某部专业技术干部 AI 考评系统产品系统

一、某部专业技术干部 AI 考评系统
1. 智能化考评业务平台建设
面向专业技术干部调级晋职考评业务，建设覆盖申报、预评审、现场评审、专家评分和投票归档的智能化考评系统。
2. AI 辅助申报与材料审核
支持文字、图片、Word、PDF 等多类型材料录入，通过 OCR、文档解析和 AI Agent 自动提取关键信息。
3. 智能评分与异议复核能力
围绕现场答辩和专家评分流程，系统结合题库、评分标准、作答记录和知识依据生成 AI 辅助评分建议。
4. 知识库与 Agent 智能应用
实现政策制度、人员信息、历史材料和评分规则的联合检索。
5. 全过程追溯与工程化交付
实现任务状态保存、异常恢复、权限控制、操作日志记录和结果归档，建立完整追溯链路。
二、医院脑血管病 AI 诊疗 APP
1. 移动医疗服务平台建设
建设集健康测评、智能问答、导诊咨询、专家服务、医学知识管理和健康报告于一体的移动医疗平台。
2. AI 健康测评与风险分析
实现智能健康测评功能，用户通过文字或表单输入健康信息，根据医学评估规则识别信息缺失和异常情况，并进行动态追问。
3. 医学知识库与智能问答系统
通过文档解析、语义切分、向量检索和知识图谱增强，实现基于 LightRAG 的医学知识检索。
4. 智能导诊与专家服务体系
根据患者症状、历史信息和标准问诊流程进行信息采集，辅助完成科室推荐和就医指导。
5. AI 数字人与医疗数据管理
集成 AI 数字人交互入口，通过语音识别、语音合成和智能问答提升用户交互体验。
6. 项目成果与应用交付
完成移动端、业务后台、AI 服务和云端部署的一体化交付。
项目形成软件著作权《脑血管病诊疗信息服务平台APP[简称:脑管通]V1.0》，并取得《一种MRA图像脑血管狭窄程度智能分级评估模型》相关国家发明专利授权。

一、某部专业技术干部 AI 考评系统
1. 智能化考评业务平台建设
面向专业技术干部调级晋职考评业务，建设覆盖申报、预评审、现场评审、专家评分和投票归档的智能化考评系统。系统采用 C/S+B/S 混合架构，通过 Electron+Vue 实现申报客户端、操作员控制台及现场展示端，通过 Web 端支持专家评分和投票，后端基于 Spring Boot 实现业务流程管理、权限控制和数据协同。
2. AI 辅助申报与材料审核
支持文字、图片、Word、PDF 等多类型材料录入，通过 OCR、文档解析和 AI Agent 自动提取关键信息，生成申报草稿，并根据材料完整性主动提示缺项、发现信息冲突。预评审阶段，系统结合岗位要求、资格条件和制度规则库，对任职时间、成果证明、材料一致性等内容进行智能核验，生成审核依据和待复核问题清单。
3. 智能评分与异议复核能力
围绕现场答辩和专家评分流程，系统结合题库、评分标准、作答记录和知识依据生成 AI 辅助评分建议，展示评分依据、证据来源和扣分原因。针对评分异议，结合语音转写、录音定位、规则查询和材料比对生成复核建议，由专家进行最终确认，保证评分过程公平、透明、可追溯。
4. 知识库与 Agent 智能应用
基于 LangGraph、LangChain、LightRAG、Milvus、Neo4j 构建考评知识库和业务知识图谱，实现政策制度、人员信息、历史材料和评分规则的联合检索。通过 MCP 和 Function Calling 接入材料解析、规则校验、成绩计算、数据导入导出等业务能力，实现 AI 对复杂考评任务的辅助处理。
5. 全过程追溯与工程化交付
实现任务状态保存、异常恢复、权限控制、操作日志记录和结果归档，建立“材料证据—评分规则—AI 建议—人工确认”的完整追溯链路。系统支持局域网部署、多端协同和离线数据流转，完成考

全部独立个人全栈开发。
一、某部专业技术干部 AI 考评系统
1. 负责任务
负责 Electron 客户端、Vue 前端页面、Spring Boot 后端服务以及 Python AI 服务开发。
2. 技术栈、系统架构及实现亮点
采用 C/S+B/S，客户端采用 Electron+Vue，浏览器端采用 Vue ；后端采用 Spring Boot ；Python+FastAPI 负责 AI 能力。
核心技术包括 LangChain、LangGraph、LightRAG、Milvus、Neo4j、MySQL、MCP、Docker 等。
亮点：“AI 辅助 + 业务规则控制 + 人工确认”的智能考评模式。
难点：复杂业务流程与 AI 能力结合、评分规则可靠控制以及 AI 输出可追溯。
二、医院脑血管病 AI 诊疗 APP
1. 负责任务
负责 Flutter 移动端开发，后端及AI 服务建设，基于 Spring Boot 实现用户、业务数据、咨询服务和报告管理；基于 Python+FastAPI 开发Agent。
2. 技术栈、系统架构及实现亮点
项目采用移动端+云服务架构，Flutter/Dart 实现 Android、iOS 跨平台客户端；Spring Boot 提供业务 API 服务；Python+FastAPI 提供 AI Agent、RAG 和智能分析服务；通过 CloudBase Run 完成云端部署。
核心技术包括 LangChain、LangGraph、LightRAG、PostgreSQL、pgvector、MCP、Function Calling 等。
亮点：医疗场景的 AI Agent + 医学知识库应用体系。
难点：医疗场景的数据可靠性、AI 输出安全控制以及复杂业务融合。