Apache

平台为多租户、多角色架构，由6个业务服务、4个支撑服务、AI服务与爬虫服务组成，覆盖招投标全流程：代理机构工作台（bidagent）：立项登记、公告编制发布、分包与标段管理、报名资审、专家抽取、开标排期、合同起草、档案归档。标书制作（biddocumentmake）：政府采购与建设工程两套模板，在线

#项目A：AI效能中台（AI测试工作台）AI效能中台:平台包含测试知识库、需求评审师、数据工厂、用例生成、接口测试、UI自动化、性能测试、测试套件、执行历史、测试报告十大模块。支持RAG知识加载、AI辅助需求评审、自动生成测试数据与测试用例；完成接口脚本编排、WebUI回放、服务压测；支持测试用例套

1.多轮智能主循环:意图规划、内容探测、广覆盖检索、立场发现、多辩论收敛,自动决定何时深挖何时终止。2.知识框架沉淀:每轮增量更新话题时间窗、实体、关系、时间线、争议点、子话题与立场分布,并做快照留档。3.多源抓取层:统一编排MediaCrawler子进程(微博/抖音/小红书/B站/快手)、海外X/

实现MCP标准化接口封装、Agent工具调用编排、营销领域RAG知识库、用户意图路由、故障排查SOP知识沉淀模块。大模型可调用业务系统接口执行数据查询，自动定位营销类业务故障并且输出完整排查结论，高频常见问题能够实现自助式处理，减少研发人员人工介入。

25名AI员工全场景在线，18个主流大模型智能路由——平台按任务特点自动分配最合适的模型，效果与成本兼顾。多模态创作一站完成：AI视频生成、3D模型生成、AI美图、智能配音、图文检索、视频剪辑，全部内置，无需在多个工具之间来回切换。

平台包含企业AI智能体、微信客服接入、企业微信协同、问题闭环管理、知识库管理和服务器运维六大模块。支持多知识源检索问答、客户消息自动处理、低质量回答与点踩自动建单、问题分类跟进、会话上下文查看、人工标准答案审核、知识库增量同步、历史工单归档恢复、任务失败重试及运行状态监控，实现“发现问题—人工处理—

在机器学习金融时间序列研究中，若只依赖于股价回归训练，模型容易吸收复权制度差异与短期交易噪声，使得事件信息含量与制度性尺度变化难以区分，导致回测失真；因为股价本身并不是时间序列，而是由事件驱动而导致的连锁反应。为了研究事件对股票市场的连锁反应的主要因素，以及什么方法更能捕获事件对股票市场的驱动能力，

项目提供从需求描述到应用上线的完整闭环，主要功能模块包括：对话式应用生成：支持「创意模式」与「应用模式」双模生成，配合场景标签、视觉风格选择器与示例提示词，降低用户表达门槛；创意成果可一键转为正式应用继续迭代。流式对话与生成过程可视化：基于SSE的流式输出，配合Agent执行时间线展示生成步骤、文件

1.批量数据导入模块：支持单文件及多文件批量导入，兼容.xlsx、.xls、CSV三种主流数据格式，可自动识别逆变器编号、当日发电量、累计发电量、辐照量、设备运行时长、故障告警次数等6类核心字段。内置主流逆变器厂家的表头映射规则，可自动对齐华为、阳光电源、锦浪等不同品牌设备的导出表格列序，无需人工手

题库与内容管理支持多级技术分类与按职业筛选；题目浏览、详情、搜索；用户可保存草稿、提交发布、修改内容；后台/移动管理台完成审核通过、驳回、强制下架；支持分类建议提交与运营处理。互动与学习支持点赞、收藏及收藏夹管理；记录刷题浏览历史，提供本周刷题排行；支持面试速记记录与知识点标签；支持评论及评论治理。

本项目是一个面向学术研究人员与网络工程师的下一代网络传输算法研究平台，主要包含六大功能模块：学术级实验流程模块：提供符合IEEE/ACMToN等顶刊标准的实验工作流模板，确保实验的可复现性与权威性；自适应估计算法模块：实现了自适应卡尔曼滤波器等多种动态估计算法，支持滑动窗口、突发阈值检测与自适应噪声

Ozon商品证据采集通过浏览器桥接采集原商品页面保存标题、属性、图片、包装等客观资料支持失败重试、重新采集和替换选品1688供应商采集采集供应商商品、规格、价格和包装信息支持人工打开页面补采供应商缺失时只阻塞对应商品真实SKU锁定按颜色、尺寸、套装、数量锁定准确SKU唯一SKU可以直接锁定SKU歧义

1.可将顶尖销售的话术批量导入系统，为AI回复提供标准、高效的话术内容支撑2.支持销售手动对客户进行标签分类、分层管理，灵活调整客户的分组与属性3.可针对指定客户群体、标签分组，精准推送消息内容，避免无效群发打扰4.自动检测聊天内容中的违规、敏感词汇，进行脱敏处理，规避企业微信使用风险5.客户发送链

摄像机放在斯诺克桌子正上方的灯中间，用一台小型工控机，一拖二进行ai识别球识别，识别球号，跟踪球体运动轨迹，碰撞球判定，进球判定，最后依照斯诺克的规则进行计分

本项目包含七大功能模块：1、任务执行引擎：LLM工具调用循环，集成16个工具（计算、时间、GitHub搜索、网页浏览、文档检索、文件读写等），Agent自主规划并执行任务2、知识库问答：RAG混合检索（LLM查询扩展+RRF排名融合），回答带来源引用，有效降低幻觉3、双记忆层：mem0语义记忆（向量

智能中枢与Agent多步执行一句话办事：用户只需输入模糊指令（如"帮我规划明天的行程并查一下天气"），内置的Agent多步推理引擎会自动拆解任务，依次调用天气API、日历服务及地图接口，最终生成完整的行动建议。主动提醒与待办：不同于被动响应，系统能根据上下文主动推送重要事项，实现从"人找事"到"事找

基于知识库的跨境电商开店问答AI助手，用户输入问题，系统优先搜索知识库的问答，如果有就AI优化输出，去除AI回答幻觉，保证数据可靠，如果没有，AI基于跨境电商开店专家人设回答。演示视频地址：https://khsj.cn/xmmv31i15ktotfj视频播放不清晰的，点击下面三个点，视频播放质量，

本项目是一套面向涉密场景的本地化RAG知识库及智能问答系统，主要包含以下功能模块：1）文档管理模块：支持对涉密文档（PDF、Word、扫描件等）的上传、解析、分块与向量化处理，实现知识的结构化入库。2）知识库检索模块：基于本地部署的向量数据库，结合BM25与向量相似度的混合检索策略，精准召回相关文档

带领团队基于Olist电商数据集（约9.5万条已交付订单）搭建端到端机器学习流程，预测订单延迟配送并分析其对客户满意度的影响。完成多表数据整合与特征工程，结合订单、客户、卖家、支付、评价及地理信息构建物流特征与卖家历史表现特征。设计基于时间顺序的滚动统计特征，避免数据泄漏，并使用时间划分方式完成训练

智慧监督平台采用前后端分离开发框架，具备统一性、可扩展性、安全性等优势，核心功能模块如下：智能数据抽取与融合。自动采集各业务系统中的发票、单据、合同等多源异构数据，打破数据壁垒，实现监督数据的统一汇集与标准化处理，为后续分析提供高质量数据基础。多维度风险预警。依托机器学习、自然语言处理、算法优化等技