人工智能

整卷蓝图规划：按学科、年级、知识点、难度、题型等要求自动生成试卷蓝图。​并发批量出题：基于LLM并发生成题目，支持题目复用引擎，避免重复出题。​题库管理：SQLite+向量检索，实现题目入库、去重与相似题检索。​试卷排版渲染：Jinja2→HTML自动排版，生成规范美观的试卷。​答案册与评分细则：自

背景：-旨在解决复杂AI业务场景下的硬件选型受限问题。硬件无关性：-通过抽象注入层，使系统能同时调度本地GPU、异构加速卡及远程AI服务，避免传统推理框架对NVIDIA生态的强绑定。电路图语义的运行时：-数据驱动、声明式输出，天然允许推理图拓扑成环。-自定义算子信号控制，可在运行时动态改变执行路径。

简筑提供对话、智能体任务执行和授权电脑操控等入口，结合多模型分工，服务通用工作、办公资料处理和小工具开发。支持Word、Excel、PPT、PDF等附件的解析与生成，并提供云端工作区、文件预览、交付成果管理和共享文件区，方便员工整理、分析及共享资料。系统按账号维护个人档案与工作记忆，结合公司知识库检

1.多供应商接入：管理模型服务配置，为支持自定义API地址的工具提供OpenAI兼容代理入口。2.用量与成本看板：记录上游返回的输入、输出Token，展示消耗趋势、模型排行和调用流水；费用按配置单价核算，区分估算金额与未知单价。3.预算闸与人工放行：转发前检查已登记额度，额度不足时拦截后续请求，支持

基于上述业务背景，客运票务稽查系统应运而生。该系统通过Yolo智能目标检测技术实现了车辆即时载客人数的定时稽查，并通过打通客运票务系统实现对当前客运班次的实际售票数的获取，系统通过实时比对即时载客人数和当前班次的售票数，对车辆疑似超员的情况进行实时研判和预警，并记录票务稽查台账。如此便解决了人工稽查

智能体实现功能：客服把收到的托书需求转发到一个智能体专用的邮箱中，智能体从邮箱收取邮件，并验证发件人的合法性，根据预先编排的流程把托书自动录入业务系统。

搭建AI智能体：通过CogBot提供的大模型设置、知识库管理、工具集成、提示词等核心能力，将LLMs与企业的数据、服务和工作流程无缝连接，无需编码，即可轻松构建企业的AIBot，帮助企业快速实现业务智能化。智能体大模型配置：大模型种类多，不同模型在文本处理、图像识别、语音处理、规划、反思等能力表现各

1、高效、精准地识别铁路沿线防护围栏的各类破损情况，包括整体缺失、局部损坏及结构性倒塌等。基于对检测视频的全面分析，识别准确率在行业中处于领先水平，为快速修复与物理隔离提供了首要的决策依据；2、对铁路沿线的周边环境进行精细化扫描与检测，准确识别出可能存在的彩钢瓦房等硬质飘浮物隐患，实时关联其与铁路线

一、项目功能模块1.智能申报模块面向专业技术干部个人申报场景，提供材料录入、附件上传、信息提取和申报提交功能。支持文字、图片、Word、PDF等多类型材料导入。2.智能预评审模块面向审核人员提供资格核验和基础项计分辅助能力。系统根据本批次考评规则、资格条件和申报信息，对任职时间、专业方向、成果证明、

标注衣服模版识别待测服装logo缺损情况标注衣服模版识别待测服装logo缺损情况标注衣服模版识别待测服装logo缺损情况标注衣服模版识别待测服装logo缺损情况标注衣服模版识别待测服装logo缺损情况

1.移动医疗服务平台建设面向脑血管病患者、专家及医院服务人员，建设集健康测评、智能问答、导诊咨询、专家服务、医学知识管理和健康报告于一体的移动医疗平台。2.AI健康测评与风险分析实现智能健康测评功能，用户通过文字或表单输入健康信息，AIAgent自动提取关键指标，根据医学评估规则识别信息缺失和异常情

智能文档检索与问答（RAG）：支持多格式文档上传、解析清洗、切片与向量化入库。用户通过自然语言提问，系统基于向量数据库召回相关上下文，结合大模型生成精准回答。Agent流程与工具调用：面向运维场景，Agent可自主分析用户意图，调用系统工具（如生成磁盘清理、日志分析脚本）完成长程任务。私有化模型调度

系统主要包括图像采集、目标检测、关键点定位、相机标定、PnP位姿求解、坐标系转换、姿态角计算及结果可视化等功能模块。通过YOLO模型完成目标及特征关键点检测，根据相机内参与目标三维几何信息建立二维—三维对应关系，采用PnP算法计算目标相对于相机坐标系的三维位置和旋转姿态，并输出X、Y、Z及姿态角等结

Agent架构设计：甚于LangGraph构建主工作流，铺以Plan-and-Execute策略实现任务分解与动态调度，集成LangChain生态，支持复杂研发任务的目动化编排。务模态与模型管理：设计统的模型接入层，支持本地模型（当前使用Qwen2.5-Coder-7B)及多模态模型的员活切换，实现

系统包含环境建图、自主定位、全局路径规划、局部动态避障及自主巡逻模块。融合激光雷达与惯性传感器数据构建赛场地图，根据目标位置规划行驶路线，并在行进过程中避开动态障碍物；结合回环检测与重定位功能，提高建图质量与定位稳定性，实现机器人全场自主巡逻。

系统包含图像预处理、装甲板检测识别、目标运动预测及实时推理模块。结合传统视觉与深度学习模型，实现敌方机器人装甲板的实时检测与识别；利用卡尔曼滤波进行运动预测补偿，提升复杂光照和运动场景下的识别稳定性，并通过处理流程优化满足机器人实时决策需求。

DocuMind是一个基于多Agent协作的RAG（Retrieval-AugmentedGeneration）文档问答系统。系统通过三个专职Agent协同工作，实现从文档上传、智能解析、向量索引到语义检索、生成回答的全自动化流水线。核心特性Multi-Agent架构—Parser/Indexer/

系统包含多个独立智能体模块：学情分析智能体负责采集学生学习数据，生成学情报告；答疑智能体针对知识点进行讲解、思路引导；习题生成智能体依据薄弱点推送个性化练习；作业批改智能体完成客观题自动判分与主观题点评；学习规划智能体制定阶段性学习方案。各智能体协同通信，统一对外提供服务，支持学生自主学习、教师辅助

多模态分布式训练模块：负责Qwen3-VL-MoE模型的训练接入，支持视觉Encoder独立DP/CP并行配置，实现模型构建、并行策略配置、训练样例生成及保存恢复流程。同时改造视觉塔与DeepStack特征处理逻辑，修复CP分片下的视觉特征映射问题。实现视觉Encoder独立并行配置，支持多种CP路

项目实现了一个基于Linux环境的命令行任务管理系统，主要包含进程创建与管理、子进程执行、任务状态监控、信号捕获与处理、文件及命令操作等功能。系统能够通过fork创建子进程，并结合exec系列系统调用执行指定程序，同时利用wait/waitpid实现父子进程同步与状态获取。通过signal机制实现对