业务和功能介绍
1. 用户认证与权限模块
- 登录注册 ：支持用户名密码登录、新用户注册
- 密码管理 ：提供忘记密码、管理员重置密码功能
- 黑名单机制 ：可对违规用户进行拉黑处理，保障系统安全
- 操作日志 ：记录所有关键操作行为，便于审计追溯 2. 车辆管理模块
- 车辆档案管理 ：新增、编辑、删除车辆信息，涵盖车牌号、品牌型号、购置信息等
- 车辆审核机制 ：新增车辆需经审核通过后才能正式入库，支持驳回并填写原因
- 数据验证与清洗 ：自动检测无效数据、重复数据，提供一键清洗功能
- 批量导入导出 ：支持 Excel 批量导入车辆数据、导出车辆信息报表
- 智能搜索 ：按车牌号、类型、状态等多条件组合搜索 3. 驾驶员管理模块
- 驾驶员档案 ：维护驾驶员基本信息、准驾车型、所属学院/部门
- 批量管理 ：支持批量导入驾驶员信息
- 信息查询 ：按姓名、工号、部门等条件快速检索 4. 维修保养模块
- 维修记录 ：记录车辆每次维修的时间、项目、费用、维修厂等信息
- 保养管理 ：按保养周期记录定期保养情况
- 历史追溯 ：可查询单车的完整维修保养历史 5. 保险管理模块
- 保险记录 ：录入车辆保险信息，包括保险公司、保单号、有效期
- 到期提醒 ：智能识别即将到期的保险，提前 N 天预警
- 理赔管理 ：记录保险理赔情况 6. 年检管理模块
- 年检记录 ：登记车辆年检信息，包括检测机构、结果、有效期
- 到期预警 ：自动检测即将到期的年检记录 7. 统计分析模块
- 数据看板 ：车辆总数、驾驶员总数、各类型占比等核心指标
- 状态统计 ：按车辆状态（在用、维修、报废）分类统计
- 保险年检统计 ：统计即将到期的保险和年检数量 8. 文件管理模块
- 文件上传 ：支持图片、文档（PDF、Word、Excel）上传
- 文件下载 ：提供安全的文件下载接口，防止路径穿越攻击
- 登录注册 ：支持用户名密码登录、新用户注册
- 密码管理 ：提供忘记密码、管理员重置密码功能
- 黑名单机制 ：可对违规用户进行拉黑处理，保障系统安全
- 操作日志 ：记录所有关键操作行为，便于审计追溯 2. 车辆管理模块
- 车辆档案管理 ：新增、编辑、删除车辆信息，涵盖车牌号、品牌型号、购置信息等
- 车辆审核机制 ：新增车辆需经审核通过后才能正式入库，支持驳回并填写原因
- 数据验证与清洗 ：自动检测无效数据、重复数据，提供一键清洗功能
- 批量导入导出 ：支持 Excel 批量导入车辆数据、导出车辆信息报表
- 智能搜索 ：按车牌号、类型、状态等多条件组合搜索 3. 驾驶员管理模块
- 驾驶员档案 ：维护驾驶员基本信息、准驾车型、所属学院/部门
- 批量管理 ：支持批量导入驾驶员信息
- 信息查询 ：按姓名、工号、部门等条件快速检索 4. 维修保养模块
- 维修记录 ：记录车辆每次维修的时间、项目、费用、维修厂等信息
- 保养管理 ：按保养周期记录定期保养情况
- 历史追溯 ：可查询单车的完整维修保养历史 5. 保险管理模块
- 保险记录 ：录入车辆保险信息，包括保险公司、保单号、有效期
- 到期提醒 ：智能识别即将到期的保险，提前 N 天预警
- 理赔管理 ：记录保险理赔情况 6. 年检管理模块
- 年检记录 ：登记车辆年检信息，包括检测机构、结果、有效期
- 到期预警 ：自动检测即将到期的年检记录 7. 统计分析模块
- 数据看板 ：车辆总数、驾驶员总数、各类型占比等核心指标
- 状态统计 ：按车辆状态（在用、维修、报废）分类统计
- 保险年检统计 ：统计即将到期的保险和年检数量 8. 文件管理模块
- 文件上传 ：支持图片、文档（PDF、Word、Excel）上传
- 文件下载 ：提供安全的文件下载接口，防止路径穿越攻击
项目实现
### 一、整体架构和设计思路
本系统是本人练手开发的车辆管理项目， 仅在本地电脑运行，未部署至云服务器 。项目采用前后端分离的 B/S 架构，后端基于 Spring Boot 框架构建 RESTful API，前端使用 Vue.js 实现响应式界面。后端采用三层架构：Controller 层负责接口接收与响应，Service 层封装业务逻辑，Repository 层基于 Spring Data JPA 实现数据持久化。技术栈包括：Spring Boot + Spring Security + JWT 认证、MySQL 数据库、Apache POI 实现 Excel 导入导出、Java NIO 处理文件上传下载、AOP 切面实现操作日志记录。
### 二、负责模块和结果
1. 文件管理模块 ：实现文件上传和下载接口，支持图片、文档等 10 种格式，通过正则校验和路径规范化双重机制防止路径穿越攻击。
2. 车辆数据验证与清洗模块 ：开发 VehicleValidationService 服务类，实现全量数据校验、单车校验、数据清洗三大功能，识别并清理无效车辆数据 15 条，重复数据 8 条，数据完整率达 98%。
3. 黑名单与操作日志模块 ：实现用户拉黑/解除拉黑功能，通过 @OperationLog 自定义注解 + AOP 切面自动记录操作日志，累计记录操作行为 500+ 条。
4. Excel 批量导入导出 ：基于 Apache POI 实现车辆和驾驶员信息的批量导入导出，支持单次导入 500 条数据，导出报表支持中文字符。
### 三、遇到的难点与解决方案
难点1：文件路径穿越攻击防护
- 问题 ：用户上传文件名可能包含 ../ 等路径穿越字符，导致文件被写入非预期目录。
- 解决方案 ：采用双重校验机制，一是用正则 ^[a-zA-Z0-9\\-_.]+$ 严格校验文件名格式，二是使用 Path.normalize() 规范化路径后，通过 startsWith() 判断最终路径是否在允许的上传目录内。
难点2：Excel 导入的异常处理
- 问题 ：批量导入时可能遇到格式错误、重复数据、空值等情况。
- 解决方案 ：引入预校验机制，导入前先进行数据完整性和合法性检查；采用 UUID 重命名策略避免文件名冲突；使用事务确保数据一致性。
难点3：车辆审核状态流转
- 问题 ：车辆需经过"待审核→已通过/已驳回"的状态流转，逻辑复杂。
- 解决方案 ：在 Service 层封装状态管理逻辑， approveVehicle() 和 rejectVehicle() 方法严格控制状态转换，驳回时必须填写原因，通过 AOP 自动记录审核操作。 这项目是我拿来练手的，只在本地部署过，没有传上过任何服务器，同时学校也采纳过我这个项目并进行过改进
本系统是本人练手开发的车辆管理项目， 仅在本地电脑运行，未部署至云服务器 。项目采用前后端分离的 B/S 架构，后端基于 Spring Boot 框架构建 RESTful API，前端使用 Vue.js 实现响应式界面。后端采用三层架构：Controller 层负责接口接收与响应，Service 层封装业务逻辑，Repository 层基于 Spring Data JPA 实现数据持久化。技术栈包括：Spring Boot + Spring Security + JWT 认证、MySQL 数据库、Apache POI 实现 Excel 导入导出、Java NIO 处理文件上传下载、AOP 切面实现操作日志记录。
### 二、负责模块和结果
1. 文件管理模块 ：实现文件上传和下载接口，支持图片、文档等 10 种格式，通过正则校验和路径规范化双重机制防止路径穿越攻击。
2. 车辆数据验证与清洗模块 ：开发 VehicleValidationService 服务类，实现全量数据校验、单车校验、数据清洗三大功能，识别并清理无效车辆数据 15 条，重复数据 8 条，数据完整率达 98%。
3. 黑名单与操作日志模块 ：实现用户拉黑/解除拉黑功能，通过 @OperationLog 自定义注解 + AOP 切面自动记录操作日志，累计记录操作行为 500+ 条。
4. Excel 批量导入导出 ：基于 Apache POI 实现车辆和驾驶员信息的批量导入导出，支持单次导入 500 条数据，导出报表支持中文字符。
### 三、遇到的难点与解决方案
难点1：文件路径穿越攻击防护
- 问题 ：用户上传文件名可能包含 ../ 等路径穿越字符，导致文件被写入非预期目录。
- 解决方案 ：采用双重校验机制，一是用正则 ^[a-zA-Z0-9\\-_.]+$ 严格校验文件名格式，二是使用 Path.normalize() 规范化路径后，通过 startsWith() 判断最终路径是否在允许的上传目录内。
难点2：Excel 导入的异常处理
- 问题 ：批量导入时可能遇到格式错误、重复数据、空值等情况。
- 解决方案 ：引入预校验机制，导入前先进行数据完整性和合法性检查；采用 UUID 重命名策略避免文件名冲突；使用事务确保数据一致性。
难点3：车辆审核状态流转
- 问题 ：车辆需经过"待审核→已通过/已驳回"的状态流转，逻辑复杂。
- 解决方案 ：在 Service 层封装状态管理逻辑， approveVehicle() 和 rejectVehicle() 方法严格控制状态转换，驳回时必须填写原因，通过 AOP 自动记录审核操作。 这项目是我拿来练手的，只在本地部署过，没有传上过任何服务器，同时学校也采纳过我这个项目并进行过改进
示例图片视频
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