Python

Python是一种广泛使用的解释型、高级和通用的编程语言，[1]由荷兰数学和计算机科学研究学会的Guido van Rossum创造，第一版发布于1991年，它是ABC语言的后继者，也可以视之为一种使用传统中缀表达式的LISP方言。[2]Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。Python支持多种编程范型，包括函数式、指令式、结构化、面向对象和反射式编程。Python解释器易于扩展，可以使用C或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。Python也可用于可定制化软件中的扩展程序语言。Python

行业：智慧农业、植物保护、农业信息化 业务场景：农业知识库构建、病虫害识别模型训练、数据分析和决策支持 功能模块：代理管理模块、请求调度模块（并发）、数据解析与存储模块、状态管理模块（断点续爬、增量更新）、定时任务模块 实现功能：自动爬取植小保小程序中的问答数据、病虫害识别结果、专家回复等。将爬取的数据结构化存储到数据库和本地文件中。支持增量爬取，避免重复爬取已处理的内容。支持高并发、代理轮换，提升爬取效率和稳定性。提供日志记录和错误重试机制，保证爬虫的鲁棒性。 技术选型：语言：Python 3，网络请求：httpx、requests，数据库：PostgreSQL，并发处理：threading + ThreadPoolExecutor，定时任务：schedule，JSON处理：json，日志管理：logging，代理服务：自定义代理池服务（通过HTTP接口获取代理）

 运用Hadoop和MongoDB对1975年至2015年NBA球员得分能力数据进行分析；  运用python进行机器学习的模型调理，利用Pytorch框架对爬取的抖音评论进行情感分析预测；  利用python和MySQL对51job网站的数据进行爬取、数据清洗及可视化。

系统总体分为数据采集模块，数据传输模块，数据可视化模块。在设计与实现时，系统选择Flask框架。数据采集模块编写一个Python程序爬取所需要的赛事数据，将其保存到MySQL数据库中，接着对其进行预处理，保证数据的准确性。数据传输模块再将数据封装，编写一个数据模型模块，让其可以直接与数据库连接，并且可以读取数据，让数据可以传送到前端。数据可视化模块利用ECharts制作具有直观的交互和动画效果的数据堆叠图和雷达图展示英雄数据和选手数据，利用JQuery库和CSS语言来实现数据传输、轮播动画和页面布局。通过这些可视化图表，可以更加直观地了解英雄的强度、选手的表现和战队之间的差距等内容。

互联网信息推荐算法安全评估平台（http://116.62.162.16/home）是一个面向算法治理与信息安全分析的专业工具。该平台支持从快手、微博、抖音、小红书等多类主流平台进行数据抓取与分析，实现对推荐算法行为的全面监测和量化评估。 平台核心功能包括宏观数据看板、账号群体画像分析、安全指标追踪等，能够精准识别如“诱导控制”和“干扰识别”等算法风险行为，并以可视化方式呈现其变化趋势。它已管理超600万账号、37类群体画像，支撑起对信息传播机制与算法影响的深入洞察。 该平台适用于监管机构、研究单位及平台企业，为其提供算法安全评估、舆论风险预警和治理策略制定方面的数据支持，最终推动推荐算法透明、可信、向善发展。

功能： 1、查看TXT、Word、Python、C++等文档，有base64转码、rsa标准秘钥加密解密 使用： 1、保存的rsa秘钥默认位于和程序在同一文件夹下的mi_yao文件夹 2、保存的rsa密文默认位于和程序在同一文件夹下的mi_wen文件夹 3、解密时，请先打开对应的密文文件，在点击菜单——功能——对应的解密方式 #管理员为啥给我下架了？这是原创作品

1. 项目分为香水时代香评爬取，每款香水香评分析功能 2. 项目所有代码为本人负责 3. 通过大量香评数据直观呈现每款香水的香气和用户最直接的感受 4. 项目主要难点和创新点在于，动态设置代理多线程爬虫，文本分词，情绪倾向分析，数据作图等

1. 项目背景 该项目为应对农民工工资被拖欠、保障农民工合法权益而开发的全自治区劳务实名制平台。平台通过录入每名农民工实名信息和考勤信息，由银行代发工资，可实现工资发放实时监管，从根源上保障农民工工资按时足额发放。 2. 环境概述 该项目使用中台+微服务的模式， 3. 工作经验及内容 - 主要负责电子合同、移动考勤等模块  - 对部分功能模块进行功能点梳理，提前进行测试设计，再根据设计方案输出测试用例，有效减少了因测试遗漏造成的线上溢出问题。 - 参与建设桂建通UI自动化回归测试项目，现已可以替代桂建通平台之前繁琐的人工回归测试任务，减少回归测试占用的人力，使回归时间从原来的1.5个小时降为现在的8分钟。 - 梳理闸机厂家接入时的联调测试需要进行的步骤，规范统一的脚本和数据，降低沟通和研发成本。 - 督促与检查研发提测材料，使研发提测质量不断提高，冒烟评价时间从最初一天降为半天。 - 强化上线评审材料、提前完善线上用例并进行上线评审，把上线时间从最初5个小时降为3个小时。

FAYFay数字人框架！！重要通知：我们已经把Fay的三个版本合并成1个，并致力提供更稳定更全面的功能。我们致力于思考面向终端的数字人落地应用，并通过完整代码把思考结果呈现给大家。Fay数字人框架，向上适配各种数字人模型技术，向下接入各式大语言模型，并且便于更换诸如TTS、ASR等模型，为单片机、app、网站提供全面的数字人应用接口。更新日志：https://qqk9ntwbcit.feishu.cn/wiki/UlbZwfAXgiKSquk52AkcibhHngg文档：https://qqk9ntwbcit.feishu.cn/wiki/JzMJw7AghiO8eHktMwlcxznenIg

本项目以 “静态知识活化 + 动态交互赋能” 为核心，构建 “多模态知识库 + LLM 智能引擎 + 高拟真实时数字人” 三位一体的服务体系。通过将结构化（如产品手册、课程大纲、景区导览数据）与非结构化（如语音问答记录、视频教学片段、游客反馈文本）知识资源整合为标准化知识库，依托 LLM（大语言模型）实现知识的深度理解、精准检索与逻辑生成，最终通过实时数字人载体，将抽象知识转化为拟人化、场景化的交互服务，解决传统知识服务中 “响应不及时、交互不自然、场景适配弱” 的痛点，可广泛应用于商业服务、文旅体验、教育教学等领域，实现 “知识触达更高效、用户体验更沉浸、服务价值更多元” 的目标。

1、使用RAG技术基于企业本地知识库构建智能问答系统 2、深度PDF等文本解析，通过深度学习板式识别，ocr提取，规则处理，多模态大模型等技术对文件做深入解析 3、可快速集成问答服务到企业现有系统 4、文件分析，附带单文档大模型分析功能 5、集成大语言模型，多模态大模型。可对大模型进行微调，以及大模型本地化部署（需GPU资源）

HAP机器人流程自动化软件业务亮点与问题解决介绍 业务亮点： HAP机器人流程自动化软件具备全面且强大的功能体系。拥有可视化设计流程，让操作不再依赖复杂代码，业务人员也能轻松上手构建流程；集成OCR能力，可精准识别图片、扫描文件中的文字信息，实现非结构化数据的高效提取；支持Python调试，赋予用户利用Python强大功能扩展自动化能力的权限；具备AI持续集成特性，能不断优化自动化流程，使其更智能、高效。此外，涵盖系统文件、办公软件、网页等多场景自动化，还有丰富的海量模板，大幅降低开发成本与时间。 解决的问题： 在企业运营中，HAP软件致力于解决重复性、规律性人工操作任务耗时耗力的问题。例如，大量数据录入、文件格式转换、跨系统数据搬运等工作，易出错且效率低下。通过自动化流程，可减少人工干预，降低错误率，释放人力去从事更具创造性和价值的工作。同时，对于数据提取场景，OCR和元素捕捉等功能解决了从纸质文档、图片中获取数据难的问题；在多系统交互方面，软件能打通系统壁垒，实现数据流畅传输与业务协同，提升企业整体运营效率，助力企业数字化转型。

1.面向对象： 开发、测试、运维，主要解决了快速定位linux操作系统的性能消耗情况，程序的CPU和内存使用趋势 2.与其它常规方案的差异： 通常的方案是使用top，查看linux服务器的cpu及内存使用情况，这种是每执行一次才输出一次资源的使用情况，无法定位到一个程序从开启到终止整个期间cpu和内存的使用情况。 本方案解决上了上述的问题，同时生成一个excel文档，里面记录了整个进程以及整体的cpu和内存使用情况。 3.技术选型： 监控终端使用了shell脚本 解析端使用了openpy + tkinter +ttkbootstrap + threading等技术。

KMblog 是一套面向交付的静态站点引擎，我们把“写作—构建—分发”整条链路打磨成一条可复制的 DevOps 流水线，让客户在零后端投入的前提下获得企业级性能与可维护性。 核心架构上，我们采用 Vue 3 + Vite 作为前端底座，利用 Vite 的原生 ESM 与 Rollup 双引擎，在开发阶段实现毫秒级热更新，在生产构建时则借助 Vite-SSG 预渲染全部页面，配合自动路由拆分与懒加载，首屏 JS 体积较传统方案缩减 60 % 以上。样式层使用 TailwindCSS 的 JIT 模式，按需原子类打包，最终产物 CSS < 10 kB；同时通过 PostCSS 插件链路自动处理浏览器前缀与压缩，无需额外配置即可满足 Lighthouse 95+ 的评分要求。 在内容处理层面，Markdown 通过统一的 remark-rehype 管道解析，抽象出可插拔的 AST 节点，任何自定义 Vue 组件都能以 `` 形式直接在正文中引用。构建时，我们利用 esbuild 将组件编译成异步 Chunk，运行时仅加载当前页面所需逻辑；全文搜索则基于 FlexSearc

本方案面向公司，可以解决公司舆情监控问题 本方案使用了爬虫技术、大模型技术、前端vue展示技术、一个人能完成这些能力的整合 本人具备前端开发能力、后端开发能力、目标检测算法、大模型部署、视频流架构搭建能力 系统具备从微信公众号和微博爬取内容，将爬取的内容发送给大模型进行情感判断，并将不利的信息发送至邮箱和前端进行展示 由于系统具有保密性，不能展示更多的图片和演示地址，第二张图是其他项目做的效果图，更具备代表性

产品api无法实现对端口进程的批量整理、SAP与非SAP的自动判断、以及端口对应Web url的自动批量整理 通过本程序集，可使用万相主机安全api+蔷薇微隔离api，批量识别并整理可视化的，暴露至某个范围的机器端口、端口对应进程、进程对应weburl（如有），节省了暴露面排查时的手工操作。 1、实现某能源企业ERP项目梳理端口暴露面的需求； 2、使用python的requests包、openpyxl包等实现； 3、调用产品api实现非自带功能，实现多线程发包节省时间、增量判断节省人工成本； 4、部署至服务器定期执行。

通过构建智能语音客服系统，旨在为旅客提供高效、便捷、人性化的服务。 平台参与者包括：机场呼叫中心、信息中心以及旅客 功能架构设计 1、通过freeswitch语音网关接入机场已有华为语音网关设备，集成拨号计划，实现旅客语音接入 2、获取旅客语音流，利用asr技术将语音转成文本 3、利用通义千问文本大模型结合本地知识库，对文本内容进行处理得出应答 4、通过tts语音转译将大模型返回的结果转成语音，交给freeswitch播放

帮客户在知网上采集31个省的日报内容，从2010年至2023年的每天的日报内容，供客户科研使用 使用python+request查询出每个省的所有日报地址，然后再遍历这些地址，再次请求这些地址，获取到所有的网页内容，期间遇到滑块验证码，使用python+js破解滑块，继续采集数据

AI在线训练平台是一个面向企业和个人开发者的零门槛 AI 开发平台，为零算法基础的开发者提供定制高精度 AI 模型的服务，包括数据处理、模型训练、服务管理、模型部署功能模块。零代码交互式获取 AI 能力模型，助力各行业快速实现 AI 赋能物体检测模型用于定制识别图片中目标的位置、名称，适合有多个目标主体，或要识别目标位置及数量的场景。常见应用场景：视频监控、工业检测、零件计数等。 我负责全部的Java后端业务接口以及Python端AI能力接口。技术栈使用了Spring Boot以及Mybaitsplus框架来做业务侧API，Pytorch，MMDetection，Celery，FastAPI来做AI侧API能力开发。

该系统为提高公司员工部门效能，对接jira数据源进行分析和展示来提升部门整体效能为目的而形成。 1. 针对用户提出的重新登录进行权限系统的重新设计和优化 2. 针对系统出现的OOM问题进行问题跟踪和优化 3. 脚本平台出现的慢sql 1. 对于用户提到的数据源变更使用规则引擎实现 2. 对权限系统使用redis做持久层 3. 数据看板特殊数据结构存储在mongo 4. 使用python对原数据进行加工和清洗 5. Xxl-job定时对数据进行更新 6. 技术栈使用到了spring cloud gateway、open feign、eureka、oauth2等

使用 SimpleImputer 处理缺失值 使用 StandardScaler 或 MinMaxScaler 对数值特征进行标准化/归一化 使用 OneHotEncoder 或 OrdinalEncoder 对分类变量进行编码 应用 SelectKBest, RFECV (递归特征消除与交叉验证) 或基于模型的特征重要性（如来自 RandomForest 的 feature_importances_）来选择最相关的特征，以降低过拟合风险并提高模型可解释性 使用 Pipeline 对象将预处理步骤和估计器（模型）链接成一个单一对象。这避免了数据泄露，并简化了代码。