Docker

本项目围绕特种作业远程监护全流程，打造了六大核心功能模块：1.作业票智能分析模块：自动解析作业票信息，提取作业类型、风险点、监护要求等关键内容，生成个性化监护方案；2.监护需求自动生成模块：基于作业票数据，匹配行业安全规范，自动输出监护重点、告警阈值、联动策略；3.视频实时联动模块：对接现场视频监控

系统核心基于SpringAI框架构建多智能体协同架构，核心功能分为四大模块：智能体核心模块：基于SpringAI实现Agent智能体的任务规划、工具调用、记忆管理、结果反思能力，支持自定义工具扩展，可自动拆解复杂任务并分步执行；Java后端服务模块：基于SpringBoot搭建稳定的后端服务，实现用

OCR识别：实现驾驶证/行驶证/银行卡等通用证照识别，以及钢材标签、采购合同、授权委托书等定制化文本识别，已在公司内部全面推广使用RPA流程自动化：完成财务场景13家银行流水自动获取，大幅提升财务工作效率计算机视觉：落地钢材表面缺陷检测、仓库车辆出入库管控、加工中心钢卷自动上卷等工业视觉项目预测算法

一、经验模式采集引擎：从Agent真实交互记录中自动提取可复用的经验模式，目前已积累167个经过验证的高质量模式，覆盖Python、Node、Docker、Go、Rust、Java、Terraform、Ruby八大技术生态。二、模式验证流水线：每条经验模式必须通过自动化复现测试才能入库，当前167个

1.多模型本地化部署:基于Docker+0llama完成5个模型的部署，涵盖中文对话、代码生成、复杂推理等场景2.智能路由系统:根据任务类型(代码/对话/推理/快速响应)自动选择最优模型3.模型切换方案:支持API参数切换、环境变量切换、反向代理切换三种模式4.监控告警体系:响应时间、错误率、资源占

我在宏瓴任人工智能工程师期间，带领团队完成了多模态保险定损理赔智能体的第一版本的开发。该智能体可以通过主智能体与子智能体协作的方式，通过集成后台图片识别算法，文字ocr算法，定损逻辑，视频识别与比对算法，完成出险保单的多模态信息整合与损失情况的判别。然后再经过人工确认后，进入谈赔流程，由客服智能体根

意图路由模块：识别用户问题类型（如患者问诊、诊疗指南查询），智能分配至对应检索通道，适配多场景医疗问答需求。双路检索模块：结构化数据检索（MySQL）处理科室信息、药品参数等结构化医疗数据，实现参数化精准查询；非结构化数据检索（Milvus+MedicalBERT）对医疗文档做语义分块与向量检索，精

1. 文档管理模块：支持批量上传PDF、Word、TXT等格式的内部文档，自动解析文本内容并建立索引；支持文档分类、标签管理和权限控制，确保敏感资料仅对授权人员开放。​2. 智能检索模块：基于Elasticsearch实现全文检索，结合向量数据库进行语义匹配，支持关键词、自然语言提问等多种检索方式，

功能简介（精简版）智能切片与剪辑：基于语音识别、语义分析和规则引擎，从长视频中自动识别金句、高光片段，一键生成多个剪辑方案。剪辑工作室（ClipStudio）：提供多轨时间线、滤镜、字幕、转场等完整剪辑能力，支持WebGPU加速预览与导出。AI辅助编辑：支持用自然语言下指令，由Agent自动完成剪辑

1.实时监控大屏：基于Vue3开发的可视化仪表盘，实时展示多台设备的运行状态及Mel频谱图。2.智能异常诊断：集成改进版AnoGAN深度学习模型，能自动识别轴承磨损、气蚀等微弱故障信号，无需人工干预。3.多级报警推送：支持根据故障置信度通过短信、邮件或钉钉自动推送分级报警信息。4.历史数据回溯：提供

基于人工智能技术的教师专业能力评价系统，使用大模型对开放数据与多模态私有数据进行分析，构建精确的教师数字画像，提供智能评价与精准培训方案。基于Llama.cpp框架进行大模型微调，并集成RAG进行实时数据查询。

自然语言处理（NLP）模块：这是系统的“大脑”，负责理解用户的真实意图。它通过分词、词性标注、句法分析等技术解析用户输入，并能识别用户情绪，使回应更具人情味。基于机器学习技术，该模块能不断从历史对话中学习，提升意图识别的准确率。知识库模块：作为系统的“知识百科全书”，它存储了所有预定义的问答对、产品