Django

AtlantisWatcherAtlantisWatcher是一个基于FastAPI的Windows远程控制工具，支持关机、重启、定时关机、取消关机、锁屏、注销、命令行执行、屏幕实时预览，并集成系统托盘和开机自启动，支持系统监控、进程管理、文件管理等功能。功能特性系统监控：实时显示CPU、内存、磁盘

这是一个功能较全的博客项目，做的比较早了，涵盖用户后台，积分商城，文章发布及管理，多级评论，积分充值，用户成长等多个功能模块，其中使用了前端方面大量使用了ajax及vue， 后端方面多使用cbv模式以及restful接口编写，管理者后台采用xadmin，并将celery定时任务加入到xadmin管理模块中 采用的是mysql数据库，celery采用的是django封装好了的django-celery 普及评论功能

前后端开发全链程覆盖项目，制作实体关系图、流程说明书、类图、UML图、各类模式演示代码，相当于一本初级软件工程字典，可以让您快速了解软件工程需要了解和使用的技术栈以及开发工具，是初级人员必备的不二之选。

WEX企业互联是基于Django+Vue的产业互联网项目。它为企业提供了数据接口平台、授权访问、数据同步等基础能力。其便捷的扩展安装方式将帮助企业实现多样化的建设愿景，如造设各自的数据中枢、物联网平台、BI、智能调度。其自持的平台接入方式将打造多元化的产业互联网社区生态，如企业间相互发现建立合作的WWEXX平台、产业链全程追溯平台、地区性产业互助互警平台、一站式采购平台。

1. 在线教育平台 2. 包含组织，老师，学生等端 3. 可以发布课程，学习课程，以及在线学习等功能 4. 前后端都有，都由个人开发

无头/API优先：构建移动应用程序、自定义店面、POS、自动化等 可扩展：使用 webhooks、应用程序、元数据和属性构建任何内容 App Store：利用一系列内置集成 GraphQL API：在单个请求中获取许多资源等等 多渠道：每个渠道控制定价、货币、库存、产品等 企业就绪：安全、可扩展且稳定。经过大品牌的实战考验 CMS：内容为王，这就是为什么我们有一个内置的王国 仪表板：用户友好、快速且高效。 （解耦项目仓库） 全球设计多币种、多语言、多仓库、多种！ 订单：订单、发货和退款的综合系统 购物车：高级付款和税收选项，完全控制折扣和促销 支付：灵活的API架构允许集成任何支付方式 SEO：具有让商店吸引更多受众的功能 云：针对使用 Docker 的部署进行了优化

经过长期对Beancount的使用和测试，我发现在日常记账中最烦恼的有以下几点： 由于记录数量太多，若每个记录都以单独条目记录则需要耗费大量时间，若以天为条目进行记账，又会导致条目的颗粒度太大； 我是以周为频率进行记账断言的，对于长期记账来说这个频率未免太频繁； 支出账户没有形成系统的规划，导致记录条目时总是要纠结选用哪个支出账户，且记录后也无法通过FAVA的试算表了解自己的各类支出情况； 针对以上记账痛点，开发出Beancount-Trans用于账单的自动解析。 上传账单，系统会根据定义好的商户和账户自动格式化输出为beancount能识别的文本。当前已支持自动更新至Beancount-Trans-Assets项目，仅支持本地部署用户启用。

ThinkBlog是基于Django开发的简洁博客网站，实现了博客网站的各种常用功能： markdown语法编写博客 博客归档 多分类、多标签建模 增加微博实现 pygments代码高亮 简单易用的文件管理界面，方便上传和加载静态资源 自动定时备份 集成七牛cdn加速 集成多说评论 基于PhantomJS(Docker)爬取动态js实现自定义的评论信息检测，并通过邮件通知 ECharts访问统计图表 基于Celery实现后台任务队列 使用uwsgi+supervisord启动和管理进程

## Amas是什么 Amas是基于大数据平台技术开发的统一监控平台，其特点包括： 1. 全维度监控指标，覆盖从操作系统、中间件、大数据平台(Hadoop/Spark/HBase/Kakfa等)到代码级别 2. 可扩展、自定义的采集框架，支持不同语言(Python/Perl/Shell/...)开发的采集器 3. 基于OpenTSDB/HBase的海量数据存储架构，可快速读写大量监控指标，满足真实生产环境 4. 清新简约的Web界面，功能强大但简单易用 5. 基于Python原生multiprocess和async/await实现的分布式异步告警引擎，可水平扩展系统处理能力 6. 多渠道、可自定义的通知方式(微信/邮件/Slack/API...) 7. 可分组聚合的告警信息，避免海量数据监控场景下的告警风暴 8. 基于Jagger的分布式链路追踪数据提取和展示，历史事件可追溯 9. 可对接基于机器学习的异常检测服务，落地AIOps智能运维 10. 微服务架构，支持docker和docker-compose方式的部署 ## 技术栈 * 编程语言： - (Backend)Python/Go - (Web)Javascript * Web服务： - Vue, ECharts, Webpack - Express(NodeJS) * 后台服务： - HBase, OpenTSDB, MongoDB, Redis - Spark, Kafka... - Jagger, Tornado - Pandas, Scikit-learn - Docker, Swarm

根据用户需求使用AI工具生成可视化图表 项目后端使用django，负责prompt构建，调用AI模型 前端使用Echats生成可视化图表

OpenPicPal是一个用于图片训练和自动分类的开源软件项目。 作为一个Python项目，OpenPicPal基于InceptionV3基础模型，可以在使用者自身准备的图片数据集上训练出需要的图片分类模型，然后基于结果模型进行图片分类。 自主独立完成。

这个项目的产出是一个基于反应模板的相似度搜索产品。这个产品的主要功能是利用先进的算法来识别和搜索在化学反应中使用的各种模板。它可以快速比较不同化合物的结构，并找出它们与已知反应模板的相似之处。这使得化学家和研究人员能够更有效地预测和设计新的化学反应。 项目分工比例如下： 算法开发和数据处理（60%）：这部分工作是项目的核心，涉及开发和优化用于识别和比较化学模板的算法。团队将使用机器学习和人工智能技术来分析大量的化学数据，以提高搜索结果的准确性和相关性。 数据库管理和维护（40%）：为了保证搜索结果的准确性和及时性，需要一个包含大量化学反应模板数据的数据库。这部分工作包括搜集、分类和更新数据库中的信息，确保数据的质量和完整性。