Apache

主要是一个AI小助手，可以为同学提供如下功能：1.查询指定历史朝代的基本概况（含时间跨度、政治制度、经济特征、文化成就）2.查询关键历史事件的背景、经过、影响及历史意义3.查询重要历史人物的生平事迹、历史贡献及相关评价4.解读经典历史史料（如文献片段、文物记载、历史地图）5.查询不同历史时期的习题资

1）RAG知识库：导入PDF/Word/表格，清洗分块、向量化、热更新；2）智能对话：基于企业语料高质量问答，引用原文证据；3）流程自动化/多Agent：创建工单、指派、催办、回写表格/审批；4）工具接入：飞书消息/日历/表单/多维表格、Webhook、第三方API；5）权限与审计：按部门/群组控权

互联网信息推荐算法安全评估平台（http://116.62.162.16/home）是一个面向算法治理与信息安全分析的专业工具。该平台支持从快手、微博、抖音、小红书等多类主流平台进行数据抓取与分析，实现对推荐算法行为的全面监测和量化评估。 平台核心功能包括宏观数据看板、账号群体画像分析、安全指标追踪等，能够精准识别如“诱导控制”和“干扰识别”等算法风险行为，并以可视化方式呈现其变化趋势。它已管理超600万账号、37类群体画像，支撑起对信息传播机制与算法影响的深入洞察。 该平台适用于监管机构、研究单位及平台企业，为其提供算法安全评估、舆论风险预警和治理策略制定方面的数据支持，最终推动推荐算法透明、可信、向善发展。

项目描述：基于大语言模型训练的用于Inventor的画图AI，AI-EDP（Artificial Intelligence Engineering Design Platform）是一款基于Python开发的智能化工程设计平台，通过自主研发的“灵犀1.0”多模态大语言模型，深度融合工程设计全流程（建模→分析→优化→出图→制造），实现从用户需求到生产落地的全链路自动化。 采用技术：模型层：Lingxi-ME-32B v1.0（机械工程领域专项微调）+LoRA v2.0 +DPO v1.2 计算层：PyTorch2.5+CUDA 12.3+OpenMPI 4.2.3+Dask 2024.3.0 工程层：Inventor API 2024 + ANSYS Mechanical APDL 2024 R1 + AutoCAD .NET 项目职责：系统设计，包含需求分析、架构设计、模型设计、提示词设计

随着人脸识别技术在智能安防、金融支付等隐私敏感场景的大规模部署，传统集中式训练模式导致的用户数据泄露风险成为技术发展的主要瓶颈。本文提出一种基于联邦学习与差分隐私的混合架构人脸识别系统。通过构建支持非独立同分布（Non-IID）数据的联邦学习框架，结合动态隐私预算管理策略，在保护用户数据隐私的同时提升模型泛化能力。实验结果表明，在 Olivetti 人脸数据集上，系统在 ε=1.0 的隐私预算下达到 92.3% 的准确率，较传统联邦学习方法提升 4.7%，验证了隐私保护与模型性能的高效平衡。

这是一款面向群众和校内师生的多场景、多身份的体育场馆预约系统。提供了网页端和小程序端的在线预约和在线管理，支持微信支付。系统接入deepseek和通义千问实现了场馆规则咨询、支持快速订场和便捷管理的AI助手。 系统采用前后端分离架构，前端使用Vue3和uni-app框架开发，确保了跨平台的统一体验。后端采用Spring Boot框架，提供稳定可靠的接口服务。系统支持多种场馆类型的预约管理，包括篮球场、羽毛球场、网球场、游泳馆等，并根据不同用户身份（如校内师生、校外人员、VIP会员等）提供差异化的预约权限和收费标准。 系统具备智能推荐功能，可根据用户历史预约记录和场地使用情况，推荐合适的场地和时段。同时，集成了场馆实时监控、智能门禁、在线客服等功能，为用户提供全方位的场馆服务体验。后台管理系统支持灵活的场地排期、收费标准调整、数据统计分析等功能，方便管理人员进行日常运营管理。

一、项目概述​ 项目背景：随着数字化政务的推进，政务工作对高效、准确的公文写作需求日益增长。传统的公文写作方式耗时费力，难以满足快速变化的工作节奏。本项目旨在利用大语言模型前沿技术，构建一个智能政务公文写作系统，为政务工作者提供便捷、智能的写作工具。​ 项目目标：构建一个基于大语言模型的智能政务公文写作系统，具备智能生成、智能改写、一键式排版等功能。系统界面设计简洁，易于中高年龄段、大模型零基础的用户操作使用。​ 二、功能需求​ 智能生成功能：基于专业大语言模型，实现政务公文的一键生成、扩写、续写、润色等功能。​ 智能排版功能：依据《党政机关公文格式》标准，自动完成公文格式排版。​ 增值功能：集成 OCR 识别、智能校对（包括政治性错误、语义错误、敏感词过滤）等功能。​ 三、项目方案​ （一）前端​ 开源编辑器选择与二次开发：挑选一款成熟的开源编辑器，如 TinyMCE 或 CKEditor，根据项目需求进行二次开发，以满足智能政务公文写作的特殊功能要求。​ 工具栏功能扩展：​ 增加 “导入 Word” 功能，方便用户将已有 Word 文档导入系统进行编辑。​ 实现 “导出 Word” 功能，将编辑完成的公文以 Word 格式导出。​ 新增 “AI 助手” 按钮，点击后可调用 AI 相关功能。​ 添加 “OCR 识别” 按钮，用于启动 OCR 识别流程。​ 选中内容工具条功能：​ 当用户选中内容后，弹出工具条，增加 “AI 助手” 选项，下拉菜单中包含 “继续写”“缩写”“扩写”“润色（更正式、更活泼、口语化）” 等功能。​ 选中内容后，工具条增加 “智能校对” 选项，对选中内容进行校对，并提供替换或取消操作。​ OCR 识别功能交互：点击 “OCR 识别” 按钮后，提示用户上传图片。图片上传成功后，系统显示图片中的文字内容，用户可选择部分复制或全部插入到文档中。​ （二）后端​ XHTML 转 Word 接口与数据存储：开发 XHTML 转 Word 接口，将前端编辑完成的内容转换为 Word 格式，并将相关数据保存到数据库，以便后续查询和管理。​ OCR 识别接口：接入成熟的 OCR 识别引擎，如百度 OCR 或腾讯 OCR，开发对应的接口，实现图片文字识别功能。​ AI 功能接口接入：对接专业的大语言模型，如 OpenAI 的 GPT 系列或国内的文心一言、通义千问等，开发 “继续写”“缩写”“扩写”“润色”“智能校对” 等功能接口。​ 四、技术选型​ 前端技术: VUE​ 后端技术：JAVA​ AI 技术：DEEPSEEK和阿里千问