此项目是省信访单位的项目，包括较多功能模块，包括系统管理、业务办理，业务查询、全文搜索等等功能模块，采用了前后端分离的开发模式，前端用的vue，后端用的spring，redis缓存，全文搜索用到了es，数据库用的MySQL、达梦等

项目前端采用uniapp框架，主要包括主页，直播室，个人中心，注册登录等页面，实现了聊天室评论，发送礼物等功能。后端采用了springboot框架，集成了spring security，socketui，文件存储用的minio，视频直播推流采用的nginx-flv

项目简介: 直观友好的用户界面，支持多步骤的简历创建，用户可随时保存、查看和分享个性化简历。系统还实现 了简历的动态保存和加载功能，用户方便地在编辑过程中进行状态保存和加载。通过生成 HTML 文件，用户可以 灵活管理和展示个人简历，助力在职业生涯中脱颖而出。 项目经历: 在该项目中，我完成了前端页面/后端逻辑的全部实现

项目简介: 优化患者用药体验和提高医疗管理效率。系统支持药物搜索、用户提醒、用药方案管理，管理员功能实 现对医生账户的管理。采用加密技术确保用户数据安全，提供定时邮件提醒服务，助力患者按时用药。健康卫士还 提供药物使用统计分析，帮助医疗管理者更好了解患者用药情况。同时使用 ai 技术进行患者医疗费用的预测。 项目经历: 在该项目中，我完成了前端页面/后端逻辑的全部实现，通过这个完整的项目，我学会了构建一个完整 的商业项目，以及如何使用 ai 完成预测数据。

1、项目描述：系统主要用于与干细胞相关样本的接收、检测、存储，协助完成脐血信息库各科室的日常工作，包括脐血采集、脐血制备、脐血冻存、脐血综合检测、脐血组织分型、脐带采集、脐带制备、脐带冻存、客户服务、质量控制以及各类报表的生成打印导出等。 2、责任描述： 2.1 研究并理解系统的基础框架和核心功能，根据实际需求进行适用性改进。 2.2 抽象各科室都具有的类似业务，设计业务代码结构并编写使用示例，以实现代码的复用和提高工作效率。 2.3 针对与核心业务关系不紧密的业务，如样本流转日志，设计功能类型以供各科室功能类调用，从而实现模块化和灵活性。 2.4 负责移动端功能的编写，提供便捷的移动操作体验。 3.项目业绩： 3.1. 利用泛型技术设计代码，使得调用者只需更改泛型类型参数，即可实现干细胞系统各科室检测环节的基本操作。 3.2. 基于面向切面的思想设计拦截器，使调用者在需要时只需在 Action 方法上按照约定标注拦截器，即可实现干细胞系统检测样本 在各科室检测环节的流转信息记录。这使得被标注的方法可以专注于核心业务代码，而无需担心这些细节。 3.3. 利用泛型和 lamda 等技

项目简介: 集成了答题和出题功能。用户登录后，根据角色可选择参与答题或创建题目。答题者可按题型分类挑选 题目，查看排行榜，使用飞浆 OCR 图像识别读取手写答案。出题者可自定义题库和比赛设置，利用预训练的人工 智能模型进行难度预测，并通过数据分析技术对竞赛数据进行分析。平台响应速度快，在几秒内响应，适应性强， 可在多种操作系统和浏览器上运行，能承受大访问量和多用户同时在线答题的压力。 项目经历: 在该项目中，我负责了数据分析/OCR 图像识别的实现，以及项目的部署上线，通过这个项目我学会了 使用 nginx 部署项目到云服务器上，使用 chat.js 与数据分析库对数据进行分析并展示出来，以及使用 ai 进行手 写字体的识别

"不动产一张图"是一个用于查询和管理不动产信息的系统或平台。它可能包含以下功能：房产分布：这个功能允许用户查看和查询特定区域内的房产分布情况。用户可以通过地图界面查看房产的位置、数量、类型等信息。宗地分布：宗地是指土地权属的最小单位，通常指一块土地的地块。这个功能允许用户查看和查询宗地的分布情况，包括宗地的位置、面积、权属等信息。空间查询：这个功能允许用户通过空间位置信息来查询不动产信息。用户可以通过输入坐标、选择区域等方式，查询特定位置的不动产信息，如房产、宗地等。价值地图：这个功能可能允许用户查看和查询不动产的价值分布情况。用户可以通过地图界面查看不同区域或不同类型的不动产的价值高低，从而了解不动产市场的价值趋势。

项目背景 针对奶茶连锁店面临的挑战，如订单处理效率低下、顾客等待时间长等问题，本项目旨在通过开发一个基于 Python的 RPA（Robotic Process Automation ）系统，实现订单处理的全流程自动化，包括接单、制作指导、出餐通知等，以提高出餐效率和顾客满意度。 项目细节 - 自动化接单：利用 Python 脚本结合 OCR（Optical Character Recognition ，光学字符识别）技术自动识别和处理来自各大在线订餐平台的订单信息。通过自动化桌面应用操作，实现了与不同平台的无缝集成。 - 智能排单与制作指导：采用基于规则的算法对订单进行智能排单，考虑到制作时间和当前订单量，优化厨房的工作流程。通过网页自动化技术，实现了动态的制作指导界面，为厨师提供准确的制作信息。 - 出餐及顾客通知：完成订单后，系统通过 API 调用短信服务和移动应用推送，自动通知顾客取餐。同时，利用大屏幕的实时更新功能，基于网页自动化技术，提高了店内顾客的等待体验。 - 性能监控与流程管理：通过开发一个包含流程管理功能的监控仪表板，实时展示订单处理流程的各个环节，监控关键性能

项目背景 面对当前市场上对智能对话系统日益高涨的需求，我们的团队启动并成功完成了开发一个跨平台接入系统的项目。该项目旨在构建一个兼容市场主流大语言模型（如Gemini、OpenAI GPT-4、Mixtral、Moonshot、LLaMA等）的统一平台，让用户无论通过微信公众号、小程序还是其他社交媒体平台，都能享受到流畅且一致的智能对话体验。通过该平台，用户能轻松获取由各款大语言模型提供的多元化、个性化智能对话服务。 项目细节 1. **多模型兼容性**：团队设计并实现了模型抽象层，该层具备出色的兼容性，能够无缝接入Gemini、OpenAI GPT-4、Mixtral、Moonshot、LLaMA等各类主流大语言模型。它负责处理不同模型的API调用、响应格式的标准化转换，向上层应用提供统一、简洁的接口，确保开发人员无需关注底层模型差异。 2. **微信公众号与小程序接入**：利用Wechaty框架，团队实现了与微信公众号和小程序的深度整合。我们定制开发了适配层以应对微信平台特有的交互规范和接口要求，确保系统与微信生态完美融合。 3. **跨平台用户体验优化**：为保证用户在

项目分为系统鉴权、业务模块、配置模块，业务模块占项目任务的90% 我负责前端开发，使用的技术栈有angular、vue 项目顺利上线

预览 https://nasuyun.com/blog/metric ；数据采集监控系统是一种集数据管理、质量监控和性能分析于一体的软件解决方案，可在移动端和PC端跨平台展示。它通过实时监控数据采集过程中的关键指标，如数据质量、性能表现等，提供直观的数据展示界面，帮助用户迅速了解数据状态，并通过警报机制及时应对异常情况，从而提高数据采集的效率和质量。

我们的专业团队深度参与并成功完成了多个高级技术项目，特别是在自然语言处理（NLP）与人工智能内容生成（AICG）领域，展现出卓越的技术实力与项目执行力。 在NLP领域，我们聚焦于OpenAI ChatGPT大模型的应用开发与定制。团队成员精于模型微调与语料库优化，借助前沿技术手段对模型进行专业化调整，确保其在特定业务场景下展现高效准确的表现。这一过程中，我们对语料库进行了细致梳理与针对性处理，显著提升了模型对特定行业术语、语境及需求的理解力与响应精准度。 在AICG领域，我们运用Stable Diffusion技术为客户构建了一套功能完备的云绘图平台。团队负责整个云计算集群的管理和高效调度，同时搭建起稳健的后台管理系统。我们采用Python编写自动化脚本，实现了平台运维的高度自动化，确保其稳定运行并易于维护。此外，团队还运用LoRA（Low-Rank Adaptation）方法对现有数据模型进行微调训练，显著提升了图形生成的质量与细节准确性，有力增强了用户创作体验与平台核心竞争力。 我们的专业技术能力全面覆盖模型训练、系统架构设计、自动化脚本开发等多个关键环节，使得团队能够在AI

由摄像头rtsp地址传入视频流，h264解码后，进行图像识别，生成新的视频流，通过live555发送到网络。 经过量化的模型，可以运行在较低端的intel i3处理器上。

用户购物系统，功能有商品的优惠促销活动，用户在线购买支付，发货，退货，评论信息。管理用户和商品信息上下架。仓库管理、推广宣传等开发

商品app，下单、汇聚支付付款，发货，售后等功能模块。 后端采用sprintboot、Redis、和mysql。 前端采用vue的uniapp框架。

基于TVM-cn中文版的项目是一个旨在推广和应用深度学习编译器TVM（Tensor Virtual Machine）的开源项目。TVM是一个领先的深度学习编译器框架，旨在优化深度学习模型的部署和性能。TVM-cn项目的目标是为中文用户提供一个全面的资源平台，帮助他们了解、学习和应用TVM框架，推动深度学习在中国的发展和应用。 TVM-cn项目包括了TVM框架的中文文档、教程、示例代码等丰富内容，帮助用户快速上手并深入了解TVM的原理和用法。用户可以通过浏览TVM-cn网站或者参与社区讨论来获取帮助和支持，解决在TVM应用过程中遇到的问题。 除了提供文档和教程外，TVM-cn项目还鼓励用户贡献代码和优化算法，共同完善TVM框架的功能和性能。通过社区合作和知识分享，TVM-cn项目致力于建立一个活跃的TVM中文社区，促进深度学习编译技术在中国的推广和应用。 总的来说，基于TVM-cn的项目为中文用户提供了一个全面而专业的平台，帮助他们更好地理解和应用TVM框架，提高深度学习模型的部署效率和性能表现，推动人工智能技术在中国的发展和创新。

Neovim是一个强大的文本编辑器，广泛应用于软件开发领域。基于Neovim开发的PDE（Partial Differential Equations，偏微分方程）开发环境为科学计算提供了便利的工具和环境。通过结合Neovim的强大编辑功能和PDE相关的插件，开发者可以在一个集成的环境中高效地编写、调试和运行偏微分方程的模拟程序。 PDE开发环境基于Neovim的特性，支持代码折叠、语法高亮、自动补全等功能，使得编写PDE代码更加流畅和便捷。同时，Neovim的插件生态系统为PDE开发环境提供了丰富的扩展功能，如数学公式渲染、实时数据可视化等，进一步提升了开发者的工作效率和体验。 主要特性包括： 1. 高效编程环境开发 2. 基于neovim和lazyvim的涉及 3. 全键盘的高效开发 4. 支持键盘的操作，对初学者友好 4.

作品功能，美的智能家电电商，美的智能家电信息管理，美的远程操控智能家电，美食圈，美食一键烹饪，美食预制菜烹饪 职责，前端开发 技术栈，vue，antd，ts，nodejs

作品功能，美的智能家电电商，美的智能家电信息管理，美的远程操控智能家电，美食圈，美食一键烹饪，美食预制菜烹饪 职责，前端开发 技术栈，vue，weex

作品功能，美的智能家电电商，美的智能家电信息管理，美的远程操控智能家电，美食圈，美食一键烹饪，美食预制菜烹饪 职责，前端开发 技术栈，vue，weex