业务和功能介绍
【背景与目标】全球金融市场信息量大、来源分散，人工每天复盘行情和新闻耗时；让大模型直接生成又存在编造事实的风险。目标是做一个完全免费、每天自动运行、结论可追溯的个人投资复盘智能体，形成“交易行情 → 市场事件 → 板块资金轮动 → A股/港股映射 → 机会与风险”的完整分析链，而不是简单汇总新闻。
【核心功能】日报由三个固定模块组成：1. 全球市场交易行情：覆盖标普500、纳斯达克、KOSPI、日经225、台湾加权、恒生、恒生科技、上证、深证、黄金、布伦特原油、美元指数、VIX、美债10年/30年收益率共15个标的，展示昨收、最高、最低、涨跌幅、年初至今；2. 全球金融市场事件：通过RSS抓取美联储、SEC、BIS、CNBC、BBC、FT、SCMP、界面新闻等十余个信源，大模型判断是否影响市场，再按规则评分筛选，按“宏观政策与地缘、市场与资产、公司行业与研报”分类展示，保留来源、时间和原文链接；3. 市场机会与风险：基于前两部分，分析事件影响的产业链、板块资金方向、A股/港股行业映射，并给出重点关注、观察和风险方向。
【业务流程】GitHub Actions工作日定时触发 → 获取行情并识别最新有效交易日 → 采集新闻、去重 → AI批量分析 → 规则评分与事件合并 → 生成机会与风险分析 → 汇总成HTML日报 → Gmail定时发送。
【核心功能】日报由三个固定模块组成：1. 全球市场交易行情：覆盖标普500、纳斯达克、KOSPI、日经225、台湾加权、恒生、恒生科技、上证、深证、黄金、布伦特原油、美元指数、VIX、美债10年/30年收益率共15个标的，展示昨收、最高、最低、涨跌幅、年初至今；2. 全球金融市场事件：通过RSS抓取美联储、SEC、BIS、CNBC、BBC、FT、SCMP、界面新闻等十余个信源，大模型判断是否影响市场，再按规则评分筛选，按“宏观政策与地缘、市场与资产、公司行业与研报”分类展示，保留来源、时间和原文链接；3. 市场机会与风险：基于前两部分，分析事件影响的产业链、板块资金方向、A股/港股行业映射，并给出重点关注、观察和风险方向。
【业务流程】GitHub Actions工作日定时触发 → 获取行情并识别最新有效交易日 → 采集新闻、去重 → AI批量分析 → 规则评分与事件合并 → 生成机会与风险分析 → 汇总成HTML日报 → Gmail定时发送。
项目实现
【整体架构与技术栈】Python编写，按模块拆分：news_data.py负责RSS采集与流程编排，ai_news_analyzer.py调用Groq上的gpt-oss-120b（主）和gpt-oss-20b（备），news_scoring.py做规则评分与筛选，send_email.py生成HTML并通过Gmail SMTP发送；GitHub Actions定时触发，密钥放在GitHub Secrets，不需要服务器，全程免费。
【我负责的部分和结果】我负责需求梳理、PRD、Prompt设计和筛选规则设计，并借助AI编程完成实现，目前新闻事件模块已稳定运行：每天自动抓取约140条新闻，约15分钟完成，压缩成30余条开盘前能读完的事件；每条新闻保留来源和原文链接，AI只总结输入内容，不允许编造。
【难点和解决方案】1. 免费额度限流：每批10条，按Token用量自动冷却；主模型被限流时立即切换备用模型，JSON格式错误则在原模型重试；任意批次最终失败就整次作废，不发布覆盖不全的日报。2. 备用模型会把批次内编号重排，导致校验失败：改为每批内部从1编号，结果再换算回全局编号。3. 同一事件被分到不同批次，无法合并：在一次运行内维护已知事件清单，后续批次复用同一event_id。4. 重要性判断：避免“来源权威就加分”的线性加权，改为影响范围×影响程度的分层查表，来源可信度只用于同档排序，评论类文章降级处理。5. 信源问题：发现CNBC Markets误用了财报源并修正，对经常返回0条的信源逐个核实。6. 调度延迟：对比运行记录发现定时任务实际晚触发近2小时，已调整触发时间并持续观察。
【我负责的部分和结果】我负责需求梳理、PRD、Prompt设计和筛选规则设计，并借助AI编程完成实现，目前新闻事件模块已稳定运行：每天自动抓取约140条新闻，约15分钟完成，压缩成30余条开盘前能读完的事件；每条新闻保留来源和原文链接，AI只总结输入内容，不允许编造。
【难点和解决方案】1. 免费额度限流：每批10条，按Token用量自动冷却；主模型被限流时立即切换备用模型，JSON格式错误则在原模型重试；任意批次最终失败就整次作废，不发布覆盖不全的日报。2. 备用模型会把批次内编号重排，导致校验失败：改为每批内部从1编号，结果再换算回全局编号。3. 同一事件被分到不同批次，无法合并：在一次运行内维护已知事件清单，后续批次复用同一event_id。4. 重要性判断：避免“来源权威就加分”的线性加权，改为影响范围×影响程度的分层查表，来源可信度只用于同档排序，评论类文章降级处理。5. 信源问题：发现CNBC Markets误用了财报源并修正，对经常返回0条的信源逐个核实。6. 调度延迟：对比运行记录发现定时任务实际晚触发近2小时，已调整触发时间并持续观察。
示例图片视频
相似推荐
HIS交付开发
〖医疗信息化开发｜HIS 系统专项〗
多年 HIS 开发经验，熟悉医院科室流程、医保接口对接与数据上报规范。
✅ 擅长：HIS 小模块二次开发、医保接口调试、数据上报格式整理、对账差异定位；
✅ 数据库：SQL Server / Oracle / PostgreSQL，SQL 取数、存储过程调试、查询性能优化；
✅ 可承接：接口排查、报表定制、小功能修复、数据对接。
规范交付，需求文档确认节点，支持平台担保交易。
医疗器械-空气波压力治疗仪
治疗模式控制模块：内置多种物理治疗模式（如连续、间歇、梯度模式），支持按部位（腿部、上肢）自动匹配气压参数。
实时监控与报警：实时展示各个腔体的压力波形及充气状态，具备超压、漏气、设备故障等异常声光报警功能。
医院挂号系统
一、立项背景与目标
医院线下挂号窗口高峰期排队时间长、号源分配不透明、复诊患者往返医院成本高，传统电话预约又存在占线、无凭证、易漏约等问题。本项目立项目标是把预约挂号、候诊提醒、报告查询等高频就医环节整体迁移到微信端，实现"信息多跑路、患者少跑腿"，同时为医院提供号源精细化运营和数据决策能力。
二、软件功能与核心模块
系统包含七大功能模块：
1. 预约挂号：按科室/医生/排班三维度选号，号源池统一管理，支持候补提醒与退改签；
2. 智能导诊：按症状、部位引导患者选择正确科室，降低挂错号比例；
3. 就诊卡绑定与家庭成员管理：支持一人绑定多名家属（含儿童无卡就诊）；
4. 候诊队列提醒：实时展示前方等待人数，到号推送；
5. 报告查询与推送：检验检查报告出单后模板消息主动通知；
6. 在线缴费与退款：诊间费用移动端支付；
7. 医院运营后台：排班管理、号源规则配置、退号风控、运营统计报表。
三、业务流程与功能路径
患者侧路径：关注医院官微 → 实名认证绑卡 → 智能导诊或直接选择科室 → 选择医生与就诊时段 → 在线支付锁定号源 → 就诊当日扫码签到 → 候诊叫号 → 就诊后接收报告推送 → 满意度评价与复诊预约。
管理侧路径：科室维护 → 医生排班 → 号源规则自动生成与定时放号 → 退改签与黑名单风控 → 预约数据统计分析。
健身记录管理工具
一款面向健身爱好者的每日训练记录管理工具。核心解决"训练数据散乱、无法追踪"的问题：支持按日期录入训练明细（部位、动作、重量、次数、组数），自动计算每日训练总容量（重量×组数×次数），历史数据按天分组归档展示，并内置已坚持天数统计。数据本地持久化，刷新不丢失，无需联网即可使用（数据不上云）。
智能审核平台
1. 立项背景和目标
为响应医院高质量发展及医保控费要求，解决传统人工审核效率低、易漏判的痛点，本项目旨在构建一套覆盖“事前-事中-事后”全流程的智能审核系统。目标是规范临床诊疗行为，降低医保违规率，提升病历质控水平与医疗服务质量。
2.系统核心包含三大审核模块与两大底层支撑：
事前审核：对接HIS系统，在医生开单时进行实时规则校验与AI辅助提示，从源头拦截不合理用药与违规收费。
事中审核：对在院患者的医嘱进行动态监控，防范过度医疗，实现过程干预。
事后审核：针对出院病历与结算清单进行终末质控，保障医保结算合规。
AI模型引擎：引入NLP技术提取病历文本特征，结合大模型实现智能审方与推理建议。
智能数据分析：多维度统计违规数据，生成科室/医生画像与趋势看板，辅助管理决策。
3.业务流程：事后部分，患者出院后 开始对病例、遗嘱等信息进行审核，提示出问题和修改部分，辅助完成病案首页和结算清单的书写。对接医保反馈的信息，反馈信息导入后，针对违规信息智能分析，利用模型和政策文件提示词等，从全流程中找到反馈依据，提供给院方，用于反馈。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服