我们在以下三个 AI 技术方向上已完成实践验证，每个方向均有真实项目支撑。
我们基于大语言模型构建了通用智能体管理平台，具备 AI 对话、文档生成、知识库检索、工具调用等核心能力，已在工程文档智能化场景中完成验证。
支持火山方舟、通义千问、vLLM 本地推理等多种大模型接入，流式响应与思考过程可视化，历史对话管理与上下文记忆。
AI Agent 创建工作流，Function Calling 标准化工具调用（外部 API + 内部工具），工具注册与配置管理，自定义提示词编排。
多格式文档解析（PDF/DOCX/XLS/PPT/TXT），向量化存储与语义检索，知识条目分类管理，构建领域专属知识库。
基于模板的文档自动生成，占位符识别与内容替换，文档结构化解析与 AI 分析，格式保持与流式预览。
AI 定时任务调度与异步执行，任务日志与结果追踪，支持外网结果发布，适用于周期性自动化场景。
用户与角色权限管理，操作日志审计，系统配置管理，数据库备份与恢复，数据仪表盘。
实践场景：工程施工文档智能化（方案编制、规范检索、模板管理），共 24 个功能页面，已在实际项目中投入使用。
我们在目标检测与视觉分析方面积累了完整的实践经验，从 YOLO 模型训练部署到视觉大模型协同分析，形成了可复用的技术能力。
具备 YOLO 模型从数据标注、训练到部署的完整经验。支持实时视频流分析，可部署在边缘设备上运行，已在安全帽检测、入侵识别、烟火识别、混凝土病害检测等多个场景中完成验证。
利用多模态视觉大模型（千问视觉模型等）对 YOLO 检测结果进行二次校准与分析，包括真实性判断、特征描述与严重程度评估，有效降低误报率，形成“快速筛查 + 精准分析”的双层识别策略。
现场采集 → YOLO 检测 → 视觉大模型校准 → 人工确认 → 标准数据集积累 → 模型再训练 → 模型迭代升级。通过这一闭环流程，持续提升检测精度，逐步形成行业专属的视觉识别模型。
我们以 Unitree Go2 四足机器狗为硬件平台，完成了自主导航、远程监控与边缘 AI 推理等技术验证，积累了机器人管理与 Web 可视化的工程经验。
基于 ROS2 SLAM 算法实现环境建图，融合 2D 栅格地图与 3D 点云数据，支持巡航路径规划与自动避障。
GStreamer + WebSocket 实现低延迟视频流传输，浏览器端实时查看机器人第一视角画面，支持 WebRTC 扩展。
Three.js WebGL 三维地图渲染，实时展示机器人位姿与巡航轨迹，交互式巡航点设置与地图管理。
视觉报警 + TTS 语音播报 + 报警图片自动保存，支持 ROI 区域裁剪与冷却时间控制。
Jetson Orin 作为边缘计算节点，本地运行 AI 推理与 ROS2 节点，降低云端依赖与响应延迟。
周期性巡检任务调度，自动执行并生成执行记录，任务管理与统计看板。
以上技术方向共用同一套技术架构，在多个项目实践中反复打磨，形成了可复用的技术基础。
Tornado 异步 Web 框架，MySQL + Redis，异步非阻塞 IO，全链路异步支持高并发。
火山方舟、通义千问、vLLM 本地推理，Function Calling 工具系统，NDJSON 流式响应。
YOLO 目标检测，多模态大模型分析，向量化语义检索（scikit-learn + numpy）。
Jetson Orin 边缘计算，ROS2 SLAM 建图，GStreamer 视频流，Unitree Go2 四足机器人。
以上技术能力均已在真实场景中完成验证。后续将继续深化各方向的技术积累，同时探索将 AI 能力逐步融入公司传统 SaaS 产品线，推动技术从独立实践向产品化方向演进。
