覆盖课程咨询/教务规则/政策解读/知识点答疑等8大类场景，问答准确率86%，分流40%人工客服量；学员满意度提升25%，人力成本降低30%。召回命中率从65%提升至91%；50页PDF全异步处理，接口响应从7s降至1.2s，单条问答响应稳定在4s内。通用RAG架构可快速适配企业技术文档、管理制

针对政务数据分散、分析门槛高、报表制作耗时等痛点，旨在打造一套集数据抽取、智能分析与自然语言交互于一体的政务数据看板，赋能管理层精准决策。用户全程通过自然语言、托拉拽图表的方式分析自己想要的数据，报表支持多样化展示。

ABCR是一个研究「AI人格能否被设计、测量和控制」的开源项目，用单案例（N=1）长期实验的方法，研究大模型人格背后的机制。1.三层框架：预训练形成人格的坐标系，后训练设定默认位置并调节表达强度，据此判断哪些人格可以通过提示层稳定塑造。2.迭代式实验流程：边学理论边测试人格，反思「为什么凑效」，做出

核心包含三大模块：1.长效记忆与事件锚定模块：采用RAG架构与自定义的event_id机制，实现多轮对话中上下文的精准检索与时间线对齐，解决AI遗忘痛点。2.防幻觉与事实校验模块：内置严苛的防伪机制，遇到未知数据时强制触发“报错/不知道”指令，杜绝虚假生成。3.跨学科逻辑推演模块：支持多指令约束与复

核心包含三大模块：1.长效记忆与事件锚定模块：采用RAG架构与自定义的event_id机制，实现多轮对话中上下文的精准检索与时间线对齐，解决AI遗忘痛点。2.防幻觉与事实校验模块：内置严苛的防伪机制，遇到未知数据时强制触发“报错/不知道”指令，杜绝虚假生成。3.跨学科逻辑推演模块：支持多指令约束与复

项目由四个Skill模块组成：①收藏视频入口：仅读取元数据，先识别保存意图并给出低打扰的下一步建议；②通用内容分析：抽取代表帧与联系表，输出一句话判断、内容总结、类型、主题和相关IP；③专业视频拆解：完成镜头切分、关键帧、景别/动作/首尾帧、运镜与转场测量，并生成证据帧、制作顺序和提示词骨架；④长视

面向Cursor/ClaudeCode/Codex等Agent的开源Skill：教Agent「真正读视频与社交内容」，而不是只读转发文案。流程为：识别平台→获取本地媒体或公开图文→抽帧/OCR/语音识别→规范化输出→基于画面与语音做理解。支持YouTube、X、Instagram、TikTok、Bi

软件分为播放与字幕两大块。播放能力：自动列出手机本地视频（按时间倒序、带缩略图预览）、手动选文件或加网络链接播放、断点续播、横屏全屏、点按播放/暂停、长按2倍速、深色界面。字幕能力（核心亮点）：无字幕片源一键生成字幕：手机端自动抽取音轨并按停顿切句，调用语音识别得到原文，再按需翻译成中文；双语叠加显

1个可实际运行的前后端分离Web系统，用Maven的"模块化单体+插件注册"思想，实现一条多源情报融合认知链路，一句话概括：把ELINT/RADAR/COMINT/SAT/BRIEF/OSINT等多源数据，在"领域知识（动态本体）+规则约束+大模型推理"三要素下融合成可解释的目标认知，并在地图态势工

1. 前端工程化建设：基于Webpack/Vite完成项目构建改造，落地TreeShaking、按需加载、多环境.env变量配置；沉淀业务通用组件，封装图表、多级嵌套表格、分页等公共能力，提升团队复用效率；规范Git/SVN版本管理，适配多分支并行迭代交付流程。2. 性能优化：开展大数据中后台性能专