1.多源数据合并：自动识别并合并多个Excel/CSV文件，支持表头映射与格式标准化。2.智能清洗：执行缺失值填充（均值/中位数/众数）、异常值检测、重复记录去重。3.学情报告生成：基于清洗后数据，自动计算平均分、分数段分布、进退步趋势，输出可视化图表。4.轻量API接口：基于Flask提供REST

1.整数模6分类：输入任意正整数范围，自动按模6余数将整数分为阳数（6k+1）、阴数（6k-1）及中性数，并高亮素数。2.半素数分解：对合数进行质因数分解，识别其阴阳因子属性，计算基于勒让德符号的权函数值。3.统计抵消模拟：对阴类半素数执行贪心配对算法，可视化展示污染项的统计期望归零过程。4.数据导

本项目是一款基于人工智能与神经影像技术的脑龄预测系统，通过分析脑部MRI影像（或多模态数据），利用深度学习模型精准估算个体的大脑生物年龄，并计算脑龄差（BAG）——即预测脑龄与实际年龄的差值。系统可量化评估大脑衰老程度，提前预警认知衰退、阿尔茨海默病、帕金森病等神经退行性疾病风险，为脑健康管理、早期

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

2，财务为各公司的重中之重，必须保证数据的隐私安全。3，基于上述两点，开发本地化大模型为主脑，对500mb以上的大型数据的智能处理，也就是videanalyzer。4，只需要给到agent明确的需求，它就会自动生成相应的查询代码去庞大的数据中处理数据，给出相应的需求报表

本工具基于Python开发，实现Excel数据与Word模板的自动化匹配和批量生成。支持读取Excel数据、识别字段内容、根据预设规则替换Word模板中的占位符，并批量输出标准化文档。支持日期字段格式化、批量命名、段落与表格中的占位符替换，并尽量保持原有文档格式不变。适用于合同生成、报告生成、通知函

项目采用Python3+Tkinter构建桌面GUI，使用深色主题（DarkUI）配合自定义颜色系统，实现现代化视觉风格。核心清理模块通过os、shutil标准库递归遍历并删除系统临时目录、浏览器缓存（Chrome/Edge）、Windows更新下载缓存、预读取文件及缩略图缓存，并实时统计释放空间。

系统提供站点级7天水位预测、1–7天历史回测、持久化基线对比、不确定性可视化、上游辅助修正、数据可用性诊断等功能。用户可查看最新预测曲线、对比历史真实值与模型输出、观察不同预测天数下的回测效果，并通过图表快速识别模型在不同时间段的稳定性与适用边界。系统支持在线演示和结果展示，便于技术验证与场景沟通。

活动灵活配置运营人员可在线配置活动的起止时间、执行周期、过滤规则、营销动作等，无需开发介入。实时消息过滤与加工对进入系统的用户行为消息进行多层过滤（如防打扰、反欺诈、渠道限制），并支持字段衍生与逻辑加工。精准活动匹配与触发将实时消息与活动规则进行匹配，逐层校验，所有条件通过后自动触发营销动作（如发券