1. 负责前端（react hook和 Antd）和后端（nest技术栈）. 2. 负责mysql数据库设计，drone自动化部署, 3. 项目都是跑在docker里面。

项目描述：服务于山西省市场监管局，协助监管局高效完成日常流程。 责任模块：单位信息/个人信息注册，单位生产经营许可/备案审批，个人备案审批 个人职责： 注册：使用Element-Ui的Tabs样式作页头，分别展示单位(企业)用户/个人用户注册信息页面，单位的唯一标识为社会信用代 码，个人为身份证信息。 许可/备案审批：单位/个人在注册基本用户后，申请许可/备案证明之前所需的审批操作，验证方式为后台生成随机图片验证 码，验证成功后使用阿里云SDK发送短信验证码。

提供酒店房间展示, 酒店预订,扫码入住等功能; 其他类似需求也可替换定制 主要为普通商家提供服务,提高用户依赖度,更友好的服务客户 开发环境:微信开发者工具 后端使用node express

项目描述：简单的日记系统 责任模块：个人独立开发 个人职责：接入高德天气APi,支持简单的用户登录,支持动态的背景切换

关联32-bit模式，定时器1的Timer12作为通用定时器，Timer34作为预定标器，周期为5秒。在项目中，经常会遇到这种场景：在特定的时间点去执行一些任务，这就是定时任务。如何实现定时任务呢？如果我们把定时任务的管理交给了我们自己。导致定时任务分散，不易于管理；既然分散，那么我们就集权。把所有定时任务交给一个人去管理。这个人的任务只有一个，管理我们的定时任务。这样的好处是，他一个人控制了所有，那么对定时任务的操作就有了统一的入口。

基于OpenMV图像识别的智能小车如何去追踪 特定颜色的小球。利用OpenMV自带的单片机控制小车电机 运动，利用PID算法，通过改变P，I两个参数从而改变电机 的运动速度以及运动方向来追踪特定色块的小球。通过实验 表明OpenMV图像识别智能小车追踪效果较好，根据同样的 原理同样可以完成小车巡线的功能。OpenMV的使用减少了 传统传感器的设计方案，使小车更加智能。

客户投诉管理是处理客户投诉数据，降低客户投诉数量，维护老客户关系的核心系统，系统功能包括收集投诉数据、分析投诉类型、针对每个投诉数据打上是否可开发标签、跟踪投诉回访结果，按照日、周、月、年等维度展示投诉数据报表。 系统分为server，client，web，uniapp三端。client端用于上报各种投诉数据到server端，server端经过计算分析，将投诉数据进行分类管理，并打入标签是否可以开发客户；若是可以开发客户，则进入投诉回访功能，此功能可以在web和移动端完成，主要是跟踪员工回访投诉客户，安抚客户情绪，找出问题根源并优化产品。 个人在项目中担任架构师和主开发工程师，使用spring cloud alibaba技术栈构建技术框架，使用spring boot，mybaties，mysql，rabbitmq，kafka等技术开发。

负责项目前端页面的开发和维护，负责前端模块的设计和实现 负责前端性能优化，如代码压缩、图片懒加载、缓存处理等 使用Vant UI等组件库开发可重用组件，提高开发效率 参与项目需求讨论和技术方案评审、使用Svn进行版本控制和团队协作 对接后端接口并进行联调测试，确保接口的正确性和稳定性 参与前端工程化的实践，完成构建和部署工作

我的职责： 负责享惠达人小程序开发维护，采用 mpvue 开发微信小程序，熟悉小程序的开发，部署流程以及微信第三方平台代开发方式的开发部署流程；

项目介绍： 纵横商家是一个前后端分离的后台管理的pc端项目，功能模块包括：用户管理、角色管理（权限管理）、商品分类管理、商品管理等功能模块 我的职责： 1. 前端使用React全家桶+Antd+Axios+ES6+Webpac、redux等技术 2. 我负责用户管理、角色管理（权限管理）等页面的开发与维护

我的职责： 1.主要负责掌上云雀 APP 需求迭代的开发与维护 2.封装一些公用组件，比如：头部、页脚、分页器、日历等； 3.封装一些工具类、公共方法等：比如：API接口、axios二次封装等； 4.以及封装一些常用插件：图片懒加载vue-lazyload，进度条nprogress、二维码生成qrcode等 5. 页面采用 vue 开发，与 APP 原生交互采用自定义 jsbridge的 hybrid 混合开发模式。 6. 使用的技术栈：vue2+vant ui、webpack 打包、axios、es6模块化开发、vuex、路由懒加载等

使用新的GPT-4 api，为多个大型PDF文件建立一个chatGPT聊天机器人。 使用的技术栈包括LangChain、Pinecone、Typescript、Openai和Next.js。LangChain是一个框架，使其更容易建立可扩展的AI/LLM应用程序和聊天机器人。Pinecone是一个矢量库，用于存储嵌入和你的PDF的文本，以便以后检索类似的文档。

项目功能 1、采用分布式的项目开发模式整个项目分为：流程模块、社交、用户、系统定位、统计、支付、消息 通知。 2、基于 Sentinel 实现了流量控制、熔断降级、系统负载保护多个维度保护服务稳定。 3、基于 Redis 消息中间件，实现了分布式锁，接口幂等，高并发访问场景的开发。 4、基于 Nacos 实现微服务的自动化注册和发现。 5、微信公众号消息、短信消息、app 消息推送。 责任描述： 1.负责任务流程模块需求开发 2.负责消息中心模块需求开发 3.负责项目需求分析、评估开发时间、数据库表结构设计 4.负责项目需求迭代以及维护 5.负责对接多个第三方消息发送平台

功能模块： 1.banner图广告 2.消息公告 3.一级发行：由品牌方提供合作作品，以数字出版物的方式公开发行，可设置优先购、白名单、限购等 4.闲置：用户的资产可在此上架交易 5.斑马社区：社区论坛 6.斑马商城：可通过积分兑换或者积分+金额的方式兑换，可设置白名单，限购 7.版权存证：区块链存证 8.版权登记：对接版权局，可获得登记证书 9.作品合成：可将不同数量作品进行合成新的作品 10.支付：对接微信、支付宝、银联、合利宝 工作内容： 1.需求梳理、设计数据库物理模型、斑马社区 2.根据需求画原型 3.分配任务，追踪进度 4.负责banner图广告位、一级发行、版权存证、版权登记、作品合成模块后端开发、测试、前后端联调 5.负责管理后台前端部分页面开发

作品描述：负责院内心电设备的连接，心电数据采集，实时渲染，实时分析，数据上传等功能。 主要职责：负责Android pad端的整体功能的开发和维护。

主数据管理平台是企业数字化中的一个重要系统，其功能是汇总和收集企业核心的业务数据，通过清洗计算形成主数据，通过分发接口提供给各个业务线使用。其目的是打通数据孤岛，挖掘数据价值，通过大数据分析和报表展示，为企业精准决策提供依据。 主数据管理平台的功能分为模型管理，主数据管理，分发管理，数据质量管理。 个人职责： 1、使用spring cloud gateway构建主数据分发网关。 2、使用kafka，rabbitmq消息队列等收集主数据分发日志。 3、通过flink cdc技术构建数据仓库。

项目描述：根据客户提供的商品图片获得所需的商品数据。 责任模块：商品信息获取，商品信息展示 个人职责：此项目由个人独立开发，作为组内工具使用 商品信息获取：使用App( 淘宝, 拼多多, 京东 )以图搜图进行浏览，所浏览的信息会被配置的MitmProxy拦截，从拦截的信息中解析出客户所需的数据。 商品信息展示：展示商品图片，以及以图搜图结果图片，通过ElementUi的PreviewSrcList提供缩略图预览

红叮当管理系统（react pc 端） 项目地址 https://perm.qinghotel.com 项目概述：酒店后台管理系统，服务合作的酒店、自家酒店品牌，为公司长期迭代的一款产品 项目内容：财务处理模块、销售统计模块、房态管理模块、自主促销活动模块、订单模块、报表模块、评论模块 项目详情： ➢ 参加技术选型讨论，最终确定 react+TS+webpack+Ant Design ➢ 使用 react 全家桶进行开发，并使用 redux 作为状态管理工具 ➢ 负责 http 请求的 axios 封装 ➢ 将 Ant Design 表单组件二次封装，使之更符合业务需求 ➢ 动态路由进行路由鉴权，自定义指令进行鉴权显隐某些组件 ➢ 将酒店财务处理模块拆分为不同的模块，每个模块处理特定的任务。这些模块可以根据需要进行添加、删除或替 换，以满足不同酒店的需求 ➢ 将数据进行预处理优化大数据渲染，提升可视化图表渲染速度；对百万级数据，使用 ECharts 提供的 sampling 功能里的 lttb 降采样点，在保留很多细节同时能有效的提升渲染速度。 ➢ 使用 XLSX.js 插件导出报表

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。实现了基于 P-Tuning v2 的高效参数微调方法 (使用指南) ，INT4 量化级别下最低只需 7GB 显存即可启动微调。

主导基于 Semantic Search 和 ChatGPT 的文档搜索聊天机器人项目。通过加入相应的前处理技术，利用 Semantic Search 突破 ChatGPT 输入 token 数量的限制，使 ChatGPT 能够理解并回答大量文档相关的问题。同时，采用加入相应的 Prompt 和后处理技术，控制机器人的输出内容范围和质量。项目实现了高效的文档搜索聊天机器人，为用户提供了优质的搜索和问答服务。