人工智能

前端：原生微信小程序开发，使用微信开发者工具，技术栈为WXML+WXSS+JavaScript，无需额外框架，轻量高效。后端：微信云开发，使用云函数处理业务逻辑，云数据库存储门店数据、菜单数据、用户数据等，云存储存储图片资源，无需单独购买服务器，降低运维成本。页面结构：包含用户端首页（店铺介绍、扫码

1.多轮智能主循环:意图规划、内容探测、广覆盖检索、立场发现、多辩论收敛,自动决定何时深挖何时终止。2.知识框架沉淀:每轮增量更新话题时间窗、实体、关系、时间线、争议点、子话题与立场分布,并做快照留档。3.多源抓取层:统一编排MediaCrawler子进程(微博/抖音/小红书/B站/快手)、海外X/

支持食材识别、菜谱推荐、智能搭配、烹饪步骤生成、营养成分表、营养分析及建议、饮食偏好设置、用餐人数设置、历史记录及收藏等功能，可根据现有食材快速生成可执行的健康菜谱。

·特色功能：主打专属场景模型，如“卸甲”、“回到小时候”、“变老”、“古风”、“未来科技”等主题化模板，将创意门槛降得很低，让普通用户也能轻松生成具有特定风格或叙事感的短视频。

1.新手方案部署：提供AI入门、PyTorchGPU训练、YOLO目标检测、本地大模型推理等预置环境方案。2.项目一键部署：支持导入本地项目、HTTPSGit地址以及requirements.txt、environment.yml、pyproject.toml、conda-lock等依赖文件。3.智

智慧校园公共区域异常检测系统采用前后端分离架构，后端基于Flask，结合OpenCV、PyTorch深度学习框架开发，前端使用Vue3+Element‑Plus，通过Socket.IO实现消息实时推送，数据库选用SQLite。本项目完成完整业务方案设计：基于YOLOv5进行模型优化，引入CBAM注意

项目核心为AI能力调度，在企业现有系统上快速嫁接升级AI功能。支持分步骤分场景方式接入企业体系之中，AI的价值和成本可见可控。数智化系统投入不用做一锤子买卖。支持本地化模型部署，企业敏感数据安全有保障。打造能持续学习、随业务演进的AI助手，越用越懂你的企业。https://www.aikunpeng

AutoVisibleTeamRouter是一个面向OpenAICodex的多智能体任务路由Skill，用于根据任务复杂度决定由单任务执行，还是组织小型专业协作团队，并减少重复读取上下文和重复实现。项目实现了受限上下文委派、GitWorktree隔离、写入范围控制、独立QA、Exact-SHA验证、

本项目实现六大核心功能：①用户行为实时统计（PV/UV）；②基于ALS模型的个性化商品推荐；③基于朴素贝叶斯的评论情感分析；④负面舆情实时监控与预警；⑤Kafka双Topic解耦行为与评论数据流；⑥Flask+ECharts大屏动态展示实时流量、热门排行、推荐列表、情感分布、预警及吞吐量六大模块。

主要功能模块包括：（1）林业资源数据管理：支持对林地资源、森林资源、野生动植物资源等基础数据进行统一建库与维护，涵盖数据录入、编辑、版本管理与历史追溯，确保资源数据的完整性、准确性与现势性。（2）一张图可视化分析：基于GIS技术整合林业各类空间数据与属性数据，以电子地图形式呈现森林资源分布全貌，支持

1.SCADA数据接入与清洗模块对接水厂SCADA系统，采集原水浊度、进水流量、pH、温度等分钟级运行数据，处理缺失值、异常跳变与停机工况剔除，按时间对齐不同采集频率的数据源，形成建模可用的标准数据集。2.加药量预测模块核心功能。采用"机理模型+数据驱动模型"双轨方案：机理模型依据原水浊度、进水流量

把每周人工盯多源动态→手工汇总→成稿，替换为可留痕、可复跑的自动化周报流水线。核心能力：①多源并行检索+去重交叉核验②来源分级（A/B/C/D归因+URL+取用态留痕）③分级证据表周报模板+缺口声明。适合：需要定期追踪行业动态/竞品/政策且要求"来源可信、非宣称式汇编"的团队

场景分类系统（核心）按使用场景分类：电商客服（催单/售后/安抚）销售成交（逼单/跟进/转化）情感沟通（表白/道歉/挽回）职场沟通（汇报/请求/拒绝）我把话术按“场景”进行结构化，而不是简单堆文本，提高检索效率和用户命中率。?话术内容系统多条话术推荐（不同风格）支持复制/收藏支持关键词搜索⭐个性化功能

主要功能模块?游戏系统关卡挑战（逐级难度递增）答题校验（输入答案判断）提示系统（消耗金币/次数获取提示）错误反馈机制（提示错误原因或引导）?内容系统（重点）字谜题库管理难度分级（简单/中等/困难）题目标签（成语/汉字结构/谐音等）我把题库做了结构化设计，方便后续扩展和运营调整。?激励与经济系统金币奖

基于向量检索+混合检索（Dense+BM25）+LangGraph工作流的企业知识库与业务问答平台。支持文档入库、混合检索、多意图路由、商品合规评估、QA沉淀、多工作流入工审批、千人级并发部署、成本与SLA监控。

PDF结构化解析与章语义分块：采用PyMuPDF+pdfplumber构建多模态版面解析引擎，针对论文双栏布局 实施阅读顺序纠正与表格结构化（转化为结构化Markdown）；落地Parent-Child语义分块策略（小块用于高 精度向量检索，大块用于上下文增强），超长表格按40行动态分片并强绑定表头

半导体AOI能识别多种缺陷，比如：晶圆表面的划痕、污点、颗粒和微裂纹；光刻环节的线路偏移、图形残缺、光刻胶残留；蚀刻环节的针孔、短路；封装环节的焊球虚焊、引线偏移或断裂；以及芯片成品的引脚变形、打码模糊等

本系统基于机器视觉与深度学习算法，实现产品表面缺陷的自动检测与分类。核心功能：-缺陷精准识别：快速检测划痕、凹坑、脏污、毛刺、色差、异物等常见表面缺陷，识别准确率高-实时在线检测：支持高速产线毫秒级实时检测，无缝对接生产线，不影响生产效率-智能分类定级：自动判定缺陷等级（轻微/严重/报废），支持不良

面向业务人员的多智能体数据分析平台·用自然语言对话即可查询、分析与可视化企业数据?多智能体协作架构（Hermes模式）：编排Agent+专家Worker（Schema/SQLCoder/Security/Analyst/Reporter/RAG/Misc），自动意图路由与任务分解。?自然语言对话式分

系统包含客户发现、线索筛选、AI销售助手、自动跟进、审批中心、客户会话、报价订单及销售数据分析等模块。支持从公开渠道发现潜在客户，通过AI判断需求匹配度和客户价值，自动整理客户信息及需求证据；根据不同客户生成个性化首次沟通内容，并通过人工审批后执行触达。系统可持续监控客户回复，根据上下文进行多轮销售