MongoDB

项目介绍 silc-client 是一个基于 Vue 3 + TypeScript 构建的现代化前端应用项目。该项目使用了最新的前端技术栈，提供了一个响应式、高性能的用户界面。 技术栈 框架: Vue 3.5.13 (Composition API) 语言: TypeScript 5.8.0 构建工具: Vite 6.2.4 状态管理: Pinia 3.0.2 路由: Vue Router 4.5.0 UI组件库: Element Plus 2.9.9 图表库: ECharts 5.6.0 HTTP客户端: Axios 1.9.0 工具函数: Lodash 4.17.21 日期处理: Day.js 1.11.13 项目特性 ? 基于 Vue 3 Composition API 的现代化开发体验 ? 使用 Element Plus 提供的丰富UI组件 ? 集成 ECharts 支持数据可视化 ? 使用 Pinia 进行状态管理 ?️ Vue Router 实现单页应用路由 ? TypeScript 提供类型安全 ⚡ Vite 提供快速的开发服务器和构建

跨平台前端: 基于 uni-app 和 Vue 3 构建，可编译到 H5、App（iOS/Android）及小程序平台。 现代化后端: 基于 Node.js 和 Express.js 构建的 RESTful API 服务。 数据抓取: 使用 Python 和 Playwright 编写的异步并发爬虫，从目标站点抓取漫画数据。 数据存储: 使用 MongoDB 存储漫画、用户及相关业务数据。 高效缓存与会话: 利用 Redis 进行数据缓存、会话管理、图片代理缓存、验证码存储及 API 速率限制。 用户系统: 包括用户注册、登录、账户管理（修改用户名/密码）、注销账户。 核心功能: 漫画列表、详情、搜索、分类、阅读器、收藏、浏览历史、阅读进度记录。

FinanceSeniorAI 是一个面向金融行业的智能分析平台，核心基于大语言模型（LLM）技术，旨在为金融数据分析、报告生成和智能决策提供高效、智能的自动化解决方案。平台集成了最新的AI大模型能力，实现了对海量金融数据的理解、推理和自动化洞察，助力行业用户实现智能化转型。 核心能力基于通用大语言模型（如GPT、LLM等）深度定制，具备强大的金融知识理解与生成能力。 支持自然语言驱动的金融信息查询、分析与自动化报告生成，大幅提升行业用户工作效率。 模块化设计，便于快速扩展新金融场景和模型能力，具备良好可维护性和可扩展性。

技术方案： 前端采用Vue 3组合式API（语法） 基于Axios实现RESTful API通信 使用Vue Router进行前端路由管理 采用现代CSS布局（Flex/阴影/过渡动画） 实现JWT令牌认证机制 解决的问题： 为后台管理系统提供安全的用户认证解决方案，包含： 用户凭证验证 API请求安全拦截 登录状态持久化 友好的交互反馈（加载状态/错误提示） 快速上手步骤： 安装依赖：npm install axios vue-router 启动后端服务（需确保本地3000端口运行认证服务） 运行前端：npm run dev 使用测试账户登录（需提前在数据库配置） 查看localStorage中的authToken验证认证状态 （建议补充README.md完善环境配置说明）

与团队共同开发了关于组乐队的小程序“Coband”，获得了华南赛区二等奖 。其中负责部署 HTTPS服务器 ，采用 Apache +mysql+PHP+Thinkphp+MongoDB进行后台开发 。采用云开发实现了聊天通信的功能 ，其中解决的关键问题有 mysql和云存储的数据一致性维护、本地缓存历史消息等。

but not just a web project this project will be deployed to linux server at SingSongZepe What is needed for the server in your linux python 3.11(or 3.10 or other version) and its all dependencies as listed below php (dynamic html file) go (to compile the server go file into executable file that can be running on linux) nginx server, and redirect request to the port of 8080, on which port the go server receives requests mongodb server running on port 27017

本项目为首个支持Typst数学公式的OCR模型. 该模型基于TrOCR结构, 包含一个ViT Encoder和一个GPT2 Decoder. 提供了一个Python后端和Vue前端供用户使用. 详细信息见: https://github.com/ParaN3xus/typress

1，【30%】定时任务发送邮件功能，以及前端页面开发，使用了缓存队列推送消费 2，RuoYi 是一个 Java EE 企业级快速开发平台，基于经典技术组合（Spring Boot、Apache Shiro、MyBatis、Thymeleaf、Bootstrap），内置模块如：部门管理、角色用户、菜单及按钮授权、数据权限、系统参数、日志管理、通知公告等。在线定时任务配置；支持集群，支持多数据源，支持分布式事务

集合了对接 mysql/mongodb数据库、 redis缓存与任务队列、 Amazon S3/阿里云OSS文件存储、 代理和识别验证码第三方平台接口等功能 聚集了芯片行业主要的电商平台和知名品牌官网的爬虫 1、提供了芯片行业主流网站(Digikey/Mouser/Arrow/Kynix/datasheet5等)数据采集脚本 2、封装了提取HTML中各种样式table标签数据的通用方法 3、链接了解决各种验证码的第三方平台接口及各种反爬解决案例 4、提供了爬虫脚本通用temp, 可更简洁、快速、清晰开发新spider wechat:rc92217991

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

背景： 一直以来前端UI框架被固定形式占据（受限于传统的UI框架），导致视觉疲劳，在开发一些高度自定义的项目时，往往力不从心； 多设备适配的web优秀项目很少，学习和维护成本较高； 当项目复杂后，在组件需要调用多个 api 时会变得复杂起来，比如需要管理多个 loading 和 error 状态，这会导致产生非常多的 state 声明，还有请求取消、请求竞态等可能存在的问题也容易被忽略； 随着项目复杂，样式的开发与维护变得庞大且臃肿； 意图： 改进背景中提到的问题。 目的： 打造一个完整的，适合web端的良好生态。 C-Shopping的亮点之一是我们采用了一系列先进的技术，包括Next.js、Tailwind CSS、Headless UI、Redux-Toolkit-RTK Query等，为用户提供了极致的性能和体验。不仅注重美观，更追求技术上的卓越。