Docker

基于大语言模型（LLM）和RAG技术的企业级代码合规审查系统，支持手动审查和自动化定时巡检两种模式。核心能力：接收代码diff自动识别硬编码密钥、SQL注入、敏感信息泄露等合规风险；基于Elasticsearch向量数据库进行RAG增强检索，精准匹配企业合规规范；调用阿里云百炼大模型多维度综合判断风

一个支持编码、搜索、数据分析、文档撰写等多类型任务的智能Agent平台。9种专职Agent协同工作，支持人工审批节点、质量自审、会话隔离。内置Python代码安全沙箱、7个MCP标准化工具、50题自动化评测基准，全程SSE流式输出，Docker一键部署。技术栈：LangGraph、FastAPI、C

本项目是一个基于RAG(检索增强生成)技术的全栈智能餐厅问答系统,前端采用Vue.js构建交互界面,后端使用SpringBoot提供业务接口,并通过Python服务结合ChromaDB向量数据库实现语义检索,完成自然语言问答能力。1、项目具体功能模块:①前端展示模块(Vue.js):用户输入自然语言

折桂是一个混合引擎驱动的AI备考助手，采用代码驱动（MCPServer）+模型驱动（DeepSeek）分层架构，减少70%Token消耗。集成3个MCPServer（计算/匹配/校验），实现三层幻觉防御（输入校验+输出审核+系统熔断）。提供刷题复盘、模考分析、考前策略、学习计划、图片导入、速算练习、

本项目为基于SpringCloud搭建的微服务练习工程，通过Nginx转发至Gateway网关，再路由到UserService等业务服务。核心模块包含用户服务，实现了用户的增删改查接口；同时包含Redis、RabbitMQ、Elasticsearch等中间件的功能测试用例，用于验证缓存、消息队列、搜

为Dify（开源LLM应用开发平台，GitHub50k+stars）贡献前端重构代码。将教育认证状态的存储方式从原生localStorage手动操作迁移至统一的useLocalStorageHook，提升代码一致性和可维护性。PR已通过maintainerreview并合并至主分支，目前运行在生产环

?AI智能提取，告别手写选择器不用再F12找CSS、写XPath。输入目标网页和自然语言描述，AI自动推断数据结构并生成提取规则。支持DeepSeekV4、OpenAIGPT-4o、本地Ollama三种引擎，数据不出电脑也能用。?️双引擎爬虫，动静通吃aiohttp异步引擎负责普通页面的高并发采集，

基于深度文档理解的企业级RAG（检索增强生成）引擎，旨在解决企业在落地AI知识库时面临的文档解析难、检索不准、AI幻觉等痛点。极致的智能文档解析能力不仅能提取文本，更能深度理解文档的原始版面结构。多格式与复杂文档支持：支持PDF（含扫描件）、Word、Excel、PPT、图片、网页、邮件等20多种格

基于HarWork真实实现撰写的AgentHarness工程拆解博客系列，面向AI编程工具和Agent平台开发者，系统讲解如何把无状态LLM包装成可信赖的工程Agent。覆盖七大核心模块：1.AgentLoop—asyncgenerator驱动的核心循环架构2.5层上下文压缩—Micro→Snip→

广告公司AI提效小工具：文案·图片·视频，一套API打通火山方舟Doubao-Seed-2.0/Seedream/Seedance等大模型对接

基于FastAPI构建的轻量级RESTful接口服务框架，支持数据查询、分页、JSON和CSV多种格式导出。内置数据清洗、格式化、统计分析等常用处理函数，开箱即用。集成Swagger自动生成API文档，方便接口调试与团队协作。支持Docker本地部署，适配企业级数据服务和微服务架构场景。

通用数据采集工具，基于Python开发，支持多目标网站并行抓取。内置代理池轮换机制、User-Agent随机化和Cookie自动管理，有效规避反爬策略。支持定时任务调度，可按时间间隔自动执行采集任务。集成日志记录与异常告警机制，保证采集任务稳定运行。支持Docker一键部署，开箱即用。

>擅长解决实际技术问题：网站广告多、API逆向、Linux故障、小工具开发。>近期完成：提炼100条常用广告规则、逆向音源插件并开发Node.js后端、MusicFree音源与插件、B站过滤规则、刷课脚本、Linux服务管理脚本。>可公开项目：图片下载器、广告规则、音乐播放器、音源插件、刷课与脚本等

技术栈：JDK25,SpringBoot4.0.4,Flink1.18,ClickHouse23,React18,DockerCompose项目描述：用FlinkCDC监听MySQL数据变更同步到ClickHouse，后端定时查询聚合结果缓存到Redis，前端用React+ECharts展示GMV趋

技术栈：JDK25,SpringBoot4.0.6,ES8.11,RocketMQ4.9.4,Canal1.1.8,Vue3,DockerCompose1.通过Canal监听MySQLbinlog，批量收集去重后发送至RocketMQ，批量阈值调至162使触发比例稳定在4:62.ES同步服务消费MQ

该项目是一套面向礼品卡、充值卡、数字卡密等场景的库存与销售管理系统，立项原因是解决传统礼品卡行业长期依赖Excel、人工记录以及聊天工具管理库存的问题。传统模式存在库存统计混乱、卡密泄露风险高、出库无法追踪、利润无法量化、批量导入效率低等问题，同时在高频交易场景下容易出现重复售卖、库存错乱与财务对账

1.基于docker容器化部署的springcloud微服务框架，主要目标是针对在线社交媒体的微服务框架，包括点赞关注发贴等。2.这是一个支持高并发的社交媒体系统，采用微服务架构，其目标是支持上亿并发请求。因本人毕业设计就是社交媒体，所以一直想在这个方向上做。属于独立的实验项目，包括如果我有个社交媒

一个具备长期记忆、情感演化与现实干预能力的本地化陪伴/协作智能体。基于Java生态开发的本地化AI智能体系统。核心集成LLM、向量数据库与Neo4j图数据库，构建了高性能多级长期记忆架构(LTM)与GAM-RAG混合检索模型。系统支持MCP协议工具扩展、SSE流式交互及3D记忆图谱可视化，实现了具备

?项目简介ESDAS（EnterpriseSecurityDefenseAnalysisSystem）是一个基于SpringCloudAlibaba微服务架构的企业安全防御分析系统，集成了安全告警管理、威胁情报分析、SOAR自动化响应、用户行为分析（UEBA）、日志采集与分析等功能，为企业提供全方位

VideoHelper是一款基于AI的智能视频学习助手，旨在显著提升视频分析、知识复习与内容总结的效率。它是您不可或缺的AI学习助手。本项目采用全栈Monorepo架构，集成了先进的LLM分析流水线。用户只需提供视频链接（如Bilibili,YouTube,TikTok）或上传本地视频，系统即可自动