项目包含游戏画面识别、状态计算、招式决策、参数更新、对战执行和结果复盘几个模块。系统首先从游戏画面中识别敌人、玩家状态、血量、距离、动作前摇等关键信息，再把这些信息转换成可用于决策的状态特征；决策层根据当前状态选择攻击、闪避、拉开距离、等待窗口等动作，并在多轮尝试后根据失败原因调整策略参数。整体目标

系统包含知识库构建、文档切分、混合检索、精排、答案生成和结果展示几个核心模块。支持导入游戏攻略、社区帖子、Wiki文档等资料，按标题层级和语义边界进行切分；查询时先通过关键词召回和向量召回获取候选内容，再用Reranker对候选文档重排，最后将Top文档拼接为上下文交给大模型生成答案。回答侧强调引用

1.多车间多设备统一数据采集、存储、同步模块；2.AI批量故障识别预警，全车间设备异常统一标记提醒；3.可视化数据看板，实时展示各车间产能、设备运转趋势；4.分级账号权限系统，区分车间操作工、车间主管、工厂管理员数据查看范围；5.月度/季度生产、故障统计报表自动导出，支持Excel本地保存。

1.产线日志数据采集模块，实时读取设备运行参数；2.AI故障识别模块，基于历史故障样本训练识别异常数据；3.自动报表生成，每日导出生产运行、故障统计Excel；4.异常告警提醒，数据超标自动标记推送；5.轻量化后台面板，查看历史故障记录、产线运行趋势。

1.本地RAG知识库模块：导入建材产品参数、价格、材质说明文档，支持语义问答；2.Excel台账解析模块：读取客户订单、库存表格，自动提取商品数据；3.智能报价生成模块：根据客户需求自动组合商品、计算总价，输出标准报价单；4.对话交互模块：客户线上提问自动匹配产品信息，替代人工重复答疑；5.本地轻量

1.X光片智能检测：上传PNG/JPG格式X光片，YOLOv11模型自动识别7个部位并判断正常/骨折，输出置信度2.可视化诊断报告：展示原始影像与AI标注结果，明确标注部位、诊断结论及置信度3.用户角色体系：支持用户、医生、管理员三种角色，管理员可查看统计数据和用户管理4.邮箱验证注册：通过邮箱验证

1.基于BEV（Bird's-EyeView）空间建立三维车道线检测模型，降低透视畸变影响。2.复现BEV-LaneDet网络，并实现ApolloSyntheticDataset数据集训练与验证。3.对比3D-LaneNet、Gen-LaneNet等模型性能，分析不同三维建模方式的检测效果。4.使用

1.针对仅具备slide-level标签的病理全扫描图像（WSI），将肿瘤识别任务建模为多实例学习（MIL）问题2.复现并训练DSMIL双流注意力模型，对比其与传统Pooling方法在正样本稀疏场景下的判别行为差异3.在实例特征提取阶段引入SimCLR自监督预训练，用于缓解ImageNet预训练与病

系统支持伺服使能、位置控制、速度控制、电子齿轮配置、回零控制、编码器读取、状态监测及故障处理，实现运动参数配置、实时位置监控及设备运行状态管理，提高设备运行稳定性。

系统支持USB摄像头及深度相机图像采集，结合视觉算法识别目标物体，通过大语言模型完成语义理解及智能问答，并根据识别结果控制机器人完成导航、动作执行及语音播报。同时支持ROS2节点通信、状态发布、设备管理、日志输出及多模块协同运行，实现机器人整体业务流程闭环。