Docker

1.多平台分布式爬虫引擎：支持淘宝、京东、拼多多等主流电商平台，智能反爬策略（IP轮换、UA伪装、验证码识别）2.实时数据采集管道：Redis消息队列+Scrapy分布式架构，日处理数据量50万+3.可视化分析仪表盘：Vue3+ECharts构建，价格趋势、竞品监控、销量预测4.任务调度中心：定时采

前后端分离架构设计与核心开发：基于FastAPI构建高性能后端服务，使用Vue3开发响应式前端管理界面。通过RESTfulAPI实现前后端解耦，独立完成用户认证、文档管理、问答会话等10+核心接口设计与实现。结构化数据与向量数据双存储架构：使用MySQL存储用户信息、文档元数据、对话历史等结构化数据

系统包含五大模块：1）多型号LiDAR统一Capture抽象层，支持禾赛/速腾/Mid360/Fairy/Velodyne等7+型号；2）运动补偿与时间戳处理子模块，统一start_stamp/end_stamp填充与纳秒精度对齐；3）PTC优先+本地dat回退的标定参数加载兜底机制，保障LiDAR

某领域QB数据资源体系建设系统为涉密重点工程，搭建全生命周期数据管理体系，形成“采集—清洗—治理—应用”一体化闭环，包含五大核心功能模块。数据采集汇聚模块，支持多格式、多方式数据接入，兼具数据监控、采报、引接与管理能力，适配海量异构数据汇聚更新。智能数据治理模块，依托整编工作台、治理及模型引擎、数据

1. 依托YOLO算法实现图像、视频中的多类别目标自动识别与定位，精准框选出画面内指定物体​2. 支持自定义数据集训练，可按需识别不同品类目标，灵活调整模型识别精度与检测速度​3. 搭建可视化前端界面，直观展示识别画面、检测结果与统计信息​4. 依托云服务器搭建后端服务，提供算法调用接口，实现模型线

本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块，主要功能描述如下：1、系统基于YOLO-OBB算法，实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络，系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法，系统能够高精度地量测出工件的倾斜

·数据采集与预处理模块：负责车载传感器（摄像头、雷达等）数据的采集、同步与切片处理·网络通信与稳定性测试模块：保障车载网络（如CAN、以太网）的稳定性和数据完整性·故障分析与诊断模块：通过自动化脚本分析车载数据，识别系统异常与故障模式·版本管理与刷写模块：支持日常系统版本的刷写、迭代与回归测试·场景

系统分为数据上报、算法模块、离线计算、web后端和web前端数据上报模块:将客户数据上传到系统，是数据的来源，分为用户数据，产品数据，行为数据算法模块:根据客户行为记录，利用算法模型训练数据，生成客户喜欢的产品离线计算模块:定期处理和统计用户数据，更新迭代算法模型web前后端:给客户使用的配置界面，

功能介绍：1.细长静电线链接CV算法识别（属于cv算法模型识别小目标中的细长特难目标检测）2.工作人员值守识别3.当装卸车作业时，未连接静电线就开始作业时，预警

系统包含文档上传与解析、知识库分类管理、向量检索、RAG智能问答、多轮对话、引用来源展示、后台权限管理、问答日志、常见问题沉淀和办公自动化任务触发等模块。用户可以上传PDF、Word、Markdown等资料，系统自动抽取文本并建立索引；提问时返回结构化答案并标注参考来源；管理员可维护知识库、查看使用

本系统是一套面向工地现场的无人化塔吊智能操控平台，核心功能包括：多塔协同防碰撞：基于实时三维空间位姿预测，主动检测多台塔吊间的潜在轨迹冲突，提前进行加减速或路径微调，避免紧急制动，兼顾安全与效率。吊钩摆角实时感知与防摇：利用视觉测量算法，实时计算吊钩及吊装物的立体摆角与摆动频率，为控制系统提供精准反

项目建设完成后，将在以下方面实现突破：专业化知识理解：精准解析燃机领域技术规程、诊断步骤及运行数据。数据驱动决策支持：为运行调度、故障排查提供智能分析。可扩展的技术架构：支持多场景扩展与持续模型迭代，保障系统在未来业务需求变化中的适应性。本项目的实施将有效提升燃机运行管理的智能化水平，降低人工

设备接入模块（MQTT多Broker、多Topic映射，预留TCP接入扩展）、数据标准化与解析模块（按设备类型解析并统一字段）、缓存与状态模块（Redis维护设备实时状态与短时窗口数据）、消息总线与分发模块（RabbitMQ承担原始数据转发、状态分发与二次分发）、数据入库模块（Worker批量消费并

主导搭建工厂能碳一体化管理系统，深度整合仪表PI系统实现多源设备数据实时高效采集与统一汇聚。负责能源全流程业务架构设计与配套软件开发，打通能源管理全链路，大幅提升运维与管控效率。完成碳排放数据标准化对接与核算，精准满足环保核查与合规上报要求。主导HVAC系统节能优化改造，有效降低能耗与运营成本，提升

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

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