Redis

1、多智能体协作引擎—基于LangGraph构建Supervisor+4专家分层架构：知识检索专家（RAG+网络搜索）、报告生成专家（数据查询+方案撰写）、工况监测专家（设备故障/管线/安全诊断）、环境数据专家（天气/位置），Supervisor自动识别用户意图并路由至对应专家。2、RAG知识检索—

面向多业务场景搭建通用大模型智能体平台，实现低代码快速落地，降低企业大模型应用门槛。Agent核心调度与记忆系统：基于FastAPI构建支持工具调用与联网检索的智能体后端；设计Redis短期记忆+SQL持久化对话历史混合记忆架构，解决了多轮复杂任务中的上下文遗忘问题。全链路流式交互体验：打通前端与后

立项原因：解决用户个性化视觉内容生成门槛高、创意表达效率低的问题，以及提高手机端用户的使用感受。行业场景：适用于手机主题、社交娱乐等业务，提供实时风格化与快速生成能力。

系统分为数据上报、算法模块、离线计算、web后端和web前端数据上报模块:将客户数据上传到系统，是数据的来源，分为用户数据，产品数据，行为数据算法模块:根据客户行为记录，利用算法模型训练数据，生成客户喜欢的产品离线计算模块:定期处理和统计用户数据，更新迭代算法模型web前后端:给客户使用的配置界面，

项目围绕教学评估主链路，提供以下核心能力：教学转写结果消费通过RabbitMQ订阅课堂转写完成事件，自动感知课堂文本是否已经全部生成，避免对不完整数据提前评估。课堂内容标准化处理将转写系统返回的多段语音文本按照时间戳、说话人、发言内容重组，生成适合大模型分析的教学语料，保留课堂时序和角色信息。教学评

系统核心基于SpringAI框架构建多智能体协同架构，核心功能分为四大模块：智能体核心模块：基于SpringAI实现Agent智能体的任务规划、工具调用、记忆管理、结果反思能力，支持自定义工具扩展，可自动拆解复杂任务并分步执行；Java后端服务模块：基于SpringBoot搭建稳定的后端服务，实现用

logicfp项目可以概括为一个面向LLM调用的轻量保护中间层。它不是去替代大模型，而是在模型调用前后加一层可控逻辑，减少幻觉、异常输出和调用不稳定带来的业务风险。具体功能模块主要包括：输入封装与校验模块对进入系统的请求做统一封装，并基于schema/数据结构进行校验，提前拦截明显错误输入，避免无效

1.剧本编辑，根据用户输入创意，自动生成剧本，并允许用户进行编辑修改。2.根据生成剧本自动生成角色描述和多视角人物图像3.根据剧本进行自动分镜，然后结合角色生产分镜图片4.根据分镜设计，生成分镜视频

意图路由模块：识别用户问题类型（如患者问诊、诊疗指南查询），智能分配至对应检索通道，适配多场景医疗问答需求。双路检索模块：结构化数据检索（MySQL）处理科室信息、药品参数等结构化医疗数据，实现参数化精准查询；非结构化数据检索（Milvus+MedicalBERT）对医疗文档做语义分块与向量检索，精