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。

企业知识库检索问答系统，从零自研的开源项目，解决企业内部文档分散、答案难定位的问题。支持上传PDF、Word、Excel、PPT、Markdown、TXT六类文档，系统自动解析并按1000字符递归分块（重叠200），生成向量写入Milvus；提问时走向量相似度与BM25关键词稀疏向量双通道召回，RR

本项目对LLaMA-Factory的WebUI与API层做完整安全审计，产出包括：1）WebUI配置保存点的路径遍历漏洞，可任意文件写入/读取；2）OpenAI兼容API的SSRF防护绕过（HTTP302重定向）与LFI前缀检查绕过；3）每个漏洞的本地复现PoC与修复建议。最终向项目提交2个GitH

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

桌面端按场景管理项目。每个项目有自己的数据集、标注和训练方案。数据集可以导入图片，划分成训练、验证和测试，并在画布上改框、改类。训练可以在本机或内网GPU节点上跑，日志实时回到界面；长时间没有输出会判定停滞并停掉。结束后用未参与训练的测试集对照发布标准，给出达标或未达标，并列出漏检和误检的图片。通过

一个模块化、基于插件的AI代理系统，使AI模型能够像人类一样与计算机图形界面互动——通过查看屏幕、点击按钮、输入文字、滚动和导航应用程序。通过统一的插件架构支持OpenAICUA、AnthropicClaude以及本地Ollama模型。可用作Python库、CLI工具、RESTAPI服务器或Clau

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

支持任务规划、工具调用、确定性工作流与按需多智能体协作，提供跨会话记忆、任务状态管理、失败恢复、权限隔离和执行追踪。平台将任务编排、工具执行与领域服务分离，支持能力在不同业务场景中复用，并可追溯工具调用和任务执行过程。