Spark

项目包含视频接入与解码模块、GStreamer实时推流与处理模块、AI目标检测模块、目标跟踪模块、告警与事件管理模块、设备配置管理模块、Web可视化展示模块等。系统支持多路摄像头/RTSP视频接入，能够在嵌入式设备侧完成图像采集、解码、预处理、目标检测与连续跟踪，并将识别结果、轨迹信息和告警事件实时

代码合并和构建阶段，AIOps就不再只是运行测试脚本，而是充当“风险评估师”的角色。智能代码审查与架构漂移检测：AIAgent不仅检查语法错误，还会结合历史Git提交记录、Jira需求文档和架构规范，自动审查代码的逻辑一致性和潜在安全漏洞。如果发现代码实现偏离了预设架构（如出现循环依赖），它会直接预

1.燃油零售：精准营销与客户留存面对网约车和物流车队的电动化替代，本站今年重点实施了“会员分级运营”策略：车队卡风控升级：针对企业客户（车队卡），上线了“单车限量、限油品、限时段”的智能风控规则。本年度成功拦截异常加油行为30余起，规避了约15万元的潜在套现风险。夜间经济挖掘：针对物流货车夜间进站特

基于科大讯飞平台，独立设计并搭建智能PPT生成Agent。通过编排代码节点与文生图节点，构建从内容理解到视觉呈现的完整工作流。利用提示词工程与异步缓存机制优化响应速度，在代码节点中定义排版规则，实现图文自动布局，保障生成效果统一美观。

1.模块：ｌｌｍ服务动作化，可调用来自任何来源的ｌｌｍ、流式录音与活动音区检查、ａｓｒ引擎、ｔｔｓ引擎、调用服务的ｍｃｐ封装（其中的ｃｖ相关检测对比后处理，等内容也是我的工作成品）、同态文件路径树（自动生成别名）以及状态枚举＋聚焦机制　2.所有模块间构成的总系统采取，事件驱动＋异步并行，达到了极高的

1.支持用户常见问题自动回复，如咨询、查询、引导等场景2.关键词匹配+语义理解双重应答，回答更精准自然3.提供稳定HTTP接口，方便与前端、公众号、网站对接4.支持自定义问答库，可随时新增、修改、删除问答内容5.记录聊天日志，方便后续查看与优化6.异步处理请求，响应速度快，支持多用户同时访问

构建支撑车辆电池/电机健康诊断的全栈AI平台，覆盖向量数据库构建、LLM推理、诊断服务部署、可视化大屏生成全生命周期，核心目标是实现预测性诊断自动化。

本系统基于Caffe深度学习框架，核心功能包括：1.图像预处理模块：通过OpenCV对输入图像进行归一化、降噪等处理，提升模型识别准确率；2.模型推理模块：使用C++实现高效推理，支持批量图片处理与实时摄像头视频流识别；3.结果输出模块：生成分类标签、置信度及可视化标注，支持导出报表；4.数据管理模

1、自研的无监督学习的数学算法来完成异常发现任务。2、寻找某个数学量，并用历史数据计算该数学量的分布，新数值相对于历史分布的离群程度，就可以用来表征异常程度。3、工业情况复杂得多，经常并不能只用简单值就能发现所有异常了，还会用到变化快慢、离散程度等复杂的数学量。4、多维异常程度综合起来，最常用的方法

打造“智慧住建”既是落实国家“互联网+政务服务”的迫切要求，又是“智慧城市”建设的重要内容，更是加快建设“数字中国”的具体举措，加快推进“智慧住建”建设是时代发展的必然。在此背景下，深圳市住房和建设局提出以“智慧住建”为主题，全面开展住建信息化建设，采用新技术（大数据、云计算、BIM、人工智能、5G

AI制图平台集文生图、图生图、草图精绘、风格迁移、智能抠图、超分放大、色彩校正、批量生成、模板套用、在线编辑、图层管理、历史回溯、API接口、SDK嵌入、团队协作、权限管理、商用版权、区块链确权、多端同步、离线缓存于一体，零门槛10秒产出海报、插画、产品图，持续更新模型，降本增效创意无限。

1.src目录-源代码和模型文件main.py:主程序入口，读取测试图像并输出预测结果train_model.py:模型训练脚本requirements.txt:项目依赖包列表rf_model.pkl:训练好的随机森林模型文件scaler.pkl:特征标准化器pca.pkl:PCA降维器2.doc目

软件核心功能介绍这是一个离线训练的推荐系统，根据用户历史行为与特征，生成TopK个个性化推荐商品，并通过接口返回给前端展示。功能模块：•数据与特征服务模块：汇总MySQL的订单表等及埋点统计点击数据；使用SparkSQL生成多维度特征表。•序列建模与RNN召回:把用户购买行为明细加工为时间序列；通过

1.项目具体功能模块（1）人脸识别与考勤模块：含人脸检测与跟踪（基于dlib，每10帧重检平衡性能）、人脸特征管理（导入图片提取特征并本地存储，支持覆盖同名人脸）、打卡考勤（识别注册人脸记录打卡，避免重复打卡，支持记录查询）子模块；（2）颜色检测模块：包含ROI区域控制（WASD移动、QE缩放）、颜

1.知识中心、概念配置、关系配置、多数据源抽取、图谱探索、知识图谱血缘可视化。2.知识融合，融合多源异构知识，通过策略优化提升知识的一致性、准确性和可用性；知识推理，利用逻辑推理技术挖掘知识间的潜在关联，增强系统的语义理解和智能决策能力。3.RAG知识智能问答，构建基于大语言模型（LLM）与知识图谱

登录注册：用户是系统操作者，该功能主要完成系统用户配置。智能分析（同步）：用户输入原始数据及分析诉求点击提交，同步调用大模型生成图表。智能分析（异步）：用户输入原始数据及分析诉求点击提交，采用自定义线程池方式执行任务。提高系统响应速度，优化用户体验。智能分析（MQ模式）：用户输入原始数据及分析诉求，

该项目是我司风控流程的最重要一环，公司所有贷款申请都会经过该系统进行自动审批，自动审批不通过才会打回人工重新审批。我司所有出钱的单子都会经过该系统，如果一旦有不该通过的单子被自动通过了，公司会损失很大，所以该项目责任重大，且经过我们严谨缜密的维护和测试，该系统目前没有一笔单子是审批错误的 我司贷款核心系统接收到贷款审批后，会请求该系统Athena进行模型预测，Athena接收请求并写入kafka异步处理和削峰，消费者消费数据并根据表中配置获取对应处理类去各个系统获取数据源(业务信息、贷款信息、三方征信数据等)，将数据推送kafka，SparkStreaming消费业务数据，加载多种PMML模型文件并生成对应的评估器Evalutor，并根据不同的数据源匹配对应PMML预测模型，对业务数据进行特征工程和模型评估，最终得到一个评估结果(自动通过\人工复审\自动拒绝)，并将结果写入Redis和MySQL，业务系统通过回调请求Athena获取预测结果来判定该笔申请是否自动通过、自动拒绝、人工复审 我负责的内容： 主导了整个架构、模块、交互设计、表结构设计 负责后端Web接口开发、SparkStreaming 模型加载、特征工程和模型预测模块开发 负责整个测试、uat、生产环境的应用部署，大数据集群环境搭建