人工智能

面向智能巡检AI能力底座开展二次开发：可识别地板塌陷、屋顶漏水、馈线孔隐患、天线连接规范与铭牌信息，支持图片查重及BBU、PTN、DCDU、RRU、AAU设备检测，输出结构化识别结果。

面向投标场景的AI标书生产引擎：解析招标文件后自动生成目录与评分点对照，逐章生成正文，一键把各章节合稿成册并导出。Agent负责多角色调度与审校，Skill把投标经验沉淀为可复用能力，初稿从数天缩短至数小时。

系统在同一会话里提供四种能力。聊天只处理日常交流，不访问企业数据。智能问数把问题转成一条只读SQL，执行后立即展示表格，再根据返回结果生成解读和图表；解读失败时可以在原数据上重试。洞察报告按规划、取数、分析校验和排版输出，数字、指标和人员名单由程序对照原始行核验，校验失败时只保留已查到的资料，不发布

可进化的数字生命:具备长期记忆与个性化成长能力，能感知情绪、记住喜好，真正融入你的生活。它不是冰冷的机器，而是能与你产生深度情感共鸣、共同成长的专属伙伴有记忆、会进化的伴侣：具备视觉感知与长期记忆，能记住你的喜好与过往对话。支持个性化进化，理解情绪变化，进行有深度、有情感的多轮交流，是真正的情感陪伴

项目由五个模块组成：①结构识别：输入任意表格图片，一次前向输出整条结构标签序列和每个单元格的边界框，直接重建出带rowspan/colspan的HTML表格；②坐标输出：每个单元格的bbox都反算回原图像素，可以直接裁图做逐格OCR；③结构化导出：同时产出一份JSON（记录行列、合并、坐标和置信度）

基于改进YOLOv8构建工业表面缺陷检测系统，针对小样本场景优化数据增强策略，融合CBAM注意力机制强化缺陷特征提取；在NEU-DET数据集上6类缺陷mAP@0.5达78.5%，较原生模型提升4.1个百分点

HAVENLON由Enigma硬件设备与Bletchley软件服务体系组成，采用Linux应用处理单元、独立仲裁控制单元和安全执行模块的分层架构。核心功能包括：1.企业级数字资产钱包与区块链交易签名。2.硬件隔离的密钥生成、存储及密码学运算。3.多角色权限管理、策略校验与交易审批。4.基于Go和gR

系统包含订单管理OMS、库存仓储WMS、商品货盘、AI选品测品、采购管理、权限管理、数据报表等模块。支持多平台订单自动拉取、审单分拣、出入库管理、库存预警，可自定义业务流程，实现全链路数据互通，支持源码交付、二次开发。

系统包含记忆抽取与结构化写入、DAG记忆节点管理、记忆更新与冲突处理、Dense/Sparse混合检索、查询改写、Rerank重排、路由权重计算以及多指标离线评测等模块。可根据事件、时间、语义密度和稀疏特征选择合适的召回路径，为Agent提供可追溯、可更新的长期记忆能力，并在多个公开数据集上进行对比

1、文件扫描发现（目录监听+周期扫描、稳定性检测、扫描归档）2、任务调度（Redis队列、多GPU实例派发、重试、熔断、全局暂停/继续）3、文档解析与OCR（PDF/Word/Excel/PPT/图片/工程图纸、8语种、扫描件与旋转件）4、翻译引擎（本地Hy-MT2-1.8B多实例扇出、万条术语表、

该项目由我独立开发，是一个基于FastAPI的知识库问答服务，读取Markdown与文本资料并通过检索生成回答。支持问答接口、文档检索接口与健康检查，答案附带来源文件引用；模型通过兼容OpenAI的接口调用，客户自行持有并配置Key。

一、RAG功能模块①文档接入与解析：支持上传PDF、Word、Excel等文档，自动完成解析、按章节分块和向量化入库，同时建立全文索引；②混合检索：向量语义召回与全文关键词召回并行执行，通过RRF融合排序，兼顾语义匹配与精确命中；③精排与上下文补全：使用本地重排模型对候选结果重新排序，并自动补齐命中

基于Web网页的机电一体化设备管控平台。集成了舵机云台控制系统，搭载激光雷达，可通过Web界面实时调节扫描仪的水平角度，并对雷达扫描到的点云数据进行体积测量、帧叠加累积、3D建模和数据导出。

本项目是一套基于自研跨端DSL的生成式AI微信小程序极速构建引擎，专门解决企业敏捷试错与高定小程序开发周期长、成本高的痛点：1.业务意图解构与路由建模：支持输入非标自然语言业务需求，系统自动逆向推导页面流转拓扑、交互契约与表单数据状态；2.跨平台DSL动态渲染引擎：将抽象业务逻辑毫秒级编译为完全合规

模型广场：展示并接入多家大模型，统一入口调用。分组与计费管理：对模型进行分组管理，支持按量计费。API密钥管理：统一管理各模型的调用密钥。用量统计：统计各模型与各分组的调用量与费用。控制台：提供统一的模型接入与使用情况查看入口，方便日常运维。

演示方案覆盖AI落地的全链路：场景梳理与优先级、系统架构（前端、后端、模型、知识库）、数据与部署方式、交付物清单与验收标准，并给出演示脚本与常见问答，便于向客户现场演示与讲解；同时说明成本构成与周期评估方法，帮助客户判断投入产出。

方法论文档定义6个AI角色：侦察、图表分析、策略师、风控、交易员、幕僚长，并明确完整流水线与规则：单笔最大亏损1%、单日最大亏损2%、最多5个持仓、持仓2–10天；熔断条件触发即取消订单、平仓、暂停交易员并通知用户；同时给出模拟盘到实盘的5级升级路径。

支持上传PDF、Word等文档，自动分块、向量化并建索引；对话提问时检索相关片段，由大模型生成带引用的答案，文档里没有的内容明确说不知道；提供后台文档管理与上传页面，聊天界面简洁，支持流式输出；整体基于开源方案，可部署在客户内网离线运行，不依赖公网。

1.内嵌人脸质量判断模型，由于输入质量很差时，生成模型也无法挽救，所以需要有人脸质量判断模型筛选出质量差的图像，跳过算法，以免导致ID失真的风险。2.对于可以挽救的低质量的图像，利用基于codebook的网络模型，结合输入的人像图像和高清的人脸codebook,对人脸畸变部分进行修复，同时提高图像的

1.功能模块。eval：算Recall@k（支持多个k）、MRR、延迟P50/P95，一题多标准答案时命中任一即算召回。compare：两次运行之间做逐题配对对比，输出变好/变差/不变三类，全部一致时给出identical标记。audit：切分质量体检，统计无标点片段率、完全重复率、近重复对、长度分