AI

1、灵犀日记是一款融合认知行为疗法（CBT）的智能情绪管理应用。通过语音记录每日心情，AI将自动解析情绪构成，识别隐藏的"自动思维"模式，并生成可视化报告帮助您洞察情绪根源。 2、在移动端，我们采用 Flutter 框架，一套代码即可部署到 iOS、Android 等多个平台，配合丰富的 UI 组件与高性能渲染，带来原生般的交互体验。 3、引入 Dify 低代码 AI 开发平台和 DeepSeek 大模型，赋予项目智能文本分析、情感识别等 AI 功能。 4、官网端基于 Nuxt.js 框架，通过优化服务器端渲染与静态站点生成，加快页面加载速度，其丰富的插件生态，便于集成各类功能。

项目是面向考编考公的被培训人员，针对他们的需求进行模拟的AI面试，通过学员的回答，经过三步生成对应的报告： 1、根据学员回答的视频（或只语音）通过AI模型，转换成文本 2、根据学员回答的文本，加上题目和参考答案，按照需求组织成上下文，通过AI大模型处理获得批改结果（优点、不足、各项分数等） 3、根据AI批改结果，组织成流程的文字，用模拟老师的声音去转成点评语音 整个报告返回学员查看，这个是核心功能

1.基于tensorflow开发某LED厂芯片检测系统，使用fastapi+MySQL+redis搭建web服务，将算法的模型进行工程化开发，使其 有对外提供检测能力。支持模型的热更新,在不停服不重启容器的情况下,将模型加载到GPU中 2. 基于yolov5/yolov8/pytorch/onnx+fastapi开发某芯片厂封测检测平台, 平台分为三个系统，1.数据处理采集系统，使用多进 程常驻的形式，对元数据进行轮询采集，将数据推入队列，并将推理后的结果写入数据库。 2.推理系统使用fastapi框架搭建，将 算法集成到web服务中，并且支持权重的热更新，对数据系统提供检测的能力。 3.后台系统使用fastapi框架搭建，将数据库中的 数据进行展示，给前端提供接口。 3. 主要用于半导体行业的视觉检测项目

安防或者工业领域或商用考情打卡，人脸检测算法。 人脸检测工程项目旨在开发一套高效精准的人脸识别系统，基于OpenCV、eigenface实现实时人脸定位与特征分析。系统支持图像、视频流及摄像头输入，可适应复杂光照、多角度及遮挡场景，检测准确率达98%以上。通过优化代码，确保在嵌入式设备与服务器端的高效运行。项目集成数据增强、模型训练及可视化界面开发，应用于安防监控、人脸考勤、智能门禁等领域，提供API接口便于二次开发，满足工业级部署需求。

一、目标用户：媒体、翻译公司、翻译从业者、各行各业的翻译岗位（法务、专利、技术、外贸等） 二、解决问题： 1. 根据客户所提供的词汇对照表进行定制翻译及对已有翻译进行勘误 2. 操作简洁，直接输入中文原文/中文+译文/译文，自动触发翻译/勘误/勘误功能。 三、相比于市场常规方案，本方案有哪些特点 1. 自动化，操作简洁，非技术人员快速上手，体验佳 2. 实现简单，1天快速搭建，维护成本低 3. 可扩展性强，低代码调整工作流结构满足定制需求 4. 输出效果好，结构清晰，翻译效果好 四、方案的产品组成或技术选型 扣子智能体、扣子知识库、扣子数据库 向外提供API接口

应用大模型能力，建构各类自动系统。 1.RAG。 2.分析网络应用。 3.机器人训练。 4.自动测试。 5.大模型部署. 大模型（Large-scale Models）是人工智能领域的核心技术突破，通过海量数据训练和参数规模扩展（通常达数十亿至数千亿），实现了对复杂任务的强泛化能力。其核心价值在于从“专用AI”向“通用AI”演进，成为驱动各行业智能化升级的基础设施。 示例：某电商平台部署千亿参数大模型后，商品描述生成效率提升80%，用户点击率提高15%，年节省人工撰写成本超亿元。

项目背景： 响应速度慢——尤其受时差影响，夜间回复滞后，导致用户等待时间长。 重复性问题多——大量用户咨询充值、提现、保证金等基础问题，人工处理效率低。 多语言需求——需支持英语和印地语，以确保不同用户群体的顺畅沟通。 用户金融知识匮乏——印度期货市场75%的用户为散户，对金融概念理解有限，需提供更清晰易懂的解答。 基于上述挑战，我们决定引入智能客服，以提升客服效率、优化用户体验，并有效降低人工客服的压力 实现方案： 模型选择： 主要基于以下考虑： 市场适配性：Llama 2-7B 具备英语+印地语混合优化能力，并专门针对印度金融市场进行微调，能够更好 地满足印度用户的需求。 语言支持：原生支持 Hinglish（印地语 + 英语混合语言）及本地单位换算，降低用户沟通成本。 合规与安全性：可完全本地部署，数据无需出境，避免合规风险。 成本优势：作为开源模型，Llama 2-7B 不需要支付 API 费用，大幅降低长期运营成本 数据准备： 数据采集：整合内部数据（历史客服对话、用户行为日志、投诉工单数据库）、外部数据（印度国家交易所 NSE公告API、Economic Times金融新闻

ps：演示地址由于个人服务器配置较低，且演示视频源来自国外视频流，可能无法一次成功开启视频，如感兴趣，可联系本人进行详细说明及演示。 产品说明： 智能家庭视频守护系统是一个基于AI的视频监测系统，用于接入不同视频源实现定时画面识别检测，目前可实现定时识别画面物体及事件，人脸识别，AI语音对话，风险检测等功能。 基础架构： 服务端：采用 Node.js + Express+Mysql。​ 多媒体处理：利用 ffmpeg 进行音视频处理。​ 实时通信：借助 WebSocket技术实现前后端实时通信。​ 大模型集成：使用 DeepSeek大模型进行对话；集成图像识别大模型（可以自由配置接入不同模型）。​ 前端页面：运用原生 HTML+JS(目前新增了Vue版)。​ 语音交互：基于自研VAD技术实时采集语音，与大模型对话，大模型输出结果后合成语音播放，支持语音打断。可在页面配置唤醒词（如 “你好监控”）进行大模型唤醒。​

# 3D机房管理系统 这是一个使用JavaScript和Three.js实现的3D机房可视化管理系统。该系统提供了一个直观的3D界面，用于监控和管理数据中心的服务器和设备。 ## 功能特点 - 3D机房场景渲染 - 机架和服务器的可视化展示 - 空调系统模拟与冷风效果 - 设备状态监控 - 交互式设备信息查询（点击设备显示详情） ## 技术栈 - HTML5 / CSS3 - JavaScript - Three.js (3D渲染库) ## 使用方法 1. 打开index.html文件在浏览器中运行 2. 使用鼠标进行场景导航： - 左键点击并拖动：旋转视角 - 右键点击并拖动：平移视角 - 滚轮：缩放视角 3. 点击服务器或空调设备查看详细信息 ## 项目结构 ``` datacenter-3d-visualization/ │ ├── index.html # 主HTML入口 ├── css/ │ └── style.css # 样式表 │ ├── js/ │ ├── main.js # 主应

通过该项目用户可快速构建数字人&智能体应用以及可视化AI应用（如AI官网、AI小程序、AI营销、AI工具等），能够以“所想即所得”的方式快速打造高性能个性化AI应用。 我的开发能力： 1. 主导项目规划与技术选型，确保平台架构满足高并发、高稳定性的要求。 2. 负责核心模块开发，包括零代码UI设计器、工作流引擎和向量数据库的集成与优化。 3. 带领团队实现用户通过平台无代码快速构建各类AI应用，如智能APP、小程序和网页。 4. 设计并实施自动售货员客服等数字员工解决方案，提升用户交互体验。 5. 通过持续的功能迭代和性能调优，确保平台能够适应不断变化的市场需求。

社交APP 。门槛付费终身会员，分布式架构 ，支持多包共存，C端代码，管理后台使用VUE 语言开发，覆盖APP内所需的各种配置，使用springboot +mysql+redis+rocketmq+oss+腾讯IM 等组件，AI内容使用通义千问，通义星辰制作，代码都是封装好的，换key 即用，项目中有首页、笔记广场、动态广场、AI助理、实时匹配等模块

一、【面向对象与解决问题】 本系统面向广西壮族自治区医疗保障局，旨在解决以下问题： 1、医保政策咨询和解读效率低下的问题 2、医保基金智能审核和数据分析需求 3、参保人员医保业务办理指导需求 4、医疗服务决策支持和业务指导需求 5、参保人员权益保障和服务咨询需求 二、【方案特点】 相比市场常规方案，本系统具有以下特点： 1、深度思考模式：AI可显示详细思考过程，提高政策解读的可信度 2、多模态交互：支持文本对话、语音交互、扫码识别等多种交互方式 3、智能语音优化：针对医保场景优化的语音识别和合成，支持方言识别 4、多设备适配：支持从400x640到1024x640等多种分辨率设备 5、浏览器兼容：支持Chrome 71等老版本浏览器，确保在各类设备上稳定运行 6、实时数据分析：集成ECharts实现医保基金使用情况的实时监控和可视化 7、安全性保障：支持社保卡、银行卡等安全读取，符合医保系统安全要求 三、【产品组成与技术选型】 系统由以下核心模块组成： 1、智能对话模块：基于Qwen3:14b大模型，提供专业的医保政策咨询 2、语音交互模块：集成Web Speech API和阿里云Da

采用Roberta对本地IMDB数据库进行情感二分类。这段代码定义并训练一个基于RoBERTa的文本分类模型，使用IMDB电影评论数据集进行训练和验证。首先通过IMDBDataset类加载并预处理数据，然后利用DataLoader创建数据加载器。在训练过程中，模型使用AdamW优化器，评估指标包括损失、准确率和召回率。每个训练周期结束后，保存模型权重，并在验证集上评估模型性能。代码还包含进度条显示和种子设置，以确保结果的可重复性。

对图像进行识别并评估图像识别的准确率 1) 对推理的数据集进行分割； 2) 网络分配已分割的数据集； 3) 远程控制推理； a. 初始化推理设备 b. 加载推理模型 c. 数据推理前处理 d. 数据推理 4) 返回推理后的推理结果； 5) 对推理结果进行处理获得FPS值（加速卡每秒钟推理的图片数量，其中推理包括推理前处理、推理及推理后处理三个部分）及推理的精度值；

这是一个基于深度学习的图像真伪识别系统，能够区分真实图像和伪造图像。系统使用PyQt5构建了用户友好的界面，支持图片和视频的实时分析。 支持图片和视频的真伪识别 实时视频分析功能 友好的图形用户界面 多种深度学习模型支持（ResNet50, VGG, DenseNet121等） 结果统计和历史记录功能

项目概述 这是一个基于Flask和深度学习的智能客服助手系统，能够理解自然语言输入并提供相应回答。 功能特性 支持多种问候语和常见问题回答 采用LSTM和Sentence-BERT实现语义理解 支持模糊匹配和自然语言处理 快速开始 安装依赖：pip install -r requirements.txt 启动服务：python app/app.py 访问 http://localhost:5000 使用聊天界面 技术栈 Python 3.x Flask Keras Sentence-Transformers scikit-learn

漫芽糖（绘画）APP是一款以二次元涂色勾线游戏为主要玩法的00后二次元社区APP，也包含了绘画工具。涂色玩法灵感来自涂色绘本《秘密花园》，主要用户群体是00后二次元爱好者。用户能给线稿上色，上色纹理自动生成；上传图片进行勾线，临摹提高；使用应用内置的画笔和工具，创建绘画作品；也可以社区在社区中发表作品，拜师收徒，扩列交友，加入社团等。

moeai-c 是一个正在开发的轻量级自动化引擎（Linux内核模块），旨在构建“操作系统级 AI 助手”原型，解决日常桌面环境中重复性任务（如文件处理、自动点击、定时操作等）难以灵活组合与扩展的问题。 项目采用 纯 C 实现，强调可控性、模块化与可嵌入能力，已完成任务调度器、基础任务模型与日志系统的 MVP。设计上支持插件机制与未来接入自然语言指令（LLM），计划拓展为“个人工作流编排工具”。 克隆后可直接运行原型，任务通过配置文件定义，适合对自动化开发、AI 系统集成与操作系统底层感兴趣的开发者快速试用与参与协作。

1.本项目为AI大模型自然语言界面demo项目 2.本项目旨在使用自然语言界面实现记账功能 3.技术选型为Spring boot 、Spring Data JPA、Spring AI OpenAI、Sqlite、VUE 4.bbd-server为项目模块，需先修改application.yaml配置Sqlite数据库位置，环境变量配置DOUBAO_API_KEY设置为豆包大模型的KEY（或者其他任何兼容OpenAI API的大模型平台均可）

1、使用开源框架实现AI对话功能，快速且成本低，且后续能够针对性优化改进 2、通过对接各大AI平台的接口，实现对话、文生图等功能 3、包含网页端和app端，后台已经内置了21种模型，只需要配置对应的key就能实现模型随意切换