程序聚合 软件案例 灵活用工人才智能匹配平台

灵活用工人才智能匹配平台

2026-08-19 17:30:56
行业:生活服务、人工智能
载体:小程序
技术:Java、TypeScript、React、PL/pgSQL

业务和功能介绍

传统家政、维修、陪护等本地生活服务存在三大痛点:

需求表达成本高——用户不会用结构化表单填需求,习惯口语化描述("周末家里空调坏了想找个师傅来修")。
供需匹配效率低——平台靠人工派单或简单类目检索,匹配慢、准确率低、应急场景响应不及时。
交易链路断裂——沟通靠体外微信、支付靠转账、纠纷无凭证,平台无法沉淀与管控。
本平台用「AI 需求理解 + 智能匹配 + 内置交易闭环」一次性解决上述三点。

后端 21 个业务模块,对外能力覆盖:

智能匹配(核心):NLP 需求解析 → 服务类目识别 → 技能 / 时间 / 预算抽取 → 多因子加权评分(距离、评分、技能、在线、紧急度)→ 候选人排序返回。AI 不可用时自动降级到规则引擎,保证可用性。
用户 / 员工 / 经理 / 管理员:四类角色账号体系,微信登录、手机号、RBAC 权限隔离。
服务类目:两级分类、图标、城市开通状态、智能开关。
订单中心:待支付 → 已接单 → 服务中 → 完成 / 售后 / 取消 全状态机 + 状态时间线 + 超时自动取消。
支付:微信支付预下单、回调对账、支付倒计时、退款 / 维权联动。
即时通讯:基于腾讯云 IM 的会话、消息、未读、订单 / 地址 / 时间卡片快捷发送。
售后维权 / 评价 / 反馈:工单流转、星级 + 标签评价、图片证据、客服闭环。
会员:月 / 季 / 年卡套餐、折扣权益。
运营后台:仪表盘(今日订单 / 营收 / 活跃)、员工 / 订单 / 类目 / 城市 / 财务 / 维权 / 反馈全量管理 + 图表看板。
小程序端覆盖 18+ 核心页面(首页 AI 输入、服务分类、需求确认、AI 匹配结果、订单列表 / 详情、支付、员工详情、我的、地址、消息、评价、售后、反馈、会员、收藏、设置),并统一了骨架屏 / 空状态 / 错误状态等体验规范;员工端与经理端独立工作台(接单开关、订单履约时间线、团队看板)。

项目实现

我负责整体架构与核心模块开发。架构上采用 pnpm+Turborepo Monorepo,包含 NestJS API、Taro 三端小程序(用户/员工/经理)、Umi Max 管理后台及 shared-types/utils 公共包。后端基于 NestJS 11+TypeScript+Prisma 6+PostgreSQL 15,实现 JWT+RBAC 四角色权限、21 个业务模块(智能匹配、订单、支付、IM、售后、会员等)。

AI 智能匹配是核心难点:先用通义千问大模型把口语化需求解析成服务类型、技能、时间、预算等结构化字段,再经自研规则评分引擎(距离衰减、评分、技能匹配、在线状态、紧急度加权)排序返回候选人;LLM 超时或失败时自动降级到纯规则引擎,兼顾智能化与生产稳定性。引擎内部按解析、抽取、评分、策略解耦,便于单独调优和单测。

小程序端用 Taro 4+React 18 一套代码编译微信小程序与 H5,通过路由与状态区分用户、员工、第三方经理三端身份,复用组件与设计规范,显著降低多端维护成本。支付接入微信支付,IM 接入腾讯云 IM,文件存储使用 Supabase,并配置 PostgreSQL RLS 行级安全策略防止跨角色数据越权。

工程化方面使用 Docker Compose 一键拉起全栈,Railway 实现 CI/CD,Playwright 覆盖移动端、桌面端、响应式、API 健康与视觉回归测试。最终形成从需求理解、智能匹配、下单、支付、沟通、评价到售后维权的一体化灵活用工 SaaS 平台。

示例图片视频


steven
30天前活跃
方向: 人工智能-AI应用开发、后端-Python、
交付率:100.00%
相似推荐
H5麻将(3D版)
本方案以 H5 技术结合 3D 渲染引擎打造麻将游戏前端,无需下载安装,浏览器内即开即玩,呈现立体生动的牌局画面与流畅交互体验,适配多类设备。后端采用 C 语言开发高性能服务端,凭借底层执行效率与精细内存管理,可稳定承载高并发访问,满足大量玩家同场竞技,保障牌局同步及时、操作响应迅速。整体架构高内聚低耦合,迁移方便,灵活部署于各类服务器与云平台,快速扩容、成本可控,兼顾画质、性能与运维便利。
掼蛋H5版
本方案以 H5 技术打造掼蛋游戏前端,免安装、即点即玩,浏览器内即可流畅开局,适配各类设备,用户体验出色。后端采用 C 语言开发高性能服务端,凭借底层执行效率与内存优化,能够稳定承载高并发访问,满足大量玩家同时在线的对局需求,保证牌局快速同步、响应及时。整体架构高度解耦,迁移方便,可灵活部署于各类服务器与云环境,快速扩容、低成本运维,兼顾稳定性、性能与部署灵活性,是成熟的棋牌平台解决方案。
H5斗地主
本方案采用 H5 技术构建斗地主游戏前端,无需安装客户端,通过浏览器即可随时随地开玩,兼容性强、体验流畅。后端基于 C 语言开发高性能服务端,凭借 C 语言的底层优势与极佳的执行效率,能够稳定支撑大规模并发访问,轻松应对海量玩家同时在线的压力,保证对局稳定、响应迅速。整体架构耦合度低、迁移方便,可灵活部署至多种服务器环境与云平台,实现低成本快速扩展,兼顾用户体验、性能与运维便利性。
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。
H5休闲解压益智游戏(拖拽对齐,单文件纯前端)-拉线解压 KNOT OUT
《拉线解压》(KNOT OUT)是一款纯前端、零后端的 H5 休闲解压益智游戏。核心操作:拖动一根线的控制点,把线的中点精确送入目标环;吸附越准,评级越高(金/银/铜),并触发连击。 功能模块:① 操作与判定——拖拽线并实时吸附判定,按精度分金/银/铜三档(金档才续连击),配连击上行音反馈;② 关卡与难度包络——线数随关卡从 3 递增到 10、吸附窗口逐关收紧(78→48px),目标环视觉与判定窗口一致;③ 风格目标——按关卡轮换「全金档 / 全程无错位 / 由外向内(目标环标 1..N 序号)」,达成即得星;④ 每日挑战——以本地日期为种子的独立关卡,布局与主题由种子确定;⑤ 留痕世界——把逐关评级、星与每日印记,按存档确定性重算成一条「世界路径」;⑥ 音频——音效全部由 Web Audio 实时合成(C 大调音阶),BGM 三首可轮播。 主要功能路径:打开即玩 → 拖线对齐 → 评分/连击 → 过关结算 → 下一关 / 每日挑战 → 世界回顾。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服