设备作为数据网关枢纽，所有数据先进多通道接收中心、再统一分发转发，包含以下功能模块：1、多通道数据接收中心：最多支持6个底层计算单元并发接入（现场常用1~2通道），TCP+私有协议解析电能质量数据、事件与波形，并对接计量芯片采集电能计量数据；离职前正在构建rpbuf+共享内存的核间通信方式优化传输链

1.用戶在UI點擊broker-master-1的「啟動」2.前端POST/api/clusters/{id}/nodes/{nodeId}/start3.API控制器→應用用例4.應用通過ClusterProviderRegistry選適配器（PSEUDO,ROCKETMQ）5.Pseudo適配器

智能文档检索与问答（RAG）：支持多格式文档上传、解析清洗、切片与向量化入库。用户通过自然语言提问，系统基于向量数据库召回相关上下文，结合大模型生成精准回答。Agent流程与工具调用：面向运维场景，Agent可自主分析用户意图，调用系统工具（如生成磁盘清理、日志分析脚本）完成长程任务。私有化模型调度

系统主要包括图像采集、目标检测、关键点定位、相机标定、PnP位姿求解、坐标系转换、姿态角计算及结果可视化等功能模块。通过YOLO模型完成目标及特征关键点检测，根据相机内参与目标三维几何信息建立二维—三维对应关系，采用PnP算法计算目标相对于相机坐标系的三维位置和旋转姿态，并输出X、Y、Z及姿态角等结

Agent架构设计：甚于LangGraph构建主工作流，铺以Plan-and-Execute策略实现任务分解与动态调度，集成LangChain生态，支持复杂研发任务的目动化编排。务模态与模型管理：设计统的模型接入层，支持本地模型（当前使用Qwen2.5-Coder-7B)及多模态模型的员活切换，实现

系统包含环境建图、自主定位、全局路径规划、局部动态避障及自主巡逻模块。融合激光雷达与惯性传感器数据构建赛场地图，根据目标位置规划行驶路线，并在行进过程中避开动态障碍物；结合回环检测与重定位功能，提高建图质量与定位稳定性，实现机器人全场自主巡逻。

系统包含图像预处理、装甲板检测识别、目标运动预测及实时推理模块。结合传统视觉与深度学习模型，实现敌方机器人装甲板的实时检测与识别；利用卡尔曼滤波进行运动预测补偿，提升复杂光照和运动场景下的识别稳定性，并通过处理流程优化满足机器人实时决策需求。

1.文档管理模块：支持PDF、Word、TXT等多种格式文档上传、文本解析、切片向量化，知识库分类管理。2.AI问答模块：基于向量库检索，结合大模型做增强问答，引用原文出处，支持多轮对话。3.Agent智能流程模块：配置自动化任务链，实现信息提取、表单填写、数据查询、多步骤任务自动执行。4.用户权限

验证核心系统的各项性能指标（ART、TPS、资源使用等情况）是否满足需求，系统在应对各种高可用场景下能够快速恢复正常。(1)通过单交易基准性能测试场景获取系统日常交易基准响应时间；(2)通过单交易负载性能测试验证系统在单交易不同并发情况下的性能表现，确定系统是否存在并发性能问题，及获得系统对单交易的

本次性能测试主要针对需求的内容有：1、涵盖核心业务系统；2、针对以上系统设计单交易基准测试、单交易负载测试、混合容量测试、稳定性测试以及联机批量场景测试、数据库高可用及热点账户等专项测试。