自动化测试

1.基于LangGraph1.2多智能体编排的垂直领域研报分析平台：模拟真实投研团队分工（规划→调研→分析→撰写→审查），从用户提问到结构化研报端到端自动化。2.所有分析标注来源，对事件后续预测分析，包含概率

本项目基于C++实现高性能高并发内存池，主要功能模块包括：三级缓存架构：实现ThreadCache（线程本地无锁分配）、CentralCache（居中按需锁分配）与PageCache（大页内存拆分与回收）。基数树映射优化：基于三层基数树(PageMap)实现无锁PAGE_ID到Span*的快速映射查

独立设计并实现前后端分离的OJ平台，支持C/C++/Java/Python/JS/Go六种语言在线判题•后端基于cpp-httplib库构建API服务，实现请求路由、参数解析、JSON响应•基于自定义Token机制实现无状态鉴权，集成Redis缓存热点数据，MongoDB持久化存储•使用C++实现高

1、场景：个人和小团队的自动化往往从一个Shell脚本起步,随着任务变多逐渐失控，脚本跑到一半挂掉不知道执行到哪一步、重跑会重复做、没有历史记录、想暂停或重试只能去改代码。这个项目要解决的就是"让本地自动化变得可靠、可追溯、可控制"这一真实痛点,面向开发者、运维、使用AIAgent和需要把重复流程自

ayafileio是一个跨平台真异步文件I/O库。Windows用IOCP，Linux用io_uring，macOS用GCD，完全绕过线程池模拟。核心创新是ResultBatcher，解决了C++扩展里的公认难题：I/O完成后怎么高效通知Python的事件循环。传统做法每个完成都跨线程回调一次，高并

一款基于Python开发的开源服务器BMC自动化巡检工具，支持批量采集服务器硬件（CPU、内存、硬盘、电源）状态、远程电源管控、异常告警、自动报表生成，可快速定位硬件故障与兼容性问题，大幅提升运维和测试效率。

●目标：为系统化掌握现代自动化测试技术，独立设计并实现了一套集接口与UI测试于一体的自动化测试框架。该项目旨在解决手动测试效率低下、测试覆盖率不足以及测试报告不直观等痛点。●框架设计：基于Pytest设计测试骨架，利用其fixture管理测试生命周期，实现灵活的测试数据准备和环境清理；利用钩子函数灵

moeai-c 是一个正在开发的轻量级自动化引擎（Linux内核模块），旨在构建“操作系统级 AI 助手”原型，解决日常桌面环境中重复性任务（如文件处理、自动点击、定时操作等）难以灵活组合与扩展的问题。 项目采用 纯 C 实现，强调可控性、模块化与可嵌入能力，已完成任务调度器、基础任务模型与日志系统的 MVP。设计上支持插件机制与未来接入自然语言指令（LLM），计划拓展为“个人工作流编排工具”。 克隆后可直接运行原型，任务通过配置文件定义，适合对自动化开发、AI 系统集成与操作系统底层感兴趣的开发者快速试用与参与协作。