1.使用多模态大模型进行文本提取、数据提取以及数据结构化。2.使用知识库实现商品名称标准化，降低商品管理的复杂度。3.使用成熟的前后端系统为用户提供便捷的操作，允许用户创建多订单任务，允许用户导出对应的表格数据。

一个由GoogleGemini2.5Pro、LlamaIndex和Next.js驱动的先进、可投入生产的企业检索增强生成(RAG)系统。该架构引入了一种能够智能地在本地企业知识库和实时互联网研究之间进行路由的自主ReActAgent。核心功能双路由代理工作流程：一个高级的ReActAgent，智能地

系统包含三大核心模块：1.公众号文章监控模块：支持配置多个公众号文章链接，通过定时任务自动抓取最新文章标题与内容，生成300字以内结构化摘要；2.多账号推送模块：基于OpenClaw微信插件，支持绑定多个微信账号，将新文章按预设规则推送给不同用户；3.去重与异常处理模块：内置标题缓存机制，避免重复推

•通过RAG流程优化，问答准确率提升•实现本地化AI助手的稳定部署与高效运行，降低服务延迟•建立全流程CI/CD体系，提升上线效率

1.多源文档处理流水线：PDF/Word/扫描件/HTML/Markdown统一抽取，扫描件OCR+版面解析+公式表格识别2.三模融合检索：向量召回(Milvus)+知识图谱推理(Neo4j)+全文检索(ES)，结果用Reranker二次排序，召回准确率显著优于单模方案3.知识图谱自动构建：基于LL

1.异步训推架构：训练节点与推理节点解耦，分布式动态经验池，吞吐对比同步架构提升约5x，训练采样无阻塞2.分层决策模型：高层策略网络做战役级规划，底层规则引擎(Drools)做指令落地，二者通过统一状态空间协同3.规则触发优先：检测到强约束关键态势时直接走规则路径绕过RL推理，毫秒级响应4.增量在线

1.行业指引模板库：内置保险/电商/教育/SaaS四大行业200+Guideline模板，开箱即用2.多轮业务办理：能主动追问关键信息（订单号、身份证、问题描述），按业务流程一步步推进，而不是被动应答3.工具调用：对接企业CRM、工单系统、订单系统，实时查询/创建工单/发起退款/转人工4.智能转人工

1.四层记忆模型（借鉴认知心理学Tulving分类）：·工作记忆：当前对话窗口·情景记忆：历史会话片段，向量召回·语义记忆：事实知识、用户画像，结构化存储·程序记忆：成功经验、决策模板，参数化复用2.智能写入触发：基于消息特征+决策结果双因子判断哪些值得记忆，避免无脑写入3.六大召回能力：相似度召回

1.双层消息分发：主群路由模式（路由Agent基于LLM+挂起任务表把消息分发到正确团队）+子群广播模式（协作小组内全员可见），并通过共享事实表补偿"路由失聪"问题2.双阶段处理管线：感知-研判-分诊三层快速路径+决策-执行-输出-学习四层深度路径，实现差异化响应，节省LLM调用60%+3.子群协作

主要负责与广西某烟草合作的一个项目，做一个检测工厂内指定区域不可随意乱摆放的功能产品，我主要负责功能的实现与网页搭建，本次主要使用OpenCV进行图像数据(百色烟草提供数据)的处理和增强，其中使用了Retinex的方法很好地改善光线阴影的问题，使用YOLOv8模型进行数据训练，最终得出了一个准确度在