notion/Jira级别的学习成本）。计划官解决的是"用说话的方式管理任务"——用户输入一句自然语言，AI自动拆解成结构化任务，同时用三种视角帮用户看清计划的全貌
二、核心功能模块：
1. AI自然语言解析：接入DeepSeek API，用户输入"下周前完成Q3报告，记得找张经理要数据"这类日常表达，AI自动提取任务名、截止时间、备注，结构化存入本地。支持批量操作指令，比如"把采购相关的任务全部标记完成"
2. 三视图切换：事务表（层级树，10级中文标号：壹、一、1、A、a……）、时刻表（按DDL日期分组的时间线视图，逾期标红）、条件图（节点连线依赖图，AND/OR逻辑，实线虚线区分）。三种视图共享同一份数据，任意切换
3. 多表管理：类似Excel的Sheet概念，可以建多个表分别管理不同场景（工作、学习、生活），每个表独立存储，支持新建、切换、重命名、关闭
4. 文件导入：支持Docx和TXT导入，自动检测编码（UTF8/GBK/ANSI），识别已有标号体系直接解析，非结构化文本走AI解析
5. 10级中文标号系统：从"壹、"到"(a)"，完整支持50以内的中文大写数字和26进制字母进位，自动编号、重整序号
6. 日期推进：假期/出差后一键推进所有未完成任务的日期，弹窗询问"延续/修改/合并"，记录处理方式
7. 每日事务：标记为每日事务的任务隔天自动重置为进行中状态
8. 前置依赖：任务间可设置AND/OR前置条件，条件图用实线/虚线+汇聚点可视化展示
三、业务流程：启动程序 -> 设置API Key（首次） -> 在输入框打字描述任务 -> AI解析并自动分配标号、加入事务表 -> 在时刻表查看时间安排 -> 在条件图检查依赖关系 -> 完成后勾选复选框 -> 数据自动保存到本地JSON
项目实现
一、项目实现：
整体架构：Python 3.13 + PyQt6 桌面GUI，采用MVC分层——core层（task_model数据模型、numbering标号引擎、api_client DeepSeek调用、data_manager本地JSON持久化、import_parser导入解析器）和ui层（main_window主窗口、task_view事务表、timeline_view时刻表、dependency_view条件图、dialogs对话框、setup_dialog设置页）。数据存储在exe同目录的tasks.json和config.json中，每次操作后即时写入硬盘。打包用PyInstaller onedir模式，安装包用"EXE存根+ZIP载荷拼接"方案——将打包后的程序目录压缩为ZIP拼接到一个tkinter安装器存根末尾，运行时从自身二进制末尾定位ZIP头（PK\x03\x04）解压到用户指定目录
二、我负责了整个项目从概念到交付，包括数据模型设计、10级标号算法实现、三视图UI开发、DeepSeek API的System Prompt调优（核心难点在于让AI严格遵从标号体系和不擅自补充信息）、JSON结构化输出的容错处理、多编码文件导入（用chardet做自动检测）、日期推进逻辑（v8.0修复了逾期判断以推进日期而非系统时间为准）、以及安装包的自解压方案
三、遇到的主要难点：第一个是API返回的JSON格式不稳定，加了多层try-except和字段缺失补默认值的防御逻辑，同时通过temperature=0.3和明确的结构化输出格式降低不稳定性。第二个是时刻表右栏的层级显示问题——有DDL的父任务下无DDL的子任务在v8.0之前会变成孤儿节点挂在顶层，修复方案是在递归构建树时，遇到有DDL的父任务跳过自身但把子任务挂在祖父节点下。第三个是条件图的布局算法，目前按parent_id层级排列而非按prerequisites拓扑排序，这是已知的待改进项，当前通过节点颜色和连线样式（实线AND/虚线OR）让依赖关系可读。第四个是10级标号的正则解析，特别是中文大写数字"拾壹"到"伍拾"的匹配，用了生成式正则确保准确性。第五个是日期推进后的连锁反应——逾期判断、时刻表高亮、条件图边框颜色都需要传递effective_date，在v8.0中贯穿了五个文件才完全修好
整体架构：Python 3.13 + PyQt6 桌面GUI，采用MVC分层——core层（task_model数据模型、numbering标号引擎、api_client DeepSeek调用、data_manager本地JSON持久化、import_parser导入解析器）和ui层（main_window主窗口、task_view事务表、timeline_view时刻表、dependency_view条件图、dialogs对话框、setup_dialog设置页）。数据存储在exe同目录的tasks.json和config.json中，每次操作后即时写入硬盘。打包用PyInstaller onedir模式，安装包用"EXE存根+ZIP载荷拼接"方案——将打包后的程序目录压缩为ZIP拼接到一个tkinter安装器存根末尾，运行时从自身二进制末尾定位ZIP头（PK\x03\x04）解压到用户指定目录
二、我负责了整个项目从概念到交付，包括数据模型设计、10级标号算法实现、三视图UI开发、DeepSeek API的System Prompt调优（核心难点在于让AI严格遵从标号体系和不擅自补充信息）、JSON结构化输出的容错处理、多编码文件导入（用chardet做自动检测）、日期推进逻辑（v8.0修复了逾期判断以推进日期而非系统时间为准）、以及安装包的自解压方案
三、遇到的主要难点：第一个是API返回的JSON格式不稳定，加了多层try-except和字段缺失补默认值的防御逻辑，同时通过temperature=0.3和明确的结构化输出格式降低不稳定性。第二个是时刻表右栏的层级显示问题——有DDL的父任务下无DDL的子任务在v8.0之前会变成孤儿节点挂在顶层，修复方案是在递归构建树时，遇到有DDL的父任务跳过自身但把子任务挂在祖父节点下。第三个是条件图的布局算法，目前按parent_id层级排列而非按prerequisites拓扑排序，这是已知的待改进项，当前通过节点颜色和连线样式（实线AND/虚线OR）让依赖关系可读。第四个是10级标号的正则解析，特别是中文大写数字"拾壹"到"伍拾"的匹配，用了生成式正则确保准确性。第五个是日期推进后的连锁反应——逾期判断、时刻表高亮、条件图边框颜色都需要传递effective_date，在v8.0中贯穿了五个文件才完全修好
示例图片视频
相似推荐
FCC潜在客户采集工具-FCC客户线索工作台
本项目是一款运行于 Windows 本地环境的 FCC 潜在客户线索采集与管理工具，面向检测认证、销售拓客及市场调研等业务场景。用户可按授权日期、测试机构、产品名称、产品类别和目标地区组合查询 FCC Equipment Authorization Search 公开数据，批量筛选中国大陆、港澳台或海外的潜在企业客户。系统采用多线程抓取与请求间隔控制机制，提高采集效率并降低对目标网站的访问压力。
企业合同全生命周期管理平台
合同模板中心：预置模板 + 字段库 + 条款库，搭积木式在线组装合同
合同创建：模板生成或空白创建，关键条款自动校验
审批流：Flowable 可视化配置，按金额/部门/类型走不同分支
合同执行：通过开发连接器与 U8/NCC/BIP 订单、收付款数据打通，执行进度、开票、回款一屏看清
到期预警、归档借阅、电子台账导出
智能地磅无人值守称重管理系统
对接海康、大华等主流摄像设备，车辆上磅自动识别车牌并抓拍存档
通过串口适配多种磅秤仪表（不同厂商协议差异大，做了协议解析层+算法适配），实时稳定取重
与用友 ERP 及前端商场系统双向对接：车牌、毛重/皮重与订单自动关联，称重完成实时回写 ERP
防作弊设计：红外定位检测车辆是否完全上磅、皮重波动预警、历史曲线比对
磅房大屏看板 + 手机端查询，老板随时随地看当日过磅数据
后端
SpringBoot 后端系统开发、功能迭代、版本升级
UniApp 微信小程序 / H5 开发（政务类、企业管理平台优先突出）
达梦数据库、MySQL 数据库迁移、SQL 优化、存储过程开发
前后端接口联调、Token 单点登录、跨端跳转解决方案
项目采用 SpringBoot + MyBatis 构建后端服务，使用 UniApp 开发跨端微信小程序，通过 RESTful 接口实现前后端数据交互。数据库层面支持 MySQL 与达梦数据库适配，针对政务系统常见的表结构、字段类型、存储过程、事务处理和 SQL 兼容性进行了调整。系统实现了用户登录、权限控制、业务流程管理、数据查询、表单提交、文件上传和操作日志记录等功能。部署方面使用 Nginx 进行反向代理，Linux 服务器发布，并通过 Redis 缓存提升系统访问效率。项目整体结构清晰，代码分层明确，便于后续维护和功能扩展。
ERP
1. 立项背景和目标
企业信息化建设初期，普遍面临数据分散在Excel和独立软件中、部门间信息不同步的困境：销售接单后仓库不知库存、生产计划凭经验排产导致停工待料、财务月底核算时数据对不上。ERP项目的立项目标正是打破这些壁垒，通过统一平台将物流、资金流、信息流全面集成，实现“业财一体化”，让数据从碎片化变为可共享、可追溯的资产，支撑管理层实时决策。
2. 软件功能、核心功能模块介绍
ERP系统通常包含四大核心功能群：
财务管理模块：涵盖总账、应收应付、成本核算与自动报表生成。业务单据（如销售出库）自动生成会计凭证，实现财务与业务实时联动，避免月底对账的繁琐与错误。
供应链管理模块：整合采购、库存、销售全链路。采购侧支持供应商评估与自动请购；库存侧实时监控水位与批次，防止积压或断货；销售侧管理订单与客户信息，并基于库存数据进行可用量承诺。
生产运营模块：包含生产计划（MRP物料需求计划）、车间执行跟踪与质量管理。系统根据销售订单和库存，自动计算物料需求并下发工单，现场通过移动端报工反馈进度，管理者可实时监控产线状态。
人力资源模块：覆盖考勤、薪资自动核算与绩效管理，员工数据与财务模块联动，支持薪酬的准确发放与成本分摊。
3. 业务流程、功能路径描述
以“销售订单驱动生产”这一典型路径为例：销售员录入客户订单 → 系统自动校验成品库存（若不足，触发生产计划模块）→ MRP运算结合BOM（物料清单）与现有库存，自动生成采购建议和生产工单 → 采购模块执行采购，仓库按工单发料 → 车间执行生产并报工 → 完工入库后，系统自动触发财务模块生成应收账款和成本凭证。整个流程数据实时流转，无需人工跨部门传递表格。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服