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

目前基于CV视觉匹配实现了对PC版本的QQ经典农场小程序进行自动收菜、自动除草/除虫/浇水、自动种植（测试中）、自动偷菜、自动帮忙除草/除虫/浇水、自动领取每日免费化肥功能，后续计划持续优化丰富CV匹配版本的功能，并计划使用神经网络更加精准及丰富地识别各类图标，丰富功能（种菜、收菜、偷菜、种地等）

熟练掌握3D点云立方体标注、障碍物3D框选、雷达+图像联合标注、行人/车辆/非机动车/交通标识三维标注，熟悉自动驾驶激光雷达场景标注规则，理解点云分层、远近景区分、遮挡判定，可完成3D标注、复检、修正类任务。