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

本系统包含以下核心功能模块：1.智能文档处理模块：支持OCR识别、文档自动分类、合同关键信息提取，可自动解析PDF、Word、图片等多种格式文件；2.智能审批流转模块：基于AI算法实现审批流程智能路由，根据申请内容自动匹配审批人，支持多级审批和条件分支；3.数据报表生成模块：自动采集业务数据，通过A

AI智能客服知识库系统是一套基于大语言模型（LLM）与RAG检索增强技术构建的企业级智能问答平台。系统支持多格式知识文档上传、自动解析与向量化索引，实现企业知识统一管理与智能检索。用户可通过自然语言进行咨询，系统结合知识库内容生成准确回答，并提供答案溯源、会话管理、数据统计等功能，有效提升客户服务效

项目实现了一个完整的AI客服知识库问答系统。管理员可以上传Markdown或TXT格式的产品文档，也可以一键导入示例知识库；系统会自动解析文档、清洗文本、切分知识片段、生成向量并写入数据库。用户在前端输入问题后，系统会检索最相关的知识片段，再调用大模型生成基于资料的回答。回答结果支持引用来源、来源卡

项目主要功能包括“视频辅助核查”、“文本辅助核查”、“视频拉流抽帧”、“模型算法配置”、“设备管理”等，视频辅助核查通过对视频流的抽帧，对抽帧图片进行自动识别，判断是否属于高风险场景，并自动预警。文本辅助核查基于OCR技术，对文件的合规性进行自动识别，并自动预警。

专注AI工具与自动化开发，熟悉HermesAgent、ClaudeCode等AI框架。具备Python全栈开发能力，擅长AI集成、自动化脚本、工作流优化，提升企业研发效率。

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