负责整套上位机软件开发，基于QTC++搭建客户端程序，设计复杂分层UI交互界面。采用TCP/UDP协议与下位机设备通信，通过多线程实现异步数据接收，解决大数据并发丢包问题；基于QCustomPlot开发实时波形图表，完成数万测点数据动态展示，集成历史数据存储、回放查询、超限数据分析功能；利用Open

●系统架构设计：主导构建模块化Agent架构，集成视频理解、行为分析、画像建模与LLM决策四大模块，支持实时流式处理与批量更新，系统日均处理视频50W+，用户行为日志2亿+条。●多模态：基于Qwen-VL实现视频帧语义分类，准确率达91.3%（Top-1）；融合YOLOv8（目标检测）、Whispe

（一）基础目标检测功能1.红绿灯状态识别：精准识别红灯、绿灯、黄灯、熄灭故障四种状态，区分机动车红绿灯、行人专属红绿灯，适配不同路口灯型样式。2.多目标精准检测：覆盖红绿灯有效管控区域内所有核心目标，包括机动车（轿车、货车、电动车、摩托车）、行人、非机动车，支持密集人群、车辆拥堵、逆光、弱光、雨天、

功能模块：本系统主要包括以下模块——三维场景展示与交互模块、视频流接入与管理模块、异常行为检测模块、告警信息定位与可视化模块、二维视频与三维模型融合投影模块、历史告警查询与统计模块。主要功能描述：三维场景展示：基于Cesium引擎加载工地倾斜摄影模型或手工建模数据，支持旋转、缩放、测量、图层切换等基

1、功能模块：系统主要包含四大核心模块。一是屏幕视觉感知模块，基于OpenCV和PyTorch实现桌面元素检测与识别；二是任务规划模块，结合大语言模型（LLM）进行任务拆解与决策；三是自动化执行模块，模拟鼠标点击、键盘输入、窗口切换等人机交互操作；四是结果校验模块，对执行结果进行自动验证与异常反馈。

项目包含七大核心功能模块：1.多模态交互模块，支持文本、图片、音视频混合输入识别与问答；2.自然语言处理模块，实现意图识别、文本摘要、语义抽取、对话管理；3.代码生成模块，支持多语言代码编写、调试、重构、项目批量生成；4.长文本理解模块，支持十万字级文档解析、知识库检索、长内容总结对比；5.数学推理

系统覆盖政策、企业、标书三域知识，支持8类业务问题的自然语言问答。核心功能包括：多路语义检索（BGEEmbedding+Milvus）、BM25关键词召回、RRF融合排序、BGEReranker精排、Qwen分层模型答题，以及自研ReActAgent多步推理。支持查询改写、意图路由、流式输出与引用溯

功能模块：系统由Windows屏幕推流、Linux视频源读取、目标球检测、目标锁定、准星偏移计算、鼠标控制策略、UDP通信、Windows鼠标桥接、自动点击保护、可视化调试和配置管理等模块组成。主要功能描述：Windows端实时采集主屏幕并生成HTTPMJPEG视频流，Ubuntu/Linux端使用

系统功能：1、由用户工艺工程师按工艺模板建立工艺执行清单。2、产品进入全自动化输送链前对产品产品编码，绑定对应工艺。3、系统根据产品编码，匹配对应工艺，发送机械人指令，执行生产。4、视觉识别检测产品完成表面品质情况。5、后台大数据系统记录监测产品生产全过程。

1.云图获取模块（downloader.py）：支持Mock模式和真实卫星API双模式切换。Mock模式用OpenCV生成红蓝半图+白云带的合成图像用于开发调试；真实模式通过requests从ZoomEarth/FY-4A等公开接口下载云图，内置指数退避重试（2^n秒）和HTTP4xx/5xx分类处