项目概述
旨在为用户提供智能化的个人助理服务。
技术架构
- 后端框架:
FastAPI.Axum,Gin - 编程语言:
Python & Golang为主，Rust为辅 - 移动端:
Swift (iOS)、Kotlin (Android) - Web端:
JavaScript - 数据库: MySQL, Redis, Milvus
- AI模型: GPT, Claude, Mistral, Grok, Kimi, Qwen, DeepSeek, ChatGLM
核心特性
1. 多模型集成
项目集成了多种大语言模型，包括：
- 国内模型：Qwen、Zhipu、DeepSeek
- 国外模型：Claude、GPT系列
- 多模态模型：MiniCPM-Llama3-V等
2. 数据加密与隐私保护
项目设计了完善的数据加密和隐私保护机制：
- 一期版本：固定密钥加密
- 后续版本：更高级的加密方案
3. 多媒体支持
项目支持多种媒体格式的处理：
- 文本对话
- 语音转文字
- 文字转语音
- 图片识别与处理
4. 消息系统
实现了完善的消息推送和处理系统：
- 集成极光推送
- MQTT服务设计
- 消息存储与管理
交付成效
- 上线首月支撑 18 万+ 次多模态请求，用户满意度达到 92%。
- 金融资讯响应链路缩短 65%，理财顾问可在 30 秒内获得合规话术。
- 通过渗透测试与跨境数据审计，顺利通过上市公司年度合规复核。
团队与治理
- 建立产品、AI、移动、后端、数据五个小组的 Scrum+OKR 协同机制。
- 引入模型上线副本审批、提示词版本控制与回溯机制，保障生产安全。
- 组建运营值班与应急预案小组，实现 7x24 监控与 SLO 复盘。
项目进展
第一季度（1-3月）
- 完成核心功能开发
- 集成RAG技术，使用Millvus向量数据库
- 实现数据加密方案
- 完成整套项目部署
第二季度（4-6月）
- 申请开发者账号（Apple/Google）
- 完善数字人方案
- 接入TH（同花顺）相关功能
第三季度（7-9月）
- 深化与TH的集成
- 增加语音回复功能
- 重新设计接口数据结构
第四季度（12月）
- 完善业务架构/数据架构/应用架构/技术架构
- 构建消息中心、决策中心等
使用说明
部署配置
# 示例配置
models:
- name: "qwen"
type: "domestic"
- name: "claude"
type: "foreign"
- name: "minicpm"
type: "multimodal"
encryption:
version: 2
method: "advanced"
核心模块
- ai-service: 核心AI服务模块
- ai-secretary: 秘书功能模块
- ai-image-generator: 图像生成模块
- message-service: 消息服务模块