大模型

千唔是一款技术驱动的AI互动叙事平台，其核心依托于自研微调的大型语言模型（LLM）来生成富有灵魂的角色对话与剧情，并整合了多模态技术（如情感化语音合成TTS、语音识别STT和文生图）来打造沉浸式的视听体验。在技术架构上，后端采用Supabase（基于PostgreSQL）提供了一站式的实时数据库与用户认证服务，确保了数据处理的效率与可靠性；前端则创新性地使用Kotlin Multiplatform（KMP）跨平台方案共享核心业务逻辑，并结合Jetpack Compose构建了Android端流畅现代的UI，实现了高效开发与双平台一致的高质量用户体验。

本方案面向公司，可以解决公司舆情监控问题 本方案使用了爬虫技术、大模型技术、前端vue展示技术、一个人能完成这些能力的整合 本人具备前端开发能力、后端开发能力、目标检测算法、大模型部署、视频流架构搭建能力 系统具备从微信公众号和微博爬取内容，将爬取的内容发送给大模型进行情感判断，并将不利的信息发送至邮箱和前端进行展示 由于系统具有保密性，不能展示更多的图片和演示地址，第二张图是其他项目做的效果图，更具备代表性

智能硬件源头厂家 成熟APP、小程序、微信公众号、管理后台（智慧养老、智慧校园、智慧城市、环卫……） 物联类（WiFi、4G、蓝牙智能硬件）APP、小程序、管理后台定制开发 通讯方式 • WIFI连接 • 蓝牙连接 • 自动组网 • 语音微聊 • 4G全网通 移动/联通/电信 参数指标 • 充电方式：Type-C • 供电方式：锂电池800MaH • 频响范围：40Hz-20KHz • 信 噪 比 ：≥75dB • 有效距离：5米 • 加工方式：贴牌加工 • 按键种类：机械

1、根据客户需求，评估私有化部署大模型的硬件配置 2、搭建私有化部署大模型的全套软件服务：包括不限于：ollama、deepseek、qwen、xinference、dify 3、搭建Workflow、chatflow等工作流，解决客户实际需求 4、自建web服务，和Workflow、chatflow结合，完成高阶task 5、持续运维硬件+软件一体化的项目

金融数据大模型分析平台是一款集实时新闻分析、股票监控和市场趋势预测​​于一体的专业工具。通过整合新浪财经新闻与天勤量化行情数据，结合大模型智能分析能力，为投资者提供：  实时金融新闻与AI影响评估  板块关联性分析与股票筛选  全市场监控与可视化统计  异常波动股票实时预警 平台采用​​多进程架构​​（新闻处理 + 股票监控并行），确保数据获取与分析的高效性 盘前部分： 一、建立负面清单，剔除不交易的个股 剔除st股、北交所、市值低于20亿、上市交易不足180日的股票 二、板块个股分类，每一个票更新热点概念和所属板块 1、分析当日涨停票的涨停原因，以及所属板块 三、盘前重点新闻分析 1、通过新浪财经新闻24小时获取新闻，在早上9点25前对前日15点后到当日9点半的新闻进行分析； 2、同步分析对应板块的个股的上涨情况，如果有涨幅超过5%的股票的板块，罗列该板块5只涨幅最大的股票； 盘中： 一、建立数据库，实时通过新闻热点 API 获取信息，归档到数据库 1、通过新浪财经新闻24小时获取新闻，每30秒更新一次，分析对应利好的板块； 二、热点相互通信，匹配最佳个股 2、同步分析对应板块的个股的上涨情况，如果有涨幅超过7%的股票的板块，罗列该板块5只涨幅最大的股票； 如果有没有涨幅超过7%的股票，则系统继续跟进；有的话重复前述操作；没有则持续跟进到当日收盘。

1.文件管理：支持多种格式的文件上传和管理。 2.模型训练与验证：提供模型训练和验证功能，确保问答准确性。 3.多轮问答：支持与用户的多轮对话，以更准确地理解问题和提供答案。 4.下载与集成：允许用户下载系统或与其他业务系统集成。 5.表格问答：能够对表格数据进行问答，实现内容的精准定位。 6.多终端支持：支持多种终端设备，包括PC、平板、手机等。 7.离线模式：支持在无网络环境下的批量部署和使用。 8.AI大脑接入：接入AI问答大模型，提供精准的业务知识问答。 9.低运营成本：实现快速场景落地，减少实施周期和审批流程。 10.易用性：提供友好的用户界面和视频剪辑工具，简化后期处理过程。

本方案是为了给欧莱雅做虚拟试妆功能做的，主要解决了用户出门或上班时对于妆容的选择困难症，具体而言，就是用户说我要去哪里，然后anget 就会自动调用天气、小红书等mcp 完成相关信息摘取和总结，然后结合用户个人档案和想要的妆容，可快速让用户虚拟试妆，从而让用户省去自己试妆、配妆的烦恼。 本项目结合了时下最火的 mcp、多anget技术，自主串联，按部就班，完美的完成了任务。而且可在 PC 端、手机端都可使用。

本方案面向某汽车咨询垂直领域，解决了该用户宣传、新媒体制作等环节。可使得该公司在快速生成汽车图片时，降本增效，而且适配我开发的快速微调平台，可以快速扩展至其他车型。 相较于其他种类的微调，本微调创新性的使用了创新方法，使得生成的图片在倒影、光面、山海湖泊等场景中完美复现想要的效果。还可以自己进行参数修改，局部重绘等功能。

项目概述 Lorn.OpenAgenticAI是一款面向企业和个人的桌面端智能体AI应用，通过整合大语言模型能力与桌面软件操作，打造全新一代的办公自动化解决方案。本项目旨在消除传统自动化工具的技术门槛，让用户通过自然语言或简单的可视化编排即可实现复杂的办公流程自动化。 产品价值 提升效率：将重复性、繁琐的办公任务自动化，释放人力资源 降低门槛：无需编程知识，通过自然语言或拖拽式界面即可创建自动化流程 灵活扩展：插件化架构支持快速接入新的桌面应用 智能协作：大模型赋能的上下文理解，使自动化流程更加智能和上下文感知 Director核心调度引擎 Director作为系统的中枢神经，负责协调大语言模型与各类桌面应用之间的交互。它提供两种主要的工作模式： 提示词驱动模式（智能助手模式） 用户通过自然语言描述任务需求 系统自动解析任务意图，规划执行路径 智能调度相关Agents执行具体操作 适合非技术用户和临时性任务 流程编排模式（专业工作流模式） 提供可视化流程设计界面，类似流程图的拖拽体验 精确控制各Agents的调用顺序、参数和条件分支 支持保存、编辑和共享工作流模板 适合固定流程和批量处理场景 外围Agents生态 Agents是封装了特定桌面软件操作能力的功能模块，通过标准化的MCP协议与Director进行通信： 文档处理Agents：Word文档编辑、PDF解析与生成 数据处理Agents：Excel数据分析、数据库操作 演示制作Agents：PowerPoint幻灯片创建与美化 网络交互Agents：浏览器自动化、网页信息提取 通信协作Agents：邮件收发、即时通讯工具交互 每个Agent都专注于特定领域的操作，可独立迭代升级，形成丰富的插件生态。

【30% - 本项目解决了什么问题】 本项目是一套全栈开源的AIoT语音解决方案，旨在攻克在资源受限的嵌入式平台上实现低延迟、生产级AI对话的工程挑战。它并非简单的应用层开发，而是通过对博流官方SDK的深度定制与重构，为开发者提供了一个集成了高性能音频驱动、实时操作系统内核优化和现代网络协议栈的、开箱即用的固件开发平台，显著降低了下一代智能硬件的研发门槛与周期。 【40% - 本项目的技术选型、技术特点或性能表现】 核心：深度定制的嵌入式固件 (C + FreeRTOS) SDK级重构： 对官方bouffalo_sdk进行了大量修改，解决了其在网络功能、音频驱动等方面的短板，并建立了一套模块化的CMake构建系统。其架构已为未来集成Opus等专业编解码器预留了接口。 硬实时并发模型： 深度利用FreeRTOS，构建了基于任务优先级和消息队列的硬实时并发模型（音频采集/网络IO/音频播放），确保音频数据流处理的绝对优先，根除了高负载下的系统卡顿与死锁。 高性能音频驱动： 针对ES8388，独创了“伪双声道”音频驱动方案。 在播放侧，通过在驱动层将单声道PCM实时复制为双声道格式，巧妙地解决了廉价单声道喇叭在标准I2S双声道模式下的爆音问题；在采集侧，通过提取主麦克风的单声道数据，在不牺牲ASR识别率的前提下，将上行网络数据量减半。 后端：云原生微服务架构 (Go + Python) 高并发网关 (Go): 负责处理海量设备的MQTT长连接，并作为云端音频流处理的核心路由。 AI核心服务 (Python/FastAPI): 作为与大语言模型(LLM)、ASR/TTS服务交互的统一接口，并集成ChromaDB，通过RAG模式实现长期记忆。 核心指标： 端到端语音响应延迟在局域网环境下低于500ms。系统能够稳定处理连续的多轮对话。通过对驱动和协议的深度优化，显著降低了对网络带宽的要求。 【30% - 如何快速上手本项目】 本项目遵循Apache 2.0协议，所有代码均在GitHub开源。 克隆核心仓库： git clone https://github.com/cagedbird043/bouffalo_sdk_vmg0。该仓库已包含所有必要的驱动和组件。 部署云端服务： 克隆配套的云端仓库，配置.env文件，通过docker-compose up一键启动所有后端服务。 编译与烧录：修改固件中的Wi-Fi和服务器IP配置，直接编译并烧录。

小程序搜索“家长的帮手” 核心功能：试卷扫描，试卷擦除，背单词，错题集，AI解题 小程序主要解决 随手录制错题集，背单词 还在为错题整理混乱、复习效率低下而烦恼？这款错题集小程序是你的专属学习助手！它以简洁易用的界面和强大实用的功能，帮助学生、职场备考人群快速记录、分类整理错题，告别传统手抄错题的繁琐。​ 一键拍照即可智能识别题目，支持多种学科、题型，快速生成错题卡片；支持手动录入，满足不同场景需求。可按照学科、知识点、错误类型等自由分类，方便针对性复习。强大的筛选功能，能精准定位薄弱环节，制定个性化复习计划。提供错题重做、自动生成测试卷等功能，巩固学习成果；智能统计错题频率，清晰掌握学习短板。同时，支持多设备同步，随时随地复习，让学习更高效、更轻松。无论是中小学生日常学习，还是成人职业考试备考，这款错题集小程序都是提升成绩的必备神器！

本项目面向汽车零部件生产加工厂，针对于汽车生产部件的瑕疵品检测，通过自动化设备 + YOLO模型人工智能将瑕疵品自动分拣出来。 具体流程可以参见项目示意图（料仓上料- 振动盘上料-经过导料板-相机拍照 - 系统识别 - NG吹落 - OK吹落） 降低原始人工检测的错误率，提升检测效率，降低检测成本。 在经过大模型训练后系统瑕疵品正确率可以达到95%以上。

这是一款专为恋爱沟通打造的AI助手，旨在解决你的“聊天难题”。我们利用强大的AI技术（整合 DeepSeek、豆包、ChatGlm 等模型），为你生成又甜又不尬、贴心又自然的聊天回复建议，让你轻松应对各种对话场景。 核心亮点功能 AI智能回复生成： 输入对话内容，智能算法即刻生成得体、贴心的回复建议，告别词穷和尴尬。 个性化对象画像： 设定对象的性别、MBTI人格类型、是否异地恋等信息，让生成的回复更符合TA的特点，实现专属定制。 重要纪念日提醒： 帮你记录并提醒恋爱中的重要日子（如纪念日、生日等），再也不怕错过表达心意的时机。 多模型智能驱动： 融合前沿AI大模型能力，确保回复的智能性、趣味性和适应性。

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。

智能助手是由集团平台研发的专为员工服务的数字化办公必备“AI伴侣”，目前已接入人力、会议、办公、财资、设备、行研等多类场景。 通过与智能助手交互，你可以快速完成场景办理，如请假、预约会议、查询五险一金等工作常见场景；还可以获取精准问答，如咨询软件使用、请假政策，人力职称等。

本系统基于LLM（大模型）的商业数据分析系统，旨在通过深度学习和自然语言处理技术，为企业提供全面、高效的数据分析与洞察。基于先进的LLM及TXT2SQL技术能够自动化地处理和分析来自多个数据源的数据。通过深度神经网络模型的推理能力，系统能够从大量的数据中提取有价值的信息。同时系统采取了联邦学习隐私计算等技术保护企业的敏感数据。

本项目基于DeepSeek-R1大模型，开发流式对话交互系统。通过HTTP流式传输技术，采用生成器（Generator）逐词处理API返回内容，实现毫秒级文字增量输出。系统通过循环迭代实时拼接数据流，支持上下文连贯的多轮对话，可降低70%的响应延迟。适用于智能客服、教育助手等场景，提供接近人类对话节奏的交互体验，已集成异常重试、速率控制等工程优化方案。

1、随着大模型技术的不断发展，其在智能工程质检系统中的应用前景广阔。大模型不仅能有效解决传统质检方法中存在的效率低下、成本高昂等问题，还能克服小模型在数据标注和识别率方面的局限性。因此，构建基于大模型的智能工程质检系统成为提升工程质量检测水平的关键路径之一。这样的系统不仅可以提高质检工作的自动化程度和准确性，还能为企业节省大量的人力物力资源，促进工程建设行业的数字化转型和技术升级； 2、实时视频交互，大模型与小模型结合，完善整个质检流程，提升识别率；

EfficientSAM  Paper ｜  GitHub   EfficientSAM: Leveraged Masked Image Pretraining

EfficientSAM  Paper ｜  GitHub   EfficientSAM: Leveraged Masked Image Pretraining