在日常开发、测试、数据处理和理财场景中，开发者经常需要反复使用一些零碎的小工具，例如集合比较、JSON 格式化、Base64 解码、批量 HTTP 请求、调用 AI 接口等。这类需求大多分散在命令行、网页版工具站或各类客户端中，使用时需要在多个软件之间来回切换，且部分在线工具还存在数据安全与隐私风险。本项目旨在通过一个本地化、零安装、即开即用的桌面端工具集，把高频使用的数据处理、AI 辅助与日常计算能力整合到同一个界面中，让使用者在一个应用里即可完成绝大多数常见的数据处理与辅助决策操作。
1.数据处理工具：内置 5 个子模块 —— 集合比较（A−B / B−A / 并集 / 交集）、数组去重、JSON 格式化与校验、字符串批量加引号加逗号、数据集分片（自定义每片数量自动拆分）。
2.随机选择器：每行输入一个候选项，一键随机抽取，常用于抽奖、随机抽样与决策。
3.文件格式转换：支持将上传的 Excel（.xlsx/.xls）一键转换为 CSV 并直接下载。
4.Base64 转文件：将 Base64 字符串还原为可在线预览/下载的文件（当前支持 PDF）。
5.批量请求接口：通过多线程并发发送 HTTP 请求，支持自定义请求头、请求体 JSON 列表与线程数，并实时输出每条请求的响应日志。
6.AI 对话：对接硅基流动 Qwen/QwQ-32B 模型，支持自定义提问并展示推理过程与回答。
7.AI 作图：对接硅基流动 Kwai-Kolors/Kolors 文生图模型，支持描述生成 1024×1024 图片并提供批量下载。
8.积存金盈亏计算器：输入买入金价、买入金额、买入手续费，自动计算持有克数、总成本、综合保本单价，并提供目标价格盈亏测算与 20 档价格敏感度分析表格。
本项目由本人独立完成，负责从需求梳理、架构设计、模块开发到打包分发的全流程工作。具体承担内容包括：基于 Streamlit 搭建整体页面框架与侧边栏导航，规划八大功能模块的目录结构与注册方式，使用 Python 标准库与 pandas / requests / pyperclip 等第三方库实现每个业务模块，针对 AI 模块对接硅基流动开放接口完成对话与作图功能，使用 PyInstaller + 自定义 .spec 文件完成多平台打包，并整理 README 与 PACKAGING 文档以支持后续分发。技术栈上，前端使用 Streamlit + 自定义 HTML/CSS，后端以 Python 3.11+ 为主，使用 pandas 做表格与数据处理、requests 做 HTTP 调用、pyperclip 做剪贴板操作、PyInstaller 6.5 完成应用打包。
评论