Agent

该项目引入了基于新颖的TextGAN-D 框架构建的深度研究代理 (DRA)。 TextGAN-D重新概念化了生成对抗网络 (GAN)，以状态管理为核心，并以代理对话为对抗机制。它将软件工程的稳健性（例如，单一事实来源、不可变日志）与 GAN 固有的动态演化能力相结合。这种融合创造了一个高度通用且强大的智能生成系统，该系统能够从自身历史中学习，并通过结构化的对抗过程进行自我改进。本文提出的深度研究代理正是利用了 TextGAN-D 的这些固有特性，实现了卓越的知识发现、信息合成和自我优化能力。

一、【面向对象与解决问题】 本系统面向广西壮族自治区医疗保障局，旨在解决以下问题： 1、医保政策咨询和解读效率低下的问题 2、医保基金智能审核和数据分析需求 3、参保人员医保业务办理指导需求 4、医疗服务决策支持和业务指导需求 5、参保人员权益保障和服务咨询需求 二、【方案特点】 相比市场常规方案，本系统具有以下特点： 1、深度思考模式：AI可显示详细思考过程，提高政策解读的可信度 2、多模态交互：支持文本对话、语音交互、扫码识别等多种交互方式 3、智能语音优化：针对医保场景优化的语音识别和合成，支持方言识别 4、多设备适配：支持从400x640到1024x640等多种分辨率设备 5、浏览器兼容：支持Chrome 71等老版本浏览器，确保在各类设备上稳定运行 6、实时数据分析：集成ECharts实现医保基金使用情况的实时监控和可视化 7、安全性保障：支持社保卡、银行卡等安全读取，符合医保系统安全要求 三、【产品组成与技术选型】 系统由以下核心模块组成： 1、智能对话模块：基于Qwen3:14b大模型，提供专业的医保政策咨询 2、语音交互模块：集成Web Speech API和阿里云DashScope语音服务 3、数据可视化模块：使用ECharts实现医保基金使用情况实时监控 4、设备适配模块：基于Vant 2的响应式设计，支持多设备适配 5、安全认证模块：支持社保卡、银行卡等安全读取和认证 6、测试框架：包含完整的AI模型测试、语音功能测试和性能测试框架 四、技术选型特点： 1 1、前端采用Vue 2.7.14 + Vant 2，确保稳定性和兼容性 2、AI服务采用Ollama + Qwen3:14b，提供专业的医保知识服务 3、语音服务采用Web Speech API + DashScope，实现高准确率的语音识别 4、构建工具采用Vite，提供快速的开发体验和构建性能 5、使用ECharts实现专业的数据可视化展示 6、采用HTTPS安全传输，确保数据安全

一、目标用户：媒体、翻译公司、翻译从业者、各行各业的翻译岗位（法务、专利、技术、外贸等） 二、解决问题： 1. 根据客户所提供的词汇对照表进行定制翻译及对已有翻译进行勘误 2. 操作简洁，直接输入中文原文/中文+译文/译文，自动触发翻译/勘误/勘误功能。 三、相比于市场常规方案，本方案有哪些特点 1. 自动化，操作简洁，非技术人员快速上手，体验佳 2. 实现简单，1天快速搭建，维护成本低 3. 可扩展性强，低代码调整工作流结构满足定制需求 4. 输出效果好，结构清晰，翻译效果好 四、方案的产品组成或技术选型 扣子智能体、扣子知识库、扣子数据库 向外提供API接口

AgentLM-70B ? [Dataset] • ? [Github Repo] • ? [Project Page] • ? [Paper] AgentTuning represent

AgentLM-13B ? [Dataset] • ? [Github Repo] • ? [Project Page] • ? [Paper] AgentTuning represent

AgentLM-7B ? [Dataset] • ? [Github Repo] • ? [Project Page] • ? [Paper] AgentTuning represents

智能知识库问答基于大模型技术构建，主要包含私有知识库的智能检索、智能问答、Word、Exel、PDF/图片等知识文档的识别与管理。整个项目适配主流的大模型，在提升准确率方面进行了较大提升。主要采用大模型应用开发技术，包含Prompt、RAG、Agent等技术。

1.基于大语言模型（LLM）的AI应用开发，帮助图书馆接入AI大模型，完成图书馆书籍信息的智能检索管理； 2.使用开源大模型配合dspy完成agent设计，RAG加向量数据库建立图书馆的私有知识库； 3.助手具备知识库信息检索，上网搜索及工具调用的自定义工作流能力；

资产运维管理平台提供IT基础设施、软件服务组件和业务系统的实时监控，对数万条关键指标进行可视化管理，自动识别资源间的复杂关系并周期更新，能快速定位故障，降低运维成本

项目背景：针对某医院智能问诊系统，开发智能问诊模块，对用户输入进行分析和判断，初步判断用户患病情况，并给出就医指南。 主要职责：负责对话引擎整体的算法设计，并进行相关大模型的微调和服务部署。其中涉及的子任务主要包括: (1). 针对用户输入信息的语义理解，抽取核心信息字段信息，主要包括病症名称词汇和病情描述信息。(2). 利用RAG技术实现对问诊流程的智能问答，包括看病流程，报销流程等等。(3). 针对用户的疾病信息进行问诊引导，包括去哪个科室，处理的流程和注意事项等等。(4).信息智能查询，通过语音查询检测结果信息等功能。 主要成果：完成整体系统的开发和大模型的微调，系统对话整体的准确率达到90%以上。

项目模块: 主要是针对text2SQL任务的全链路优化，增加了SQL数据可视化的推理过程，实现整体的数据可视化Agent. 项目分工: 负责对业务整体的建模，包括SQL生成任务的优化，图表关系的业务建模，和API参数的智能生成。 主要包括: SQL生成任务的拆解优化，针对图表分类和参数抽取的业务建模，COT优化，图表和API参数关系抽取，以及参数的对齐优化功能等等。 成果: 跑通了从文本到数据可视化的全流程，支持了5种复杂的数据可视化业务需求，达到业务交付标准。 欢迎合作: 作者在对话领域有多年的研究经验，LLM应用落地上有丰富的实战经验，在这块有大量的交付案例，欢迎有相关业务需求的公司进行合作。

项目描述： NGINX 自动化探针基于 C 语言开发，通过注入用户 nginx 或其衍生品（openresty,tengine 等）中，采 集请求的各项关切指标、负载信息、追踪调用链路等 工作职责： 1、研究并解决基于 lua（旧版）的探针在非 openresty 下的使用问题 2、钻研 nginx 设计原理并从 0 到 1 开发对 nginx 及相关衍生品的监控程序和完善其他 APM 标准功能 3、行业前沿技术调研及探索

项目地址：https://www.cloudwise.com/cn/page/apm.html 项目描述： 透视宝是一款端到端 APM 应用性能监控管理服务，包含应用性能监控，主机性能监控，容器监控 等。 工作职责： 负责php自动化探针，nginx自动化探针，java native探针研发及调研工作