人工智能

本项目实现了一套面向TC264智能车的在线调参工具，核心功能包括串口Telemetry采集、结构化日志解析、滚动时间窗指标计算和规则化调参建议输出。工具可对车辆运行过程中的yaw_error_rms、yaw_error_peak、roll_peak_to_peak、servo_jitter_rate

AI智能交互：意图理解、多轮对话、本地记忆、知识问答自动化执行：文件处理、数据清洗、日志监控、定时任务、自动修复机器人控制：姿态稳定、PID调优、步态算法、抗干扰平衡私有化部署：本地离线运行、数据安全、不依赖外网系统定制开发：Python全栈、Windows桌面程序、Web管理后台

发票RAG系统主导开发了一套服务于企业技术支持团队的智能客户服务系统。该系统不仅是一个简单的问答机器人，更是一个能够自主处理复杂工单的AI代理。它能够理解客户意图，查询内部知识库，并执行多步操作来解决客户问题。项目基于LangChain1.2框架构建，旨在提升客服效率，缩短问题平均解决时间。核心职责

该项目包括硬件和软件的组成，硬件部分是结构光传感器与机械臂组成的图像扫描系统，软件部分包括检测算法与交互界面等，通过该系统可实现航空发动机管接头螺母防松钢丝错漏装的自动化检测。

是一个基于大语言模型（GLM-4.5-Air）的智能文献检索与综述生成系统。系统能够：1.多源搜索：从arXiv、GoogleScholar、百度学术、本地文件等多渠道获取论文2.智能筛选：通过四阶段筛选机制，从大量论文中精选最相关的文献3.中英文处理：自动识别论文语言，进行跨语言的智能处理4.综述

高效提效：6类预设AI角色+Markdown模板化Skills，/快捷键一键调用，解决Prompt重复输入痛点零成本私有化：Ollama本地模型（Qwen2/Llama3.2）+本地/MySQL存储，零API费用，数据100%私有体验拉满：SSE流式打字机对话+Next.js16+TS+Tailwi

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

本系统包含以下核心功能模块：1.分层决策模块：采用高层PPO策略网络负责超车时机判断（保持车道/准备超车/执行超车/返回车道/紧急制动），低层LSTM控制网络负责具体轨迹执行，实现宏观决策与微观控制的分离。2.多传感器融合感知模块：融合激光雷达（权重0.4）、摄像头（0.3）、毫米波雷达（0.3）数

1.基于ROS2Humble搭建机器人通信框架，实现多节点分布式开发，支持传感器数据实时采集与传输；2.集成YOLOv8目标检测算法，实现对行人、车辆、障碍物等多类目标的实时识别与跟踪，检测帧率稳定在30FPS以上；3.提供目标坐标输出、ROS话题发布功能，可直接对接机器人导航、避障等上层模块，支持

系统包含四大核心模块：实时数据采集模块，通过WebSocket+RESTAPI秒级聚合多维度行情数据；意图识别引擎，检测市场做市商行为与猎杀意图；AI推理大脑，基于DeepSeek大模型进行做市商行为分析与推理；决策融合中心，整合9维微观结构信号生成交易决策。配套Web控制台提供实时行情监控、策略信

系统以「总助理」身份与「老板」对话：支持接收安排、任务与结果反馈、事项记录、提醒跟进、按约定格式生成并落盘文件、网络检索摘要、以及受控的配置删除等；CLI（main.py）、钉钉流式机器人（main_dingtalk.py）与带验证码的Web管理端（main_web.py）多入口并行，并可结合语音S

本系统基于深度学习技术，采用MobileNetV2轻量化模型，实现生活垃圾的智能识别与分类。系统支持厨余、可回收、有害、其他四类垃圾的自动识别，通过图片上传或摄像头实时拍摄完成检测。后端使用Flask框架，前端提供简洁友好的交互界面，识别结果包含置信度判定和详细的投放指南。系统具有轻量化、高精度、易

▎-多角色权限管理（管理员/经办人/客户）▎-案件全生命周期管理+状态流转▎-客户端门户（登录查进度、上传材料）▎-后台Dashboard+数据统计▎-中英文双语切换

本系统具备多维度视频篡改检测能力，包括时序篡改检测（插帧、删帧、重排）、空间篡改检测（局部区域复制粘贴）、压缩与编码异常分析以及基于深度学习的伪造检测。系统支持视频逐帧解析、特征提取与异常评分输出，并可对可疑区域进行可视化标注。同时提供批量处理、检测报告生成及结果导出功能，提升实际应用效率。

本产品是一套面向AI智能体协作的任务分发与交付平台，主要功能包括：任务发布与管理、任务大厅展示、智能体接单与执行、任务进度跟踪、结果提交与审核、交付物上传、异常退回与重试、平台运营看板、权限与配置管理等。平台支持对任务执行过程、交付结果和审核状态进行统一记录，帮助用户提升任务协作效率、降低沟通成本，

1. 数据处理架构搭建：参与搭建基于Java和Python的混合数据处理架构，利用Java的稳定性和高并发特性搭建数据采集与预处理框架，实现每日超100万条业务数据的高效采集、清洗与存储；借助Python的数据分析生态优势，搭建统计分析AI模型，完成数据的深度挖掘与计算。2. 多维度数据分析：主导用

FPGA数据采集与加速模块：基于Verilog/VHDL开发，负责多路传感器数据的同步采集、硬件滤波及特征提取，确保原始数据在纳秒级完成预处理。高带宽实时通讯接口：采用PCIE或万兆以太网协议，开发了定制化的驱动程序，实现了FPGA硬件缓冲区与Python内存空间的低延迟直连。Python端SAC算

项目包含数据抓取、失败重试、明细清洗、统计汇总、样例输出、日志记录和微信推送等模块。能够自动统计当日记录数、处罚金额、审核状态、主要举报人和责任人，并生成结构化日报。最终结果会以Markdown形式整理后自动推送到微信，方便移动端直接查看，也便于后续扩展为周报、异常告警和业务看板同步。

编写一个自动化智能体，将PDF格式的语文教材课文提取出来，并借助大模型的能力，将其与Excel中的“知识点库”进行智能语义匹配，最终输出结构化的分析结果。

本项目为电商用户行为分析与可视化平台，核心功能模块如下：1.数据采集模块：通过Flume采集APP埋点日志，结合Kafka实现实时数据缓冲，支持历史数据批量导入与实时数据流接入。2.数据分层模块：基于Hive构建ODS→DWD→ADS三层数据仓库，完成数据清洗、维度建模与指标汇总，支持多粒度时间/地