人工智能

项目分为数据获取、数据降噪清洗、Hadoop分布式存储、深度学习建模、可视化展示五大模块。借助Java、Python、Shell脚本完成校园数据处理，依靠Hadoop承载大容量数据集，搭配R语言开展统计分析，完成特征筛选与模型训练，直观呈现数据分析与模型预测结果。

流程分四步。第一步整理DEM、流域与河道、土壤、植被和雨量，生成训练表并处理缺测。第二步用流域特征训练MLP，一次预测模型所需的所有水文参数，作为无资料地区的初始率定结果。第三步用Kendall相关和随机森林重要度给参数打分，只把得分高的参数送入搜索。第四步在参数范围内调用模拟退火、粒子群和贝叶斯优

系统分四段。产流用NeuralHydrology的CUDALSTM，7200个网格一次批量前向，现场推理约59秒。汇流用运动波，把网格产流汇到7个出口。概率预报对残差做空间相关采样，蒙特卡洛80次，输出5%–95%流量区间、洪峰分布和首次越线时间。验证按事件对齐2025年雨季洪峰，而不是拿整季最大值

服务注册了五个工具。text2sql按库表结构把问题写成PostgreSQL，execute_sql执行并返回结果；data_process读取上传的csv/xlsx并整理成模型输入；common_models按目标变量选择算法，分类用随机森林，回归用线性回归；aircondition_models

工作台按地区、城市进入具体基地，查看小时曲线、运行看板和需要留意的情况。支持CSV上传后即时分析，确认后再保存进站点。检测按星期同一小时做基线，连续偏离合并成一段，可剔除误报，也可把值班报文整理成自定义事件。AI小助手针对当前基地回答异常、档案和数量对比。对外提供查询站点、更新全部站点、文件上传分析

系统主要包含视频预处理、多模态模型推理、视频问答、内容摘要和结果展示等模块。支持用户上传本地视频，自动完成视频抽帧与视觉信息预处理，并调用视觉语言模型进行内容理解。用户可以针对视频提出自然语言问题，例如人物行为、事件过程、物体变化和时序关系等，系统根据视频内容生成回答。同时支持生成视频摘要和关键事件

1.文档管理：支持上传PDF、Word、Markdown，自动解析、清洗、分块并建立索引；启动时可批量导入。2.智能问答：自然语言提问，检索相关段落后由大模型生成回答，流式逐字输出，回答下方列出引用的原文片段和文件名，可追溯。3.部门权限：按账号所属部门过滤可检索的文档，销售部看不到人事部的薪酬文件

功能模块包括：数据预处理与异构采样对齐、时间归一化、6通道早期融合检测器6ch-TNF、运动通道增强、训练与推理、指标评估。主要功能：输入RGB与光流信息，输出红外小目标检测框与运动追踪结果；将光流位移转换为与采样率无关的瞬时速度，从源头消除分布偏移；在输入层拼接RGB与TNF为6通道，让单模型同时

智能问答与意图识别：基于Qwen-72B大模型，准确识别用户关于3GPP文档的意图（如查询最新版本、特定技术规范、架构细节等），提供基于文档的准确回答及引用来源。知识库集成与管理：无缝对接后台上传的多份3GPP核心文档（如TS38.300系列），实现文档解析、向量化与实时检索更新。多轮对话与上下文管

功能模块：①多人在线对战——支持1v1/2v2/3v3，同屏1600+单位，服务端30Hz权威仿真+客户端预测与128ms回滚，Elo天梯匹配，支持延迟观战与指令级回放。②AI自治舰队——玩家只发舰队级指令，单元级动作由策略网络实时解算，支持手动/半自动/全自动三档接管，全自动可离线挂机刷资源。③程

本项目基于风电机组SCADA运行数据，围绕风速、对风偏差和有功功率开展分析，提供数据分组、异常数据剔除、对风偏差估算及诊断结果可视化等功能，通过分析功率峰值对应的对风角度，辅助排查风向标零位偏差，为现场检查与校正提供数据参考。

1.模型构建：基于PyTorch从零搭建Decoder-OnlyTransformer，引入RMSNorm、RoPE旋转位置编码等结构，并配置自定义6400词表Tokenizer。2.训练与微调：支持模型预训练、SFT监督微调和LoRA参数高效微调，可在单卡环境下完成轻量级模型训练。3.效果验证：通

1.多角色对话：几只性格不同的森森兔陪用户聊天，支持语音朗读，每只兔子有自己的声线。2.长期记忆：从对话和日记中自动抽取结构化记忆，分为自我认知、情绪模式、关系模式、创伤模式等8大类；支持合并、更新和版本管理，新记忆先进入待审，由用户确认后生效。3.心理知识卡：内置依恋、IFS、CBT、ACT、创伤

主要包括数据预处理与特征提取、用户相似度计算、推荐模型训练与测试评估。支持基于用户历史行为（如评分、购买）生成个性化推荐结果，覆盖书籍、乐器等多个品类。包含商品浏览、搜索、购物车等界面.

系统支持Excel、CSV等格式的负荷数据导入，提供缺失值处理、异常值识别、时间序列整理、日负荷曲线分析、周负荷分析、月度统计、峰谷时段识别、典型日提取和预测结果展示功能。用户可以选择历史数据范围、预测时间长度和模型参数，查看实际值与预测值对比、预测误差和统计指标。

1、多目标追踪与行为识别模块：基于YOLOv8-Pose与OSNetReID识别打餐动作。纯人脸无法判定多人场景下谁在取餐，融合行为识别后可精准判定取餐者；多人同时取餐时触发声光提醒并留存数据供追溯。2、人脸信号丢失补偿模块：行为摄像头与人脸摄像头绑定，解决取餐中因低头、摇头导致的人脸信号丢失问题，

核心流程与能力：1、数据准备：业务文档、FAQ问答对清洗标注，构建高质量微调数据集；2、LoRA微调：Unsloth框架高效微调Qwen3，低显存、快速迭代；3、知识注入：私有领域知识对齐训练，模型掌握行业术语与业务规范；4、本地部署：微调产物部署Ollama/vLLM本地推理，低资源运行；5、效果

系统核心能力：1、双节点集群：SparkGPU服务器双节点部署vLLM，支撑百亿参数模型并发推理；2、模型调度：模型自动加载/卸载、按需加载与热切换，空闲资源自动释放；3、OpenAI兼容接口：统一/v1/chat等标准接口，调用方零改造接入；4、格式兼容层：多模型权重格式转换与兼容性处理；5、负载

系统核心功能：1、使用记录采集与脱敏：自动记录模型输入输出，对敏感信息脱敏后入库，形成使用日志库；2、经验自动总结：定时任务分析使用记录，自动提炼成功经验与失败教训，生成结构化经验条目；3、临时知识RAG：经验条目存入向量库，模型回答时实时检索相关经验作为上下文，临时生效；4、训练微调固化：对高频复

本智能体体系由轻量化代码原生架构与容器化搭建技术构成，搭配HexStrike-AI核心引擎，面向网络安全自动化测试场景打造一体化攻防智能体。底层代码架构支持函数调用、日志持久化、断点续测与流量拦截分级处置，可完成Payload生成、漏洞FUZZ、流量分析、报告整理等一系列自动化任务。HexStrik