1、ibex是一个通用的基于rpc的高效率任务执行器，可以支持在远程机器上以准实时的效率执行相关脚本，可以与夜莺监控配套使用 2、我是Ibex社区的重要开源贡献者

Gemini 是一套端到端的文档分析解决方案:功能包括解析文档，提取文档信息，构建知识图谱，到后续的问答、审核 全流程应用，用户可以通过拖拽实现流程编辑。 负责范围：从头参与整体工程架构设计，负责文档解析服务开发，正则语言编译器重构开发，以及核心框架服务开发。 服务客户包括赛诺菲、中海油、银联云闪付、中银三星、复旦大学、三一重工、大疆、广州12345、云南能投等。 其中主要负责的 Docparser 文档解析流程已提交专利申请。

1、categraf是夜莺监控配套的监控数据采集器，一站式采集各类监控数据，支持云原生监控 2、我是categraf社区贡献者之一

uniapp golang mysql 融合了无线烟感监测、可燃气体监测、电气火灾监测、防火门监测、消防用水监测、消防主机联网、消防电源监测、 消防巡检、视频智能识别九大子系统，围绕消防维保、联动、培训、考试、演练、预案、消防监管和应急指挥， 满足消防主管单位区域性消防多级联控、远程监管的全流程业务需求，是智慧消防系统的前沿创新解决方案。 每日巡查 任务派遣 防患复查 主动检查 通知公告 .... 等

1、夜莺Nightingale是中国计算机学会托管的开源云原生可观测工具。夜莺采用 All-in-One 的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用。 2、我是夜莺Nightingale的社区主要贡献者之一

技术栈：KNN、随机森林、SVM、AdaBoost 功能：对银行营销数据分别进行数据清洗、数据预处理、特征分析，并根据清洗后的数据和特征对以下4个模型KNN、随机森林、SVM、AdaBoost进行了准确率测试，最后选择了准确率最高的KNN算法进一步调优。最终模型的准确率达到了93.3%。 主要工作：数据清洗，数据分析，特征工程，模型调优 链接：https://blog.csdn.net/a284365/article/details/116165723

创建服务器：使用express框架创建一个Node.js服务器，监听特定的端口。使用app.listen()方法指定端口号。 创建路由：定义用于处理登录请求的路由。使用express.Router()创建一个新的路由实例，并在其中定义处理登录请求的路由。 处理登录请求：在登录路由中，编写逻辑来处理用户提交的登录表单数据。验证用户提供的用户名和密码是否有效，并根据验证结果返回适当的响应。 身份验证：如果用户提供的用户名和密码有效，生成一个JSON Web Token（JWT）作为身份验证凭证，并将其返回给客户端。这将用于后续的身份验证和授权。 密码加密：为了安全起见，对用户的密码进行加密存储。使用适当的密码加密库，对用户提供的密码进行哈希处理，并将其保存在数据库中。 数据库集成：根据需求，将后端与数据库集成。使用适当的数据库，如MongoDB或MySQL，来存储和管理用户信息。 错误处理：在处理登录请求和其他操作时，确保对可能发生的错误进行适当的处理。您可以使用try-catch块或错误处理中间件来捕获和处理错误，并返回适当的错误响应。 测试和调试：编写测试用例来确保登录功能的正常运行。

根据基层路由器用户角色权限动态添加添加可访问的路由列表和菜单和操作权限。 在报表模块中，基于 js-export-excel 开发安全库存报表导出 Excel 文件的功能，实现前端导出。 封装常用组件，如使用 pdfjs 封装可预览文档的组件、权限控制的树结构组件等等。 基于 Echarts+webSocket 开发可以自动更新数据的大屏可视化页面。 优化系统用户体验，如字数限制、错误和成功提示、文本超出、必填校验、非空校验、表格翻页 bug 等。 使用 useMemo 优化,防止没必要的重新染，使用 lazy 实现路由懒加载等方式对项目进行优化

vue golang mysql 系统菜单列表展示 系统菜单详情展示 添加、修改系统菜单信息 删除系统菜单信息 系统菜单查询展示 系统菜单树形展示 系统角色列表展示 系统角色详情展示 添加、修改系统角色信息 删除系统角色信息 角色已有菜单展示 角色添加、删除菜单 保存角色与菜单信息 系统用户信息列表展示 系统用户信息详情展示 分页展示按用户名称查询结果 分页展示按用户角色查询结果 添加、修改系统用户信息 删除系统用户 展示、操作系统用户状态 用户分配角色 用户登录 用户权限资源缓存 用户登出 权限菜单展示 缓存当前登录者权限信息 柱状图展示未来7天检测数量 列表展示最近检测记录 展示检测详情 展示检测报告 饼状图展示检测状态分类 柱状图展示12个月的检测数量 选择时间范围、协议、设备类型进行查询 查询条件有效性检测 重置查询条件 展示方案列表信息 展示方案详细信息并可修改 删除单条方案信息 导出检测方案列表 收集、提交方案基本信息 展示检测方案维护步骤 检测方案基本信息数据有效性校验 测点模版文件下载 测点文件上传 清除导入的整个测点列表值 提交单个测点记录id 测点数据有效性校验 提

使用 web-view 加原生小程序完成小程序项目的快速开发。 解决新闻分享在微信中分享异常的问题。 配合后端开发完成在线留言功能。 支付宝支付功能开发。 封装项目中公用组件，如链上会入口、在线留言功能等。 使用 vanilla-marquee 插件完成客户 logo 的滚动加载。

负责搭建学校本地cdn服务器、AIbox、交换机等网络设备，协助调试公司智慧校园平台，将软件、硬件进行对接，通过cdn服务器将前后端项目部署至本地局域网内进行访问，并将局域网穿透至城域网内，将平安校园项目中的设备画面，同步传输至教育厅、公安局，并协助调试监控设备及测试系统功能。

此项目主要为机关政府实现内网搜索服务，含概政务信息展示，新闻资讯文章的搜索功能：当 前参与版本由 SpringBoot 框架搭建。共包含 5 大工程，Lucene 核心索引库、数据服务系统、信息 管理系统、控制台、搜索页。 此项目涉密，无法提供图片和链接

1. 开发的《缘到街》后台管理系统，是权限最大的账号 2. 搭建服务器，使用的云服务器，系统为Linux里的Debian11系统 3. 通过云服务器+nginx实现在线访问，绑定域名yuandaojie.cn，并部署ssl证书，实现https加密传输协议访问 4. 在开发前端项目时使用VUE、vuex、vue组件、router路由、element UI、javascript、axios、等，后端使用的node.js+腾讯云数据库实现

技术栈：Python网络爬虫+Selenium+Pyecharts 功能：可以实现自动爬取城市地铁数据，并将数据保存到CSV文件中。之后通过Python处理数据，将统计数据和可视化图表在前端展示。在使用过程中，通过Selenium获取用户点击城市从而可以实现省市区三级联动。 主要工作：网络爬虫模块，数据可视化模块，自动化测试模块 链接：https://blog.csdn.net/a284365/article/details/117933425

使用机器学习 + 工程方法开发复杂自然语言到 SQL 语言查询数据库的系统，已申请专利《一种语义识别方法及其设备: 专利号：CN112035506A》 功能：用户以自然语言或语音输入，对已有数据库进行数据检索。 负责模块：整体算法，流程设计，后端实现，专利第一作者（简仁贤是公司CEO，公司所有专利他都是一作） 全套系统被包括顺丰、上汽大通等多家知名企业采购。

为某地公安研发，项目使用 SpringCloud 方式多家统一，分为指挥调度平台、大数据平台、安 全中心、安卓 app 软件，实现各家消息传递和接口调用。功能包含街道路段视频监控,下发调度指令, 根据调度处警,地图规划路线实时定位,指令下发警员手机设备 app 等。 绝密等级，无法提供照片和链接

本项目主要分为用户关系模块和弹幕模块。用户关系模块包含：用户登录鉴权、用户关注、用户粉丝、用户动态等；弹幕模块包含：视频上传、视频播放、弹幕管理。 在本项目中我主要负责用户关系模块后端接口的开发，使用SpringBoot、Mybatis Plus、Redis、RabbitMQ等技术，最终实现用户可以查看自己拥有的粉丝以及自己关注的up，并且关注的up更新动态后会推送给关注自己的粉丝。 实现了用户等级制度，针对不同等级的用户拥有不同的权限。 项目难点: up更新动态后粉丝能够获取到相应的推送。通过Redis+RabbitMQ实现，Redis缓存up的动态，up发送动态的时候RabbitMQ异步发送消息进行通知，得到通知的从Redis中取出相应的动态。

技术栈:Jmeter+Kafka+Flink+Mycat+Mysql+E-charts+Flask 功能:可以实现对Jmeter模拟的高并发数据流进行实时处理，并将结果数据通过Mycat中间件同步导入到Mysql中。之后利用 Python分层统计数据，将统计结果及可视化图表在前端大屏展示。 主要工作:集群搭建，网络爬虫模块，数据同步与处理，可视化大屏的Web展示部分 链接：https://blog.csdn.net/a284365/article/details/122016632

某保险总部运维中心系统，采用 SpringCloud+Nacos 分布式架构开发出的微服务平台，将应用、 设备、网络等告警数据进行集中对接，依托 CMDB 中运维对象的关联关系数据和人工制定规则模型数 据，提供告警数据的集中查询分析、各用户视角的可视化告警图、告警聚合的自动建单和通知功能， 提供告警全景图与生产周期管理，为用户提供告警问题排查方向或者原因。

技术栈:PaddlePaddle+PaddleSlim+PaddleDetection+PaddleLite 功能:通过对PP-PicoDet模型的训练超参数优化、骨干网络优化、模型体积压缩，最终部署模型参数量仅为0.99M，内存占用极低(实际程序运行总占用128M)，有更好的设备扩展性。在自定义数据集上，mAP@0.5可达43.9%。实现了在ARM CPU设备、Linux操作系统上进行实时火情检测(树莓派4B 2GB上单图推理时间SGIT为200ms)，并可根据检测结果以及报警规则进行邮件报警。 主要工作:数据采集与清洗，数据预处理，模型训练与分析，模型部署