Spring

智能对话：支持员工通过自然语言描述IT问题，并进行多轮上下文交流。私有知识库问答：支持PDF、Markdown和TXT文档上传、解析、分块、向量化和检索。混合检索：结合语义向量检索和BM25关键词检索，提高专业术语和业务问题的召回效果。知识来源引用：回答携带文档标题和片段来源，降低大模型幻觉。Age

1、多角色协同：覆盖管理者、班主任、科任教师、学生和家长，按学校、任教班级及亲子关系控制数据访问范围。2、德育券与成长激励：维护六大美德及小券体系、进步等级和积分规则，支持编号券生成与打印、扫码发券、大券合成、奖励兑换及流水追溯。3、评价任务与审核：配置评价和挑战任务，支持学生“发光时刻”申报、连续

以"AI智能主理人·睿哥"为核心交互入口的全栈政企智能业务系统，内置四大能力域：①全息智能工作台（AI即入口）：自然语言指挥系统完成43+业务操作——问客户数据、新增企业建档、补充30维度画像、匹配申报项目、生成方案书、批量导入Excel等，全程无需跳转多个菜单。AI以SSE流式响应，每条消息支持复

可视化工作流引擎、Agent对话与技能系统、即梦/Grok多服务商集成、多阶段创作流水线、剪映草稿生成、解说模块，剧本模块、srt生成模块、配音模块，爆款开头模块

系统以统一账号、角色权限和组织结构为基础，连接教学基础数据、课程资源、教材信息、题库考试、成绩评价、知识库和AI助学能力。管理人员可维护学校基础数据和系统配置，教师可组织课程、题库、考试和成绩评价，学生可进行课程学习、在线考试、自主练习、错题复习和智能问答。

一、知识库与文档管理支持创建多个知识库，配置Embedding模型、TopK、相似度阈值。文档支持PDF/Word/TXT/Markdown/CSV上传，后台异步完成Tika解析→Token切片→Qdrant向量化；提供索引状态（待处理/索引中/完成/失败）、分段数量统计，以及文档级启用/禁用RAG

这个项目是一个面向法律知识检索与智能问答的AI应用系统，主要目标是让用户通过自然语言提问，快速获取相关法律条文、案例依据和解释说明，降低普通用户查询法律资料的门槛。系统整体采用RAG检索增强生成架构，先将法律法规、司法解释、案例文书等资料进行清洗、切分和向量化处理，存入知识库；用户提问后，系统会先从

系统围绕智能景点推荐、行程规划、攻略社区三条主线展开。推荐功能基于协同过滤算法，结合内容相似度、热度、质量四因子加权计算推荐分数，用户每次浏览、收藏、评分的行为数据实时入库，持续优化个人画像；新用户触发冷启动策略，优先推送热门景点。行程规划引入LangChainAgent框架，由大语言模型调用景点数

核心功能：1.投稿数据管理：聚合300+编辑邮箱数据库（晋江、起点、番茄等），支持批量导入、分类筛选2.自动化投稿：通过Electron桌面端定时自动发送投稿邮件，支持多账号、多模板、定时调度3.AI智能分析反馈：接入OpenAI/Claude/Gemini多模型，自动分析编辑回复邮件判断是否通过，

项目群核心功能围绕AI智能体展开。其一为“双架构电商辅助决策系统”，包含PythonAI微服务与Java业务后端两大模块。AI服务负责商品销量趋势预测与智能选品建议；业务后端提供商品、订单、用户管理等核心功能，并通过HTTP通信整合AI决策能力。其二为“移动端智能体办公助手”，核心功能是基于Dify