该系统是中国国际金融为实现KSE与BOSS产生的告警进行转发到短信，邮箱以及企业微信，，采用了Vue+SpringBoot+Mybatis-Plus+Mysql框架。该 系统主要包括：用户管理，KSE告警管理，BOSS告警管理，系统管理等。该项目使用docker进行容器化部署。

该系统是中国国际金融为实现Kubesphere多集群使用过程中出现用户误操作不属于自己管理的集群导致信息资 源丢失，需设计集群管理门户区分用户数据权限的平台，采用了Vue+SpringBoot+Mybatis-Plus+Mysql框架。该 系统主要包括：集群管理、标签管理、公告管理、常用链接管理、用户管理。集群管理主要对中国国际金融的所用到 的所有集群进行管理，实现了集群针对用户的可见性以及集群的快速跳转，使用户更方便的定位到自己所负责的集群 。标签管理主要是为了给集群设置标签，可以更方便的定位集群。公告管理是管理员针对不同时间所发布一些公司的 公告，包含公告置顶功能，使用户更快的了解公司相关公告。常用链接管理主要针对该系统负责部门所用到的一系列 在线文档，用户可以在首页看到相关链接并进行跳转看到文档内容。该项目使用docker进行容器化部署。

该系统是对于中移金融科技所用到的所有平台，采用了React+Spring Cloud+Mybatis-Plus+Mysql架构。其中 还用到了Redis、Kafka相关组件。该系统主要包括：产品管理、订单管理、工单管理、应用管理。在产品测部分对接了青云 科技的云管平台进行创建，对接了中移金融用到的4A平台，也对接了Kubesphere平台，进行数据同步和操作。工单管 理则对接了青云科技的全象云平台，在全象云平台测创建对应产品提交工单信息及审批流后，在创建产品时需要生成对 应的工单信息进行领导审批。订单管理则是在工单审批完成后，生成在平台侧可以看到的订单信息，其中包括申请时的 内容以及申请以后的状态。应用管理则是在平台测添加应用，使用Oauth2.0的认证方式对接添加的应用，从而实现在 该系统点击应用后可直接跳转。该系统使用k8s进行部署应用

1、国产化可控硬件：国产化适配跨平台高校运行能力、龙芯鲲鹏等国产适配，国产中间件，数据库性能优化。 2、网络安全：数据安全传输加密能力、异网互通安全访问平台、商用密码加密、数据存储密码加密 3、大数据：潜力智能化采集与感知能力、物联网数据实时感知、行业大数据治理采集、异网数据安全互通；潜力大数据治理与分析能力、科学治理、建模分析、数据可视化。 4、AI机器学习：AI机器学习底座支撑服务能力、模型算法、机器学习、神经网络、智慧预测。 5、业务应用：仿真演练与精准动员效能评估、仿真演练、准确测算、动员效能评估 ，应急应战指挥与智慧化辅助能力、平时服务、急时应急、战时应战、任务规划分析，军民融合协同联动能力、军区业务融合、智慧征兵、退役管理、民兵管理，国防教育与 动员宣传能力、国防教育全媒体触达、动员宣传精准投放。 6．人工智能： 算法：最优化车辆路径规划算法，动态时间规整算法，模糊控制算法，银行网点金额现金存款预测模型、区域潜力资源预测模型、潜力资源动态调配预测模型等。 深度学习：训练：Mahout、TensorFlow、Caffe、PyTorch，推断：TensorFlow Lite、C

1、大数据湖仓架构： 数据湖存储：格式：hudi（parquet,orc,json），HDFS，OSS，元数据管理Atlas 计算：数仓OLAP分析clickhouse、druid、CarbonData、kylin、MongoBD、MPP(Greenplum,GaussDB)，工作流Oozie，批处理Pig，分布式实时计算Storm、Spark Streaming、flink，分布式消息Kafka、pulsar，交互式内存分析与数据挖掘Spark、Impala、Presto、OpenLooKeng，机器学习 训练：Mahout、TensorFlow Caffe、PyTorch，推断：TensorFlow Lite、Caffe2go、CoreML。 2、大数据服务管理中台： Auth&access权限控制，数据资产目录管理服务，数据分级接口服务，BI、davinic、zeppelin、Kibana、离线、在线、交互计算服务、机器学习、深度学习服务、任务调度，资源动态分配、数据安全、平台运维。

1. 对某小说网站进行关键词搜索，搜索列表多页展示，小说内容详情查看。 2. 下载小说可指定并发下载量，要求可进行多线程方式下载。 3. 对下载格式可选，可进行txt,json,epub等格式切换。 4. 对多协议处理小说内容

技术栈 开发框架：UniApp 设备通信：MQTT协议、WebSocket、蓝牙BLE API 后端交互：RESTful API（Node.js + golang） UI组件库：Ant design vue+自己封装UI库 辅助工具：微信开发者工具、HBuilderX、Apifox、Wireshark（抓包调试） 项目背景 开发一款面向智能家居场景的微信小程序，用户可通过小程序远程控制灯光、空调、安防设备等物联网硬件，并实时查看设备状态。项目需兼容多品牌设备接入，核心功能包括设备绑定、实时控制、状态同步、异常报警等。

1.用户可以自主选择所需景点的讲解语音，方便自由探索，无需额外花费请导游。 2.在游览景区的过程中，搭配讲解语音学习景点的历史、文化等内容，提升对景区的理解和认知水平。 3.提供的景点讲解语音非常丰富，覆盖各个热门景区，用户只需搜索景区名称，即可快速获取相关讲解语音。 4.应用功能多样化，支持在线试听、在线搜索、推荐景点、快速定位、中英文切换等，满足用户的各种需求，并提升旅游体验。 5、本应用主要使用了多线程、jetpack等MVVM架构技术。

项目简介：电商网站运维方案 1. 方案面向对象及解决的问题 本方案面向电商企业，旨在为其提供一个高可用、高性能、易扩展的电商网站运维解决方案。通过部署在阿里云ACK（Alibaba Cloud Container Service for Kubernetes）集群上，我们解决了以下核心问题： • 高可用性：通过Kubernetes的自动扩缩容、负载均衡和故障恢复机制，确保网站在高并发场景下的稳定运行。 • 弹性扩展：基于Kubernetes的弹性伸缩能力，能够根据流量动态调整资源，避免资源浪费或性能瓶颈。 • 运维自动化：通过CI/CD流水线、监控告警系统、日志管理工具等，大幅减少人工干预，提升运维效率。 • 安全性：通过阿里云的安全组、WAF（Web应用防火墙）、SSL证书等，保障网站的数据安全和用户隐私。 2. 方案特点 相比于市场常规的电商网站部署方案，本方案具有以下显著特点： • 基于Kubernetes的容器化部署： o 采用阿里云ACK（Kubernetes托管服务），简化了Kubernetes集群的管理和维护。 o 通过容器化技术（Docker），实现应用与环境的解耦，确

餐饮门店营业额预测模型 项目背景： 随着市场竞争的加剧，餐饮行业面临着如何精确预测每日营业额、优化库存管理、调整促销策略等挑战。传统的营业额预测多依赖于人工经验和简单的历史数据对比，存在着较大的波动性和误差。这家餐饮公司希望通过数据驱动的方法提高预测精度，减少因库存积压或缺货导致的成本损失。 项目目标： 为餐饮公司开发一个基于机器学习的营业额预测模型，能够综合考虑多个因素，如历史销售数据、天气、节假日、促销活动等，提供精准的每日营业额预测。通过模型预测，帮助公司优化库存管理，制定科学的促销方案，提升整体盈利能力。 项目实施： 数据收集与预处理： 该餐饮公司提供了多年的门店销售数据，其中包括日期、销售额、菜品种类、库存情况等信息。 我还从外部数据源获取了天气、节假日等相关信息，并对数据进行了清洗和标准化处理，以确保数据的准确性和完整性。 特征工程： 我基于数据的时序特性，提取了日期、时间等信息，转化为适合模型输入的特征。 结合气候因素（如温度、降水量等）和节假日信息，构建了多个特征维度，包括日间气温、是否节假日、周末等，以增强模型的预测能力。 模型选择与训练： 在测试集上，我使用了均

餐饮门店营业额预测模型 项目背景： 随着市场竞争的加剧，餐饮行业面临着如何精确预测每日营业额、优化库存管理、调整促销策略等挑战。传统的营业额预测多依赖于人工经验和简单的历史数据对比，存在着较大的波动性和误差。这家餐饮公司希望通过数据驱动的方法提高预测精度，减少因库存积压或缺货导致的成本损失。 项目目标： 为餐饮公司开发一个基于机器学习的营业额预测模型，能够综合考虑多个因素，如历史销售数据、天气、节假日、促销活动等，提供精准的每日营业额预测。通过模型预测，帮助公司优化库存管理，制定科学的促销方案，提升整体盈利能力。 项目实施： 数据收集与预处理： 该餐饮公司提供了多年的门店销售数据，其中包括日期、销售额、菜品种类、库存情况等信息。 我还从外部数据源获取了天气、节假日等相关信息，并对数据进行了清洗和标准化处理，以确保数据的准确性和完整性。 特征工程： 我基于数据的时序特性，提取了日期、时间等信息，转化为适合模型输入的特征。 结合气候因素（如温度、降水量等）和节假日信息，构建了多个特征维度，包括日间气温、是否节假日、周末等，以增强模型的预测能力。 模型选择与训练： 在测试集上，我使用了均

1、本方案面向五六线乡镇、村镇实体生产制造业商家。 2、本方案解决是市面上的结构化saas进销存服务平台体量够大、流程复杂、操作晦涩难懂的弊端，是一款经典的小而美的进销存软件。 3、本产品业务涵盖企业员工管理、客户管理、供应商管理、采购、销售、资金相关模块。技术选型springboot、vue、mysql、redis、nginx

本项目为【创刻宇宙】公司的官网，向客户/用户展示了公司开发的6款AI产品，为用户提供了AI产品的使用入口。 包括官网在内，该项目还包含了6款AI产品的开发。这6个AI产品以“AI agent”为核心，打造了功能、性格各异的几位人物，旨在丰富用户的对话体验和游戏需求。

开发智能护理记录单生成系统，降低护士60%文书工作时间 实现飞利浦监护仪数据自动采集，数据推送峰值19w/日 设计持续用药自动计算模块，减少100%人工计算错误 主导完成医院网络规划（VLAN划分+WiFi组网）

本系统主要面向保税仓内的仓储企业，为仓储企业提供一整套商品库存管理方案，包括商品信息、入库、理货、上架、订单管理、波次管理、生成波次、PDA拣货出库、库存管理、库存流水、库存锁、出库单出库、库区管理、库位管理、容器管理、基础参数、移库、盘点等；与第三方平台对接获取订单，如拼多多、小红书、唯品会、行云等十几个平台。

1、丫题丫网校网络服务的具体内容由丫题丫网校平台根据实际情况提供，例如商城、论坛(BBS)、学员交流等。 2、丫题丫网校提供的部分网络服务如商城等，为收费的网络服务，用户使用收费网络服务需要向丫题丫网校平台支付一定的费用。对于收费的网络服务，丫题丫网校会在用户使用之前给予用户明确的提示，只有用户根据提示确认其愿意支付相关费用，用户才能使用该收费网络服务。如用户拒绝支付相关费用，则丫题丫网校有权不向用户提供该等收费网络服务。

后端.net技术的开发框架，前端使用vue+elementui和基于uniapp的微信小程序开发和app定制开发。同时作品中也开发过基于工业数据采集通过tcpIp、modulebus等通讯协议的数采。对接erp产品和工业设备的生产数据汇报和数据统计分析

1、简单：支持通过Web页面对任务进行CRUD操作，操作简单，一分钟上手； 2、动态：支持动态修改任务状态、启动/停止任务，以及终止运行中任务，即时生效； 3、调度中心HA（中心式）：调度采用中心式设计，“调度中心”自研调度组件并支持集群部署，可保证调度中心HA； 4、执行器HA（分布式）：任务分布式执行，任务"执行器"支持集群部署，可保证任务执行HA； 5、注册中心: 执行器会周期性自动注册任务, 调度中心将会自动发现注册的任务并触发执行。同时，也支持手动录入执行器地址； 6、弹性扩容缩容：一旦有新执行器机器上线或者下线，下次调度时将会重新分配任务； 7、触发策略：提供丰富的任务触发策略，包括：Cron触发、固定间隔触发、固定延时触发、API（事件）触发、人工触发、父子任务触发； 8、调度过期策略：调度中心错过调度时间的补偿处理策略，包括：忽略、立即补偿触发一次等； 9、阻塞处理策略：调度过于密集执行器来不及处理时的处理策略，策略包括：单机串行（默认）、丢弃后续调度、覆盖之前调度； 10、任务超时控制：支持自定义任务超时时间，任务运行超时将会主动中断任务； 11、

面向用户及解决问题： 本系统面向金融行业的中大型企业，旨在解决业务流程复杂、数据处理效率低、系统集成困难等问题。通过智能化的业务流程管理和高效的数据处理能力，帮助企业提升运营效率、降低运营成本、优化决策支持。 系统特点： 技术先进：采用Java全栈技术栈，前后端分离架构，确保系统的高性能、高可用性和高扩展性。 功能完善：涵盖客户管理、业务流程管理、数据分析、报表生成等核心功能模块，满足企业全方位需求。 安全性高：采用Spring Security框架，支持多级权限管理、数据加密传输、日志审计等功能，确保系统安全可靠。 用户体验好：前端采用Vue.js和Element UI，界面美观、操作便捷，提升用户满意度。 技术选型： 后端：Spring Boot + Spring MVC + Hibernate，确保后端开发高效、稳定、可维护。 前端：Vue.js + Element UI，实现前后端分离，提升开发效率和用户体验。 数据库：MySQL 8.0，支持高并发、高性能的数据存储和查询。 中间件：Redis用于缓存，RabbitMQ用于消息队列，提升系统性能和可靠性。 容器化：Docker

1.针对呼叫中心系统中广泛应用的 Avaya 全线产品做全面的性能监控。 2.Avaya产品线的产品有很多（AES CM SMGR ASM等等），各个产品之间相互配合来实现呼叫中心的功能，每个产品又有自己的逻辑以及算法规则，呼叫中心的运维不仅要熟悉各个产品，而且每天的例行检查也是一件繁重的工作，有APT做辅助，可以帮助运维尽早发现潜在问题，减轻运维压力，同时为客户节省了运维和人力成本。 3.两部分组成，采集探针+配置管理。技术架构：Java(SpringBoot)+Lua+Redis+Mybatis+PostgreSql+Vue3