自然语言处理

1、支持deepseek,openAI,qwen3等大模型接口接入2、支持自定义智能体的知识库问答能力，基于ChromaDB来存储和查询知识库。3、支持自定义智能体的工具调用4、支持聊天Streaming流输出，前端支持SSE流输出。5、支持自定义多个智能体6、支持多智能体协作7、聊天历史记录保存

根植于大语言模型技术，在一个产品中无缝集成了任务型、问答型和闲聊型对话的能力，且一个对话中可在三类对话类型之间无缝切换 对话创建者仅需： (1) 以简单的3~5条文本示例为基础构建出面向任务的xmind对话树 (2) 将问答知识组织到层级标题化的word文档中 (3) 通过(约束)提示词定义闲聊的角色 即可完成一个“全能”的对话模型定义，这都归功于充分利用了大语言模型的语言能力和常识能力 一个非技术的业务人员就能完成70%-80%对话定义工作，即可让对话树运行起来，剩下20%-30%(不是必需的)脚本相关高级功能可由技术人员来完成 （详细信息，参见附件的PPT文件）

本项目主要提供智能翻译功能的引擎。 实现原理是利用Transformer架构通过深度学习进行语言翻译。 和流行的大语言模型翻译的主要区别在于： 1.推理速度快，参数量小，可以在端侧实行推理 2.不像生成式模型大多只用了Transformer的解码器部分。此项目同时使用编码器和解码器，环顾整个句子的前后文字关系进行翻译，提高翻译准确度 本人主要对此项目的神经网络模型进行设计编写和优化。

遵循GSP药品流通管理规范和门诊统筹医保要求。 基于生成式大模型（GPT）技术，实现与顾客自然语言对话过程中，完成症状、疾病信息的采集和整理，对接处方流转平台和互联网医院实现处方开具，提高门店经营效率并合规

给滑雪项目开发了一个3D建模形象的雪怪对话机器人 主要运用了语音识别，情绪判断，gpt对话处理等技术 产品形象生动，上线后取得了比较好的效果

将主流大模型通义千问和通义万象接入微信用户，达到AI聊天和AI绘图的效果。该项目也支持其他模型，同时能在群聊中进行问答和回复。

机器人基于人工智能技术,面向企业场景的 AI 服务,可应用于智能客服、服务咨询、业务办理等场景,还可以帮助企业实现智能营销和智能企业内部服务。 主要负责知识库管理，将知识类型进行分析，支持文本问答，文件统一管理

一个简单的闲聊机器人，基于transformer堆叠而成的模型，tokenizer取自hugging face网站的DIalogGPT的tokenizer（因为自己弄实在太麻烦），语料用的是小黄鸡的语料。

一）研究目的 本项目实现一款基于wechaty的多功能服务机器人，制作一个校园官方的“朋友圈”，学生可以通过微信平台，以自然语言对话的方式简便快速地完成校内日常事务及活动发布推广；也可以通过与智能机器人对话方式获取如图像处理等趣味功能，丰富校园生活并且提升学校形象。 （二）研究内容 大学生在校园中常常有丢失物品的情况，通常会通过校园墙等渠道大海捞针式的寻找，耗时费力。如果能够借助wechaty，拾到失物者通过向微信服务机器人发送失物照片，借助AI技术对失物进行识别，即可快速匹配联系到失主。 学校管理中有大量的规章制度．例如学生竞赛、项目报销、最新防疫政策、毕业设计相关流程和要求等。师生们通常遇到问题是不知道去哪里查找对应的政策，甚至不知道该找谁询问，导致在流程上耗费了大量的时间和精力。如果能够有一个智能且友好的接入服务，针对提出的疑问自动答复，将会有力提高校园运转效率。 互联网时代传统学校招生方式也越来越不受年轻人喜欢。如何提供一种更有亲和力，更有趣的方式吸引年轻人的注意，介绍并且推广学校是一个非常需要考虑的问题。通过微信接口，可以给大众以问答的形式，实时回答各种关于至诚学院的问题。同时提供一些有趣的Al服务，例如对将个人照片嵌入校园风光，照片动漫化等。

项目背景：针对某医院智能问诊系统，开发智能问诊模块，对用户输入进行分析和判断，初步判断用户患病情况，并给出就医指南。 主要职责：负责对话引擎整体的算法设计，并进行相关大模型的微调和服务部署。其中涉及的子任务主要包括: (1). 针对用户输入信息的语义理解，抽取核心信息字段信息，主要包括病症名称词汇和病情描述信息。(2). 利用RAG技术实现对问诊流程的智能问答，包括看病流程，报销流程等等。(3). 针对用户的疾病信息进行问诊引导，包括去哪个科室，处理的流程和注意事项等等。(4).信息智能查询，通过语音查询检测结果信息等功能。 主要成果：完成整体系统的开发和大模型的微调，系统对话整体的准确率达到90%以上。

全栈开发，独立完成 该项目使用自研的医疗知识图谱问答算法以及自构建的医疗知识图谱作为数据源 算法主要包含知识图谱嵌入模块、自然语言语义分析模块、答案匹配模块 后端使用python与nginx实现 前端使用vue搭建，并实现窗口自适应功能 为用户提供简单的医疗知识问答功能

个人构建基于酒店咨询类对话机器人 1、项目使用RASA开源框架； 2、项目内加入自己训练的情感识别模型、信息抽取模型、意图识别模型； 3、可以作为酒店有限域对话机器人； 4、项目由本人独立完成。

***旅行助手机器人（内测中） 旅行助手机器人-签证/海关助手： 知识库包括100多个国家的签证和海关政策，可以用使用者的母语回答提问， 解放用户不得不翻阅晦涩外文资料之苦。 知识库能在1天~1周时间内得到最新更新。 旅行助手机器人-酒店助手： 包括20多个国家（持续增加中）的酒店信息，知识库来源包括英文和其它外文网站和YouTube, Ins等，信息量不是那几个中文网站能相比的。 对于未收录酒店，支持商家自行提交图文信息供收录。 后端引擎使用GPT4v等多模态模型，可以识别图片中的信息，例如商家的图片中有日出的图片，即便酒店的描述、评价中均没有出现”日出“的字样，用户查询”可以看日出的酒店“，也可以查到该酒店，给用户的体验不是酒店预定平台能比的。 本机器人可以用使用者的母语回答用户的提问。 旅行助手机器人-美食美酒助手： 包括20多个国家（持续增加中）的酒店信息，知识库来源包括英文和其它外文网站和YouTube, Ins等。 因为许多美食的点评/评价一般只有图片，用户很少或者几乎不写文字，所以一般的搜索平台不太容易搜索到呢。 本机器人后端引擎使用GPT4v等多模态模型，可以识别图片/视频中的信息，轻松网罗Ins等平台的精品餐馆、酒馆，给用户的体验不是其它搜索平台能比的。 本机器人可以用使用者的母语回答用户的提问。 旅行助手机器人-景点玩乐助手： 知识库包括100多个国家的景点信息，除了文字信息，还有YouTube, Ins等平台上用户以视频/图片分享的各种玩法。 本机器人可以用使用者的母语回答用户的提问。 还有 旅行助手机器人-行程规划 等等机器人。 负责部分： LlamaIndex + RAG收集和整理知识库； LangChain实现提问分发和上下文记忆；llama2、claude 、GPT4v和 Zephyr等后端大语言模型评测； TG机器人。 诚征相关领域的持牌商家在贵国/地区展开合作， 可以单纯在机器人回答下方展示广告，也可以白标机器人，也可以买断技术/知识产权。机器人可以在TG、WhatsApp、H5 web端等提供服务。

1.导单机器人项目功能可参考【八爪云】，项目按业务功能分为【收单】、【结算】、【推单发货】、【核销】等功能。通过在企业微信添加机器人，负责接收群内的各类消息，并对其中的关键文本或文件进行处理，减轻电商用户日常经营压力。 【收单】：可以将各类格式订单文件或者文本订单录入ERP系统，并生成结果文件反馈给使用者。 【结算】：针对每日处理的订单，以自定义周期进行结算，生成结算文件，减轻日常统计压力。 【推单发货】：用于日常分销商需要供应商发货，导出自身订单数据形成文件给供应商。 【核销】：用于日常供应商与分销商之间，需要针对已发货订单进行财务核销问题的处理。 2.项目整体后端设计及开发都由本人执行，该项目为本人上家公司后期的核心新产品，距本人离职前已有上百家企业使用。 3.难点主要是如何合理运用企业微信提供的“企业归档”功能，让客户感受到的回复延迟时间尽可能的小。主要是通过powerjob实现任务定时轮询，并通过合理的线程管理尽可能多的进行轮询。

英文对话数据集，使用决策树分类器训练，得到了完全可用的日常英文对话模型。无论是哪种语言，何种场景，只要提供足够大量的客服对话数据，对模型稍加修改，便可得到一个轻量，完全可用的聊天机器人。