Spark

目前已完成第一阶段的多智能体内核：1.异步运行时：多个Agent的进程式生命周期管理，支持消息投递、等待、中止、关闭与恢复；2.Agent循环：LLM抽象、工具执行、钩子、事件、重试、安全标记和提示词前缀漂移检测；3.声明式Agent清单与目录，内置编排者、规划者、探索者、执行者四种角色；声明式团队

系统核心功能：1、使用记录采集与脱敏：自动记录模型输入输出，对敏感信息脱敏后入库，形成使用日志库；2、经验自动总结：定时任务分析使用记录，自动提炼成功经验与失败教训，生成结构化经验条目；3、临时知识RAG：经验条目存入向量库，模型回答时实时检索相关经验作为上下文，临时生效；4、训练微调固化：对高频复

系统包含以下核心功能：1）文档处理：支持PDF、Word、Markdown、TXT等多种格式文档上传，自动解析文本内容，支持表格和图片提取；2）文本分块：基于语义和长度的智能分块算法，支持自定义分块大小和重叠，保证上下文完整性；3）向量化存储：支持Milvus和FAISS两种向量数据库，可灵活切换，

系统包含以下核心功能：1）ReAct推理循环：基于Reasoning+Acting模式，实现Agent的思考、行动、观察循环，支持复杂任务的自动推理和执行；2）工具调用系统：支持自定义工具注册和调用，包括网络搜索、代码执行、文件操作、API调用等多种工具类型；3）记忆管理：支持短期记忆和长期记忆，基

系统包含以下核心功能：1）多Agent编排：基于LangGraph构建有向图工作流，支持研究Agent、编码Agent、测试Agent、文档Agent等多角色协作，可自定义Agent数量和职责；2）多框架集成：集成LangGraph、AutoGen、CrewAI三大主流多智能体框架，支持灵活切换和混

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

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

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