docs: 重构仓库文档目录并迁移训练素材
按当前架构重组 docs 目录，统一中文命名与目录分层，并将训练原材料迁移到独立目录以保持架构文档边界清晰。
This commit is contained in:
eaiadmin
+322
@@ -0,0 +1,322 @@
|
||||
标题：博昇慧源AI研究院（EAI）· 完整版介绍
|
||||
来源：博昇慧源AI研究院内部材料
|
||||
作者：博昇慧源AI研究院
|
||||
发布时间：未知
|
||||
原始链接：内部材料
|
||||
资料类型：业务介绍
|
||||
适用模型：FDE总顾问战略模型
|
||||
角色视角：顾问机构
|
||||
能力标签：模型定位，机构介绍，核心优势，团队能力
|
||||
语言：中文
|
||||
质量等级：A
|
||||
|
||||
# 博昇慧源AI研究院 · 完整版介绍
|
||||
|
||||
> **Enlighten AI Hub（EAI）· 品牌：xBAI（xbrilliance.ai）**
|
||||
> 面向真实业务的 AI 系统研发与交付
|
||||
|
||||
---
|
||||
|
||||
## 一、我们是谁
|
||||
|
||||
**博昇慧源AI研究院（Enlighten AI Hub）** 是一家专注于**垂直领域 AI 大模型工程化落地**的应用型研究机构。
|
||||
|
||||
- 依托 **20 年产业咨询积累**，自研 **Enlitecore 架构体系**
|
||||
- 为医疗、工业、运动、企业管理等领域的头部企业提供从 **AI 战略设计 → 系统架构 → 私有化交付** 的全链条技术共创服务
|
||||
- 覆盖计算机视觉、知识图谱推理、多源数据预测、LLM 行为架构等核心 AI 方向
|
||||
- **使命**：将行业专属数据转化为可工程化、可持续迭代的 AI 系统壁垒
|
||||
- **双轨发展**：同步推进学术研究与产业落地
|
||||
|
||||
> 理念：**技术共创 · 价值共生 · 战略共赢**
|
||||
|
||||
---
|
||||
|
||||
## 二、核心团队
|
||||
|
||||
跨学科复合型团队，"懂技术，也懂产业与资本"。
|
||||
|
||||
| 角色 | 姓名 | 背景与专长 |
|
||||
|------|------|-----------|
|
||||
| 首席研究员 | **唐明伯（Donald Tang）** | 哥伦比亚大学金融硕士 + 计算机工程背景，20 年管理咨询经验，专长大模型架构与 AI 资本叙事 |
|
||||
| 研究员 | **肖建平** | 计算机工程硕士，专长 AI 系统工程、模型训练与部署、知识库构建 |
|
||||
| 助理研究员 | **罗鑫、罗宏** | 技术商业复合分析、数据资产化、融资材料 |
|
||||
| 助理研究员 | **尹璐** | 系统部署、本地 LLM 运维、数据安全 |
|
||||
| 高级技术顾问 | （依托高校超算中心） | 提供算力支持与前沿研究指导 |
|
||||
| 客座研究员 | **陈晔** | 软件工程质量体系与 AI 系统测试验证 |
|
||||
| 客座研究员 | **张志强** | 企业级 SaaS 架构与产品工程化落地 |
|
||||
|
||||
---
|
||||
|
||||
## 三、核心优势
|
||||
|
||||
我们与其他 AI 服务商的区别：
|
||||
|
||||
1. **全栈自主交付** —— 从基础设施、后端、前端到 AI 推理全部自主完成，不靠外部集成商拼凑
|
||||
2. **统一技术底座** —— Enlitecore 共享底座 + 场景架构，新项目无需从零搭建
|
||||
3. **私有化部署** —— 系统可完全脱离公有云，数据留在客户本地
|
||||
4. **双轨验证** —— 六大领域已上线生产级系统 + 自研前沿协议、已策划多篇学术预印本
|
||||
5. **复合能力** —— 技术研发之外，也具备协助企业构建学术信用与投资人叙事的经验
|
||||
|
||||
> 这些优势不是自我评价，每一条都有真实项目作证据。
|
||||
|
||||
---
|
||||
|
||||
## 四、核心技术底座：Enlitecore
|
||||
|
||||
### 4.1 定义
|
||||
|
||||
**Enlitecore** 是博昇慧源AI研究院自研的模块化全栈架构体系，历经多个生产级项目验证，具备跨领域快速部署能力。核心设计理念是 **共享底座 + 场景架构**：所有项目共用同一套基础设施层，在此之上按业务场景选用对应技术架构，做到既有工程一致性，又有垂直领域专业深度。
|
||||
|
||||
### 4.2 基础设施层（所有架构共用）
|
||||
|
||||
| 层次 | 技术组合 |
|
||||
|------|---------|
|
||||
| 关系型数据库 | PostgreSQL + SQLite + SQLAlchemy + Alembic（数据库版本迁移）|
|
||||
| 图数据库 | Neo4j（知识图谱存储与多跳关系查询）|
|
||||
| 向量数据库 | Qdrant（高维语义向量检索）|
|
||||
| 缓存与消息队列 | Redis（缓存加速 + Celery 任务队列后端）|
|
||||
| 异步任务调度 | Celery（分布式任务队列，高并发异步处理）|
|
||||
| 实时通信 | WebSocket（双向实时数据推送）|
|
||||
| AI 推理运行时 | ONNX Runtime（跨框架模型标准化推理）+ LLM 多模型路由 |
|
||||
| 前端 | Vue 3 + TypeScript + Pinia + Vue Router |
|
||||
| 移动端 | React Native + Flutter（iOS / Android 跨平台）|
|
||||
| 身份认证 | JWT（无状态鉴权，多租户权限隔离）|
|
||||
| 部署 | systemd（裸进程守护，无 Docker 依赖）|
|
||||
| 持续集成 | GitHub Actions CI/CD |
|
||||
| 反向代理与进程管理 | Nginx + Ubuntu 22.04 |
|
||||
| 代码架构 | 标准三层分离：api / model / store |
|
||||
|
||||
### 4.3 六大场景架构
|
||||
|
||||
| 架构 | 中文名 | 适用场景 | 核心技术组合 |
|
||||
|------|------|---------|------------|
|
||||
| **Enlitecore · Forge** | 星熔炉 | 企业管理系统、工业数据看板、设备档案 | FastAPI + SQLAlchemy + PostgreSQL + Vue 3 |
|
||||
| **Enlitecore · Vision** | 星慧眼 | AI 视觉分析、目标检测与跟踪、医疗图像处理 | YOLOv8 + SAM2 + Real-ESRGAN + ONNX Runtime + OpenCV + FFmpeg |
|
||||
| **Enlitecore · Nexus** | 星河图 | 知识图谱推理、复杂多跳查询、生物医学 AI | GraphRAG + Neo4j + Qdrant + Celery + Redis + FastAPI + WeasyPrint |
|
||||
| **Enlitecore · Signal** | 星脉动 | 多源数据融合、时序预测、市场情报 | 时序预测 + NLP 热点分析 + 多平台 API + 爬虫 |
|
||||
| **Enlitecore · Protocol** | 星法则 | LLM 行为架构、多层协议、AI 行为契约与审计 | HEP（H1–H8）+ DSIP + ABE + SDE + Flask + React Native |
|
||||
| **Enlitecore · Studio** | 星创世 | AI 内容创作、视频生成、多模型路由调度 | Seedance 1.5 Pro + 首尾帧中继 + 多模型路由 + Flask + 五层导演架构 |
|
||||
|
||||
### 4.4 技术演进方向
|
||||
|
||||
| 技术 | 类型 | 引入场景 |
|
||||
|------|------|---------|
|
||||
| TimescaleDB | 时序数据库 | 工业传感器数据、游客流量时序分析 |
|
||||
| Elasticsearch | 搜索引擎 | 企业知识库全文检索，与 Qdrant 形成"关键词 + 语义"双引擎 |
|
||||
| MongoDB | 文档数据库 | 非结构化配置、导演架构 Profile 存储、动态 Schema |
|
||||
| Apache Kafka | 消息中间件 | 高吞吐实时数据流、摄像头数据流与多源数据管道 |
|
||||
|
||||
---
|
||||
|
||||
## 五、大模型工程能力
|
||||
|
||||
从应用落地到前沿探索的完整层次。
|
||||
|
||||
### 5.1 日常应用层
|
||||
|
||||
- 主流大模型多平台调用与选型
|
||||
- 本地大模型私有化部署与运行
|
||||
- AI 智能体（Agent）搭建与工作流配置
|
||||
- Prompt 提示词工程与结构化指令设计
|
||||
- AI 视频长片生成与多镜头叙事控制
|
||||
- AI 辅助内容创作（图文、音乐、视频全类型）
|
||||
|
||||
### 5.2 技术实施层
|
||||
|
||||
- 多模型路由架构设计与私有化部署
|
||||
- RAG 企业私有知识库构建（多租户物理隔离）
|
||||
- GraphRAG 知识图谱推理引擎
|
||||
- AI 原生开发环境搭建与多 AI 协作架构
|
||||
- LLM 结构化报告生成系统
|
||||
|
||||
### 5.3 前沿研究层（技术护城河）
|
||||
|
||||
- **HEP 行为契约架构** —— 自研八层协议（H1–H8），确定性与随机性分离，LLM 行为边界可控、全链路可审计
|
||||
- **确定性计算与 LLM 解耦框架** —— 面向医疗、工业控制等高安全场景，"实时控制层不得调用 LLM"的形式化约束，已在 AI 外骨骼三层控制体系、AI 手术显微镜等项目完成工程化验证
|
||||
- **双层异构知识库理论** —— KBP 精确规则层 + KBS 语义向量层，QueryRouter 动态路由，解决知识库扩展性与准确性的矛盾
|
||||
- **学术产出** —— 已主导策划 3 篇 arXiv 预印本（模型调优、工业落地、RAG 工业数据源库），均引入真实企业案例验证
|
||||
|
||||
> 不止会用大模型，更能自研大模型治理协议，这是"研究院"三字的分量。
|
||||
|
||||
---
|
||||
|
||||
## 六、五大产品平台
|
||||
|
||||
技术能力沉淀为五大已上线产品平台：
|
||||
|
||||
### 6.1 IBTrack · 工业设备售后工作台
|
||||
|
||||
- 从设备交付到售后运维的全生命周期数字化管理
|
||||
- 技术积累源自"高升创新半导体尾气设备管理系统"
|
||||
- 打通客户、设备、订单、工单、知识五大对象，故障预警 + 智能派单
|
||||
- 从设备健康预警、更换记录中主动发现备件复购、升级改造商机
|
||||
|
||||
### 6.2 PIMS · 智能管道检测管理平台
|
||||
|
||||
- 让每条管段都拥有可追溯的数字健康履历
|
||||
- 技术积累源自客户"鼎业智能"的管道检测系统 pipediag
|
||||
- 检测报告生成从小时级压缩至分钟级，数据结构化率达 100%
|
||||
- 管段级数字健康档案 + 风险评分可解释（透明展示介质、压力、壁厚、腐蚀等级）
|
||||
|
||||
### 6.3 OEA · 博昇AI大卖家（跨境电商运营工作台）
|
||||
|
||||
- "老板的好管家，老运营的好助手，新手运营的好教练"
|
||||
- 技术积累源自"海外电商选品系统"
|
||||
- 聚合 4+ 主流电商平台数据，选品分析从数天压缩至分钟级
|
||||
- 打通选品、打样、SKU 管理、素材生产、上架、合规全流程
|
||||
|
||||
### 6.4 AIW · 多智能体工作流集成平台
|
||||
|
||||
- 让账号上下文与 AI 步骤协同，重塑内容生产效率
|
||||
- 整合"多智能体集成工作台"与"AIW-mbai AI 视频创作引擎"
|
||||
- 覆盖公众号、小红书、短视频、长视频、海报等多场景
|
||||
- 内含视频引擎：首尾帧中继技术，单段 5 秒扩展至 30–45 秒连贯长视频
|
||||
|
||||
### 6.5 智练猿 · 组织管理与训练平台
|
||||
|
||||
- 学、练、考、评、演五位一体的企业内训平台
|
||||
- 每组织独立物理数据库，零跨租户数据泄露风险
|
||||
- 知识治理三层（原始语料 → 知识主干 → 题目资产）+ UPP 五维能力评估
|
||||
- 把隐性经验、文档 SOP 转化为可量化、可训练、可追溯的数字资产
|
||||
|
||||
---
|
||||
|
||||
## 七、六大通用 AI 落地产品
|
||||
|
||||
即插即用的标准化通用 AI 能力：
|
||||
|
||||
| 序号 | 产品 | 核心形态 | 典型场景 |
|
||||
|------|------|---------|---------|
|
||||
| 一 | 企业级知识库 | 类浏览器界面，本地部署 + 远端大模型 | 律所、医疗、制造业知识沉淀与岗位分级调用 |
|
||||
| 二 | 嵌入式 AI | AI 对话框嵌入现有软件界面 | 亚马逊电商后台、ERP、CRM 内实时辅助 |
|
||||
| 三 | 数字员工 | 多接口对话机器人 | 微信客服、患者群管理、企业微信自动化 |
|
||||
| 四 | 多智能体集成工作台 | 20–50 个智能体集中于单一界面 | 内容运营工作台、医学事务工作台等部门级全流程 |
|
||||
| 五 | 企业级 AI 短视频 | 高精度宣传短视频制作 | 品牌宣传、产品发布、招商推介（成本 1/10，周期 1/6）|
|
||||
| 六 | 企业 GEO 优化 | 生成式引擎优化 | 在 AI 搜索引擎中提升企业曝光与排名 |
|
||||
|
||||
---
|
||||
|
||||
## 八、七大行业专属 AI 落地方案
|
||||
|
||||
| 序号 | 方案 | 行业 | 架构 | 典型案例 |
|
||||
|------|------|------|------|---------|
|
||||
| 一 | 机器视觉与 AI 导航 | 医疗器械 | Vision（星慧眼） | 轶德手术显微镜 AI 升级 |
|
||||
| 二 | 工业检测系统 | 汽车 / 制造 | Vision（星慧眼） | 线束检测、pipediag 管道检测 |
|
||||
| 三 | 高精度大型专有知识库 | 重工业 | Nexus（星河图） | 大型钢铁企业管道数据库 |
|
||||
| 四 | 药物靶点发现系统 | 生物医药 | Nexus（星河图） | RekonBio 药物靶点发现 |
|
||||
| 五 | 多组学靶点挖掘系统（NGS） | 基因 / 医疗 | Nexus（星千寻） | RekonBio · Omics |
|
||||
| 六 | 专项定制 · 电商管理系统 | 跨境电商 | Signal（星脉动） | 海外电商选品系统 |
|
||||
| 七 | 专项定制 · 智能化招聘系统 | 企业 HR | 定制交付 | — |
|
||||
|
||||
> 通用产品适合日常运营场景（开箱即用）；行业方案针对核心业务流程深度定制。两者可组合使用。
|
||||
|
||||
---
|
||||
|
||||
## 九、项目全景与行业验证
|
||||
|
||||
### 9.1 自建系统
|
||||
|
||||
| 系统 | 架构 | 领域 | 核心能力 |
|
||||
|------|------|------|---------|
|
||||
| **RekonBio · Target（星河图）** | 星千寻 | 生物医药 AI | 五步 GraphRAG 推理引擎、4 维靶点评分、多跳关系推理、PDF 报告生成 |
|
||||
| **RekonBio · Omics（星千寻）** | 星千寻 | 生物医药 AI | scRNA-seq 全流程、差异基因提取、蛋白质成药性预评估、LLM 结果解读 |
|
||||
| **轶德医疗 AI 手术显微镜** | 星慧眼 | 医疗 AI 视觉 | <50ms 实时识别、YOLOv8+SAM2 协同、图像超分 4 倍、LLM 手术报告 |
|
||||
| **小人国人流分析** | 星慧眼 | 文旅视觉 AI | 100+ 目标追踪、误差 <5%、热力图刷新 ≤10 秒 |
|
||||
| **小人国游客预测** | 星脉动 | 文旅数据智能 | 5 类异构数据融合、7 天/30 天预测、趋势捕捉提前 2–3 周 |
|
||||
| **PathCoach** | 星法则 | AI 职业发展 | HEP 八层行为契约引擎、LLM 决策全链路可审计 |
|
||||
| **智练猿** | 星熔炉 | 企业知识培训 | 企业专属 RAG 问答、物理隔离、私有化部署 |
|
||||
| **初发创新选品** | 星脉动 | 跨境电商选品 | 4+ 平台接入、分析时间数天 → 分钟级 |
|
||||
| **高升创新设备管理** | 星熔炉 | 半导体工业设备 | 零配件寿命预测、商机主动前置发现 |
|
||||
| **pipediag** | 星熔炉 | 工业管道检测 | 报告小时级 → 分钟级、数据结构化率 100% |
|
||||
| **AIW-mbai** | 星创世 | AI 视频创作 | 单段 5 秒 → 30–45 秒连贯视频、五层导演架构 |
|
||||
|
||||
### 9.2 深度顾问项目
|
||||
|
||||
| 项目 | 角色 | 核心成果 |
|
||||
|------|------|---------|
|
||||
| **普朗克智能 · AI 外骨骼机器人** | 算法架构顾问 | 三层 AI 控制体系（PID 硬实时 <1ms + 步态识别 100–200ms + 意图预测）；主笔行业白皮书支撑 A 轮融资 |
|
||||
| **鲲视科技 · 南方空间（VLEO）** | 资本 / 技术顾问 | 参与超低轨卫星电推进技术路线规划，完成投资人技术包装文件 |
|
||||
| **球秀科技 · 体育 AI** | AI 建模顾问 | 18 种篮球动作识别准确率 ≥98.3%，覆盖 2000+ 球馆、200 万+ 会员 |
|
||||
|
||||
---
|
||||
|
||||
## 十、技术能力图谱
|
||||
|
||||
三个能力层相互支撑，能够独立交付端到端的生产级 AI 系统。
|
||||
|
||||
### 10.1 全栈工程能力
|
||||
|
||||
| 能力 | 技术 |
|
||||
|------|------|
|
||||
| 后端框架 | FastAPI、Flask |
|
||||
| ORM / 数据库 | SQLAlchemy、PostgreSQL、SQLite |
|
||||
| 异步任务 | Celery + Redis |
|
||||
| 前端 | Vue 3 + TypeScript + Pinia + Vue Router |
|
||||
| 部署 | Nginx + PM2 + Ubuntu 22.04 |
|
||||
|
||||
### 10.2 AI / ML 工程能力
|
||||
|
||||
| 能力 | 技术 |
|
||||
|------|------|
|
||||
| 计算机视觉 | YOLOv8、SAM2、Real-ESRGAN、OpenCV、FFmpeg、ONNX Runtime |
|
||||
| 知识图谱 | Neo4j、GraphRAG、多跳推理 |
|
||||
| 向量检索 | Qdrant |
|
||||
| 多目标跟踪 | DeepSORT |
|
||||
| LLM 集成 | 多模型路由、RAG 知识库、结构化报告生成 |
|
||||
|
||||
### 10.3 数据工程能力
|
||||
|
||||
| 能力 | 技术 |
|
||||
|------|------|
|
||||
| 多源数据采集 | 多平台电商 API、爬虫、生物数据库 API（DisGeNET / PubMed / STRING / Reactome）|
|
||||
| 时序预测 | 时序模型 + NLP 热点分析 |
|
||||
| 报告输出 | WeasyPrint（PDF 结构化报告生成）|
|
||||
|
||||
---
|
||||
|
||||
## 十一、用数字说话
|
||||
|
||||
| 项目 | 已验证成果 |
|
||||
|------|-----------|
|
||||
| PIMS（鼎业智能） | 报告生成小时级 → 分钟级；数据结构化率 100% |
|
||||
| 轶德医疗 AI 手术显微镜 | 推理延迟 <50ms；清晰度提升 4 倍；AI 机型溢价 30–50% |
|
||||
| RekonBio 药物靶点发现 | 靶点初筛数周 → 数分钟；5 跳复杂推理 |
|
||||
| 球秀科技体育 AI | 动作识别准确率 ≥98.3%；覆盖 2000+ 球馆、200 万+ 会员 |
|
||||
| OEA 海外选品 | 分析耗时数天 → 分钟级；聚合 4+ 平台 |
|
||||
|
||||
---
|
||||
|
||||
## 十二、合作方法论
|
||||
|
||||
先看人、看流程、看数据，再决定做什么、怎么做。以业务价值为导向，拒绝技术堆砌。
|
||||
|
||||
### 四阶段路径
|
||||
|
||||
```
|
||||
【第一阶段】诊断 → 【第二阶段】方法探讨 → 【第三阶段】实施 → 【第四阶段】升级
|
||||
摸清现状（2–4周） 选路径选产品（1–2周） 真正上线（1–3个月） 持续扩展（持续进行）
|
||||
```
|
||||
|
||||
### 三种落地路径
|
||||
|
||||
| 路径 | 定位 | 适用 |
|
||||
|------|------|------|
|
||||
| 路径 A · 快速起步 | 钉钉 / 飞书自建工作流 + xBAI 指导 | 先验证 AI 有没有用 |
|
||||
| 路径 B · 通用产品定制 | 通用 AI 产品（知识库 / 工作台 / 嵌入式 AI / 数字员工） | 已验证，需要系统化落地 |
|
||||
| 路径 C · 行业专属方案 | 行业专属系统（机器视觉 / 检测系统 / 专有知识库 / 靶点发现等） | 有行业深度需求，通用产品不够用 |
|
||||
|
||||
> 阶段核心产出：落地方案书 + 产品选型 + 交付计划。
|
||||
|
||||
---
|
||||
|
||||
## 十三、联系我们
|
||||
|
||||
- **机构**：博昇慧源AI研究院 · xBAI（xbrilliance.ai）
|
||||
- **首席研究员**：唐明伯（Donald Tang）
|
||||
- **邮箱**：donaldtang@scinova.com
|
||||
- **地址**：上海市延安西路726号22楼
|
||||
|
||||
---
|
||||
|
||||
*文档整合自：技术能力概览 V1.0（2026-05）、xBAI 产品与方案体系 V1.0（2026-07）、公司介绍 20260815 V1*
|
||||
*博昇慧源AI研究院 · Enlighten AI Hub*
|
||||
+324
@@ -0,0 +1,324 @@
|
||||
标题：博昇慧源AI研究院 · 技术能力概览 · V1.0
|
||||
来源：博昇慧源AI研究院内部材料
|
||||
作者：博昇慧源AI研究院
|
||||
发布时间：2026-05
|
||||
原始链接：内部材料
|
||||
资料类型：技术能力说明
|
||||
适用模型：FDE总顾问战略模型
|
||||
角色视角：顾问机构
|
||||
能力标签：技术底座，系统架构，场景能力，工程化交付
|
||||
语言：中文
|
||||
质量等级：A
|
||||
|
||||
# 博昇慧源AI研究院 · 技术能力概览
|
||||
|
||||
> Enlighten AI Hub
|
||||
> 2026年5月
|
||||
|
||||
---
|
||||
|
||||
## 研究院简介
|
||||
|
||||
**博昇慧源AI研究院（Enlighten AI Hub）** 是一家专注于工业AI大模型落地与垂直领域AI系统研发的技术机构，依托20年产业咨询积累与自研 Enlitecore 架构体系，为工业制造、医疗、生物医药、文旅、跨境电商等行业提供从需求分析、系统架构到私有化交付的全链路AI解决方案。研究院当前已在多个垂直领域完成生产级系统研发，覆盖计算机视觉、知识图谱推理、多源数据预测、LLM行为架构等核心AI方向，同步推进学术研究与产业落地的双轨发展路径。
|
||||
|
||||
---
|
||||
|
||||
## 第一部分：核心技术底座 Enlitecore
|
||||
|
||||
### 定义
|
||||
|
||||
**Enlitecore** 是博昇慧源AI研究院自研的模块化全栈架构体系，历经多个生产级项目验证，具备跨领域快速部署能力。Enlitecore 的核心设计理念是**共享底座 + 场景架构**：所有项目共用同一套基础设施层，在此之上根据业务场景选用对应的技术架构，做到既有工程一致性，又有垂直领域的专业深度。
|
||||
|
||||
### 基础设施层（所有架构共用）
|
||||
|
||||
| 层次 | 技术组合 |
|
||||
|------|---------|
|
||||
| **关系型数据库** | PostgreSQL + SQLite + SQLAlchemy + Alembic（数据库版本迁移管理）|
|
||||
| **图数据库** | Neo4j（知识图谱存储与多跳关系查询）|
|
||||
| **向量数据库** | Qdrant（高维语义向量检索）|
|
||||
| **缓存与消息队列** | Redis（缓存加速 + Celery任务队列后端）|
|
||||
| **异步任务调度** | Celery（分布式任务队列，支持高并发异步处理）|
|
||||
| **实时通信** | WebSocket（双向实时数据推送）|
|
||||
| **AI推理运行时** | ONNX Runtime（跨框架模型标准化推理）+ LLM多模型路由 |
|
||||
| **前端** | Vue 3 + TypeScript + Pinia + Vue Router（响应式状态管理）|
|
||||
| **移动端** | React Native + Flutter（iOS / Android 跨平台原生应用）|
|
||||
| **身份认证** | JWT（无状态鉴权，支持多租户权限隔离）|
|
||||
| **部署** | systemd（裸进程守护，无 Docker 依赖）|
|
||||
| **持续集成** | GitHub Actions CI/CD（自动化测试、构建与部署流水线）|
|
||||
| **反向代理与进程管理** | Nginx + PM2 + Ubuntu 22.04（生产级流量管理与进程守护）|
|
||||
| **代码架构** | 标准三层分离：endpoints / services / repositories |
|
||||
|
||||
### 表1.1 六大场景架构
|
||||
|
||||
| 架构 | 中文名 | 适用场景 | 核心技术组合 | 代表项目 |
|
||||
|------|------|---------|------------|---------|
|
||||
| **Enlitecore · Forge** | 星熔炉 | 企业管理系统、工业数据看板、设备档案、标准业务交付 | FastAPI + SQLAlchemy + PostgreSQL + Vue 3 + TypeScript | pipediag、高升创新设备管理、智练猿 |
|
||||
| **Enlitecore · Vision** | 星慧眼 | AI视觉分析、目标检测与跟踪、医疗图像处理 | YOLOv8 + SAM2 + Real-ESRGAN + ONNX Runtime + OpenCV + FFmpeg + FastAPI | 轶德医疗AI手术显微镜、小人国人流分析 |
|
||||
| **Enlitecore · Nexus** | 星河图 | 知识图谱推理、复杂多跳查询、科研数据挖掘、生物医学AI | GraphRAG + Neo4j + Qdrant + Celery + Redis + FastAPI + WeasyPrint | RekonBio · Target（星河图）、RekonBio · Omics（星千寻）|
|
||||
| **Enlitecore · Signal** | 星脉动 | 多源数据融合、时序预测、市场情报、消费行为分析 | 时序预测模型 + NLP热点分析 + 多平台API + 爬虫 + FastAPI + Vue 3 | 初发创新海外选品、小人国游客倾向预测 |
|
||||
| **Enlitecore · Protocol** | 星法则 | LLM行为架构、多层协议系统、AI行为契约与审计 | HEP（H1–H8）+ DSIP + ABE + SDE + Flask + React Native | PathCoach 职业发展平台 |
|
||||
| **Enlitecore · Studio** | 星创世 | AI内容创作、视频生成、多模型路由调度 | Seedance 1.5 Pro + 首尾帧中继 + 多模型路由 + Flask + 五层导演架构 | AIW-mbai AI视频创作平台 |
|
||||
|
||||
### 核心优势
|
||||
|
||||
- **场景覆盖广**：六大架构覆盖工业、医疗、生物医药、文旅、电商、AI创作六个垂直领域
|
||||
- **工程一致性**：基础设施层统一，运维、部署、监控方式跨项目一致
|
||||
- **私有化友好**：基于 Ubuntu + PostgreSQL + Nginx，支持客户本地离线部署，无云依赖
|
||||
- **快速启动**：新项目选定架构即可启动，无需从零搭建基础设施
|
||||
|
||||
### 技术演进方向
|
||||
|
||||
Enlitecore 持续扩展技术边界，以下方向已纳入下一阶段架构规划：
|
||||
|
||||
| 技术 | 类型 | 引入场景 |
|
||||
|------|------|---------|
|
||||
| **TimescaleDB** | 时序数据库 | 工业传感器数据、游客流量时序分析，替代通用数据库处理高频时序写入 |
|
||||
| **Elasticsearch** | 搜索引擎 | 企业知识库全文检索，与Qdrant向量检索形成关键词+语义双引擎 |
|
||||
| **MongoDB** | 文档数据库 | 非结构化配置数据、导演架构Profile存储、动态Schema场景 |
|
||||
| **Apache Kafka** | 消息中间件 | 高吞吐实时数据流，对应视觉感知系统的摄像头数据流与多源数据管道 |
|
||||
|
||||
---
|
||||
|
||||
## 第二部分：大模型工程能力
|
||||
|
||||
博昇慧源AI研究院的大模型能力覆盖从日常应用到前沿研究的完整层次，既能与业界主流工具无缝接轨，又具备独立研发AI架构协议的深度能力。
|
||||
|
||||
### 2.1 日常应用层
|
||||
|
||||
面向实际业务场景的大模型应用能力，覆盖当前主流AI工具的全类型使用：
|
||||
|
||||
- **主流大模型多平台调用与选型**：国内外主流模型均有深度实操经验，能够根据任务类型、成本与效果进行精准选型
|
||||
- **本地大模型私有化部署与运行**：在本地GPU环境独立部署运行开源大模型，满足数据安全与离线场景需求
|
||||
- **AI智能体（Agent）搭建与工作流配置**：基于主流Agent框架搭建自动化工作流，实现多步骤任务的智能编排与执行
|
||||
- **Prompt提示词工程与结构化指令设计**：系统化的提示词设计方法论，应用于各垂直行业的AI场景落地
|
||||
- **AI视频长片生成与多镜头叙事控制**：突破单次生成时长限制，实现连贯叙事长视频的自动化生产
|
||||
- **AI辅助内容创作**：图文、音乐、视频全类型内容的AI生成与创作工作流
|
||||
|
||||
### 2.2 技术实施层
|
||||
|
||||
将大模型能力工程化落地为生产级系统的核心技术：
|
||||
|
||||
- **多模型路由架构设计与私有化部署**：根据任务类型动态调度多个大模型，兼顾性能与成本，支持完全离线私有化部署
|
||||
- **RAG企业私有知识库构建**：基于检索增强生成技术构建企业专属知识库，支持多租户物理隔离，确保数据安全边界
|
||||
- **GraphRAG知识图谱推理引擎**：将大模型与图数据库融合，实现复杂多跳关系推理，突破传统向量检索的语义局限
|
||||
- **AI原生开发环境搭建与多AI协作架构**：构建多AI协同工作的开发环境，以AI驱动方式完成全栈系统工程交付
|
||||
- **LLM结构化报告生成系统**：将大模型非结构化输出转化为标准化PDF报告，直接对接业务端交付需求
|
||||
|
||||
### 2.3 前沿研究层
|
||||
|
||||
具有学术价值与原创性的大模型研究方向：
|
||||
|
||||
- **HEP行为契约架构**：自研八层行为协议（H1–H8），通过确定性与随机性分离的设计原则，实现LLM驱动系统的行为边界可控与全链路可审计，研究方向：Behavioral Contract Enforcement in LLM-Driven Systems
|
||||
- **五步GraphRAG推理引擎**：将疾病-基因-蛋白-通路-文献五类生物医学知识融合为统一图谱，自研五步推理流程与4维评分体系，实现复杂科研场景的自动化靶点发现
|
||||
- **工业AI大模型落地方法论**：面向制造业、医疗、生命科学等垂直领域的大模型工程化落地体系，涵盖知识结构化、私有化部署、多模型协作的完整方法论
|
||||
- **学术发表方向**：基于GraphRAG的工业级药物靶点发现系统，拟以研究院名义发表arXiv学术论文
|
||||
|
||||
---
|
||||
|
||||
## 第三部分：项目全景总览
|
||||
|
||||
### 表3.1 项目全景
|
||||
|
||||
| 系统 | 架构 | 领域 | 用途与特点 | 核心技术栈 | AI能力 |
|
||||
|------|------|------|-----------|-----------|--------|
|
||||
| **RekonBio · Target** | 星河图 | 生物医药AI | 从海量生物医学文献和数据库中自动发现、评分潜在药物靶点，生成结构化PDF报告，面向CRO和药企研发部 | GraphRAG + Neo4j + Qdrant + Celery + Redis + PostgreSQL + FastAPI + WeasyPrint；外部数据源：DisGeNET / PubMed / STRING / Reactome / AlphaFold DB | 五步GraphRAG推理引擎、疾病-基因-蛋白-通路-文献知识图谱、4维靶点评分、多跳关系推理 |
|
||||
| **RekonBio · Omics** | 星千寻 | 生物医药AI | 从TCGA / GEO公开多组学数据中自动挖掘候选靶点，结合AlphaFold结构数据评估成药性，LLM驱动结果解读，输出直接可用的决策报告，与星河图形成上下游闭环 | Scanpy + DESeq2 + TCGA/GEO接口 + AlphaFold DB + Neo4j + Qdrant + FastAPI + WeasyPrint + Vue 3 | scRNA-seq全流程分析、差异基因自动提取、蛋白质成药性预评估、LLM结果解读、与星河图双引擎靶点评分闭环 |
|
||||
| **轶德医疗显微镜** | 星慧眼 | 医疗AI视觉 | 为国产眼科手术显微镜叠加AI能力，实时识别标注手术结构、超分增强图像质量，术后自动生成手术报告 | YOLOv8 + SAM2 + Real-ESRGAN + ONNX Runtime + OpenCV + FFmpeg + FastAPI + WeasyPrint | <50ms实时手术结构识别、YOLOv8+SAM2双模型协同、图像超分增强4倍、LLM手术报告生成 |
|
||||
| **小人国人流分析** | 星慧眼 | 文旅视觉AI | 融合景区摄像头和门禁传感器数据，实时追踪游客动线、生成热力图，支持精细化运营和安全管控 | YOLOv8 + DeepSORT + OpenCV + 摄像头/传感器多源融合 + FastAPI + Vue 3 | 100+目标同时追踪、统计误差率<5%、热力图刷新≤10秒 |
|
||||
| **小人国游客预测** | 星脉动 | 文旅数据智能 | 整合电商平台、投流数据、旅游新闻热点等多源信号，预测游客消费倾向和来客趋势，辅助营销决策 | 时序预测模型 + NLP热点分析 + 电商API + 投流数据 + 爬虫 + FastAPI + Vue 3 | 5类异构数据源融合、7天/30天预测窗口、趋势捕捉提前量提升2–3周 |
|
||||
| **PathCoach** | 星法则 | AI职业发展 | 基于自研HEP分层协议，通过LLM驱动的行为契约机制提供职业路径规划，AI行为边界可控可审计 | HEP（H1–H8）+ DSIP + ABE + SDE + Flask + React Native | HEP八层行为契约执行引擎、LLM决策全链路可审计 |
|
||||
| **智练猿** | 星熔炉 | 企业知识培训 | 企业私有知识库培训平台，各组织数据物理隔离，支持RAG问答、培训管理、知识资产管理 | RAG知识库 + FastAPI + SQLite物理隔离 + Vue 3 | 企业专属RAG问答、零跨租户数据风险、私有化部署 |
|
||||
| **初发创新选品** | 星脉动 | 跨境电商选品 | 聚合Amazon、Shopee等多平台数据，结合市场热点和趋势分析，为跨境卖家智能推荐高潜力选品 | LLM趋势分析 + 选品评分模型 + 多平台官方API + 爬虫 + FastAPI + Vue 3 | 4+平台数据同时接入、分析时间从数天压缩至分钟级 |
|
||||
| **高升创新设备管理** | 星熔炉 | 半导体工业设备 | 为半导体设备商建立已售设备全生命周期档案，预测零配件更换时间窗口，主动发现商机 | 商机预警引擎 + 寿命预测模型 + FastAPI + SQLAlchemy + PostgreSQL + Vue 3 | 零配件寿命预测、可配置预警窗口、商机主动前置发现 |
|
||||
| **pipediag** | 星熔炉 | 工业管道检测 | 工业管道检测全流程数字化管理，AI辅助异常识别，自动生成检测报告 | FastAPI + SQLAlchemy + PostgreSQL + Vue 3 + TypeScript + Nginx + PM2 | 报告生成从小时级压缩至分钟级、数据结构化率100% |
|
||||
| **AIW-mbai** | 星创世 | AI视频创作 | 基于Seedance 1.5 Pro的AI视频创作平台，通过首尾帧中继技术实现30–45秒连贯长视频生成 | Seedance 1.5 Pro + 首尾帧中继 + 多模型路由 + Flask + 五层导演架构 | 单段5秒扩展至30–45秒连贯视频、五层风格精细控制 |
|
||||
|
||||
---
|
||||
|
||||
## 第四部分：技术能力图谱
|
||||
|
||||
博昇慧源AI研究院的技术能力覆盖从基础设施到AI推理的完整纵深，能够独立交付端到端的生产级AI系统，而非依赖外部集成商拼凑。三个能力层相互支撑：全栈工程层保障系统稳定可交付，AI/ML工程层决定智能化深度，数据工程层决定系统能"看到"多少世界。
|
||||
|
||||
### 4.1 全栈工程能力
|
||||
|
||||
具备从后端API、数据库到前端界面的完整交付能力，所有系统均可脱离云平台依赖、在客户本地服务器独立运行。异步任务架构支持高负载场景下的稳定调度，确保生产环境的可靠性。
|
||||
|
||||
### 表4.1 全栈工程
|
||||
|
||||
| 能力 | 技术 |
|
||||
|------|------|
|
||||
| 后端框架 | FastAPI、Flask |
|
||||
| ORM / 数据库 | SQLAlchemy、PostgreSQL、SQLite |
|
||||
| 异步任务 | Celery + Redis |
|
||||
| 前端 | Vue 3 + TypeScript + Pinia + Vue Router |
|
||||
| 部署 | Nginx + PM2 + Ubuntu 22.04 |
|
||||
|
||||
### 4.2 AI / ML 工程能力
|
||||
|
||||
这是研究院技术壁垒最深的层次。计算机视觉方向具备从目标检测、实例分割到图像超分的完整工程能力，推理延迟可控制在50ms以内满足实时场景要求。知识图谱方向基于GraphRAG实现复杂多跳推理，突破传统向量检索的语义局限。LLM集成方向支持多模型路由与私有知识库RAG，将通用大模型能力落地为垂直领域的专业系统。
|
||||
|
||||
### 表4.2 AI / ML 工程
|
||||
|
||||
| 能力 | 技术 |
|
||||
|------|------|
|
||||
| 计算机视觉 | YOLOv8、SAM2、Real-ESRGAN、OpenCV、FFmpeg、ONNX Runtime |
|
||||
| 知识图谱 | Neo4j、GraphRAG、多跳推理 |
|
||||
| 向量检索 | Qdrant |
|
||||
| 多目标跟踪 | DeepSORT |
|
||||
| LLM集成 | 多模型路由、RAG知识库、结构化报告生成 |
|
||||
|
||||
### 4.3 数据工程能力
|
||||
|
||||
数据工程能力决定系统的信息视野。研究院具备同时接入多平台电商API、生物医学数据库、实时爬虫等异构数据源的工程能力，并能在此基础上构建时序预测模型和NLP热点分析管道，将原始数据转化为可决策的业务洞察。所有分析结果均支持结构化PDF报告输出，直接交付给业务端使用。
|
||||
|
||||
### 表4.3 数据工程
|
||||
|
||||
| 能力 | 技术 |
|
||||
|------|------|
|
||||
| 多源数据采集 | 多平台电商API、爬虫、生物数据库API（DisGeNET / PubMed / STRING / Reactome）|
|
||||
| 时序预测 | 时序模型 + NLP热点分析 |
|
||||
| 报告输出 | WeasyPrint（PDF结构化报告生成）|
|
||||
|
||||
---
|
||||
|
||||
|
||||
## 附件：项目矩阵
|
||||
|
||||
### A.1 企业设备数据库类
|
||||
|
||||
#### pipediag — 鼎业智能管道检测工业系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 客户 | 鼎业智能 |
|
||||
| 技术架构 | Enlitecore · Forge（星熔炉）|
|
||||
| 技术栈 | FastAPI + SQLAlchemy + PostgreSQL + Vue 3 + TypeScript |
|
||||
| 核心功能 | 管道检测记录、设备档案管理、AI辅助异常识别、报告自动生成 |
|
||||
| 技术亮点 | 检测报告生成时间从人工数小时压缩至分钟级；支持多管线并行档案管理，数据结构化率达100% |
|
||||
|
||||
---
|
||||
|
||||
#### 高升创新 — 半导体尾气设备管理系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Forge（星熔炉）|
|
||||
| 技术栈 | FastAPI + SQLAlchemy + PostgreSQL + Vue 3 + TypeScript |
|
||||
| 核心功能 | 已售设备建档、零配件生命周期管理、维保周期预警、商机主动发现 |
|
||||
| 技术亮点 | 零配件到期预警提前窗口可配置，商机发现从被动响应转为主动前置；设备档案覆盖全生命周期，客户跟进效率提升显著 |
|
||||
|
||||
---
|
||||
|
||||
### A.2 流量与消费分析类
|
||||
|
||||
#### 小人国 — 人流分析系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Vision（星慧眼）|
|
||||
| 技术栈 | YOLOv8 + DeepSORT + 摄像头视频流 + 门禁传感器融合 + 热力图生成 + FastAPI + Vue 3 |
|
||||
| 核心功能 | 多目标人体检测与跟踪、区域热力图、客流量统计分析 |
|
||||
| 技术亮点 | 支持同时追踪100+目标，视觉与传感器双源校验，统计误差率 <5%；热力图实时刷新间隔 ≤10秒 |
|
||||
|
||||
#### 小人国 — 游客倾向预测系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Signal（星脉动）|
|
||||
| 技术栈 | 多平台电商API + 爬虫 + 投流数据接入 + 旅游新闻NLP热点分析 + 时序预测模型 + FastAPI + Vue 3 |
|
||||
| 核心功能 | 多源数据融合分析、游客消费倾向预测、趋势热点追踪 |
|
||||
| 技术亮点 | 融合5类异构数据源，预测时间窗口覆盖7天/30天；相比单源分析，趋势捕捉提前量提升2–3周 |
|
||||
|
||||
---
|
||||
|
||||
### A.3 企业知识管理类
|
||||
|
||||
#### 智练猿 — 企业知识培训平台
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Forge（星熔炉）|
|
||||
| 技术栈 | FastAPI + SQLAlchemy + SQLite（物理隔离）+ Vue 3 + TypeScript |
|
||||
| 核心功能 | 企业知识RAG问答、员工培训管理、多租户隔离 |
|
||||
| 技术亮点 | 每组织独立物理数据库，零跨租户数据泄露风险；RAG问答基于企业私有知识库，回答准确性显著优于通用LLM |
|
||||
|
||||
#### PathCoach — AI职业发展平台
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 域名 | pathcoach.ai |
|
||||
| 技术架构 | Enlitecore · Protocol（星法则）|
|
||||
| 技术栈 | HEP（H1–H8）+ DSIP + ABE + SDE + Flask + React Native |
|
||||
| 核心功能 | LLM驱动职业路径规划、行为契约执行、多层协议管控 |
|
||||
| 技术亮点 | 自研HEP八层协议将LLM行为边界分层约束，AI决策全链路可审计；研究方向：Behavioral Contract Enforcement in LLM-Driven Systems |
|
||||
|
||||
---
|
||||
|
||||
### A.4 电商选品与市场情报类
|
||||
|
||||
#### 初发创新 — 海外选品系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Signal（星脉动）|
|
||||
| 技术栈 | 多平台官方API（Amazon / Shopee 等）+ 补充爬虫 + 选品评分模型 + LLM趋势分析 + FastAPI + Vue 3 |
|
||||
| 核心功能 | 多平台数据聚合、AI驱动选品评分、市场热点趋势分析 |
|
||||
| 技术亮点 | 同时接入4+主流电商平台数据，LLM趋势分析与结构化评分双引擎驱动，单次选品分析从数天压缩至分钟级 |
|
||||
|
||||
---
|
||||
|
||||
### A.5 医疗与生命科学AI类
|
||||
|
||||
#### 轶德医疗 — AI手术显微镜系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Vision（星慧眼）|
|
||||
| 技术栈 | YOLOv8 + SAM2 + Real-ESRGAN + ONNX Runtime + OpenCV + FFmpeg + WeasyPrint + FastAPI + Vue 3 |
|
||||
| 核心功能 | 图像增强、手术结构实时检测与标注、视频关键帧分析、LLM手术报告生成、PDF输出 |
|
||||
| 技术亮点 | 推理延迟 <50ms 满足手术实时性要求；YOLOv8 检测 + SAM2 精细分割双模型协同，结构识别精度显著优于单模型；Real-ESRGAN 超分辨率增强将图像清晰度提升4倍 |
|
||||
|
||||
#### RekonBio · Target（星河图）— 药物靶点发现系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Nexus（星河图）|
|
||||
| 技术栈 | GraphRAG + Neo4j + Qdrant + Celery + Redis + PostgreSQL + FastAPI + WeasyPrint + Vue 3 + TypeScript |
|
||||
| 外部数据源 | DisGeNET / PubMed / STRING / Reactome / AlphaFold DB |
|
||||
| 核心功能 | 五步GraphRAG推理引擎、4维评分体系、多跳关系推理、语义相似搜索、PDF靶点报告生成 |
|
||||
| 技术亮点 | 融合疾病-基因-蛋白-通路-文献五类生物医学知识图谱，支持5跳以内复杂关系推理；传统人工靶点筛查需数周，系统可在数分钟内完成初筛并输出结构化评分报告 |
|
||||
| 与星千寻协同 | 接收星千寻输出的实验数据层候选靶点，叠加知识图谱验证与文献评分，形成"实验数据+文献知识"双引擎靶点评分闭环 |
|
||||
| 学术方向 | 基于GraphRAG的工业级药物靶点发现系统，拟发表学术论文 |
|
||||
|
||||
---
|
||||
|
||||
#### RekonBio · Omics（星千寻）— 多组学靶点挖掘系统
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Nexus（星河图）|
|
||||
| 技术栈 | Scanpy + DESeq2 + TCGA数据接口 + GEO数据接口 + AlphaFold DB + Neo4j + Qdrant + FastAPI + WeasyPrint + Vue 3 + TypeScript |
|
||||
| 公开数据源 | TCGA（33种癌症类型，11000+样本）/ GEO（500万+样本）/ EBI Single Cell Expression Atlas / AlphaFold DB（2亿+蛋白质结构）|
|
||||
| 核心功能 | 单细胞RNA-seq分析流水线（scRNA-seq）、差异基因表达分析、细胞亚群聚类、通路富集分析、候选靶点自动提取、蛋白质成药性预评估、多组学报告生成 |
|
||||
| 技术亮点 | 从实验数据层直接发现候选靶点，时间上领先文献发表至少1-2年；接入AlphaFold DB蛋白质结构数据，自动评估靶点成药性（druggability），将分析链从"基因表达"延伸至"结构可成药性"；LLM驱动结果解读，将复杂生信数字自动翻译为药企研发人员可直接使用的决策语言 |
|
||||
| 与星河图协同 | 星千寻输出实验数据层候选靶点列表，自动导入星河图进行知识图谱验证与文献评分，两系统形成上下游闭环，共同构成 RekonBio AI药物发现平台 |
|
||||
| 目标客户 | 药企研发部（靶点筛选提速）、生物医药CRO（扩展服务能力）|
|
||||
| 学术方向 | 多组学数据驱动的靶点发现方法论，拟与星河图系统整合发表 |
|
||||
|
||||
---
|
||||
|
||||
### A.6 AI创作类
|
||||
|
||||
#### AIW-mbai — AI视频创作平台
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 技术架构 | Enlitecore · Studio（星创世）|
|
||||
| 技术栈 | Seedance 1.5 Pro + Flask + 五层导演/故事/角色/内容/生成Profile架构 |
|
||||
| 核心功能 | 首尾帧中继生成、30–45秒长视频拼接、多模型路由 |
|
||||
| 技术亮点 | 首尾帧中继技术突破单次生成时长限制，实现单段5秒扩展至30–45秒连贯叙事视频；五层导演架构支持风格、角色、镜头语言精细控制 |
|
||||
|
||||
|
||||
---
|
||||
|
||||
*文档版本：V1.0 | 博昇慧源AI研究院 · Enlighten AI Hub | 2026年5月*
|
||||
+475
@@ -0,0 +1,475 @@
|
||||
标题：博昇慧源xBAI·AI落地产品与方案体系 V1.0
|
||||
来源：博昇慧源AI研究院内部材料
|
||||
作者：博昇慧源AI研究院
|
||||
发布时间：未知
|
||||
原始链接：内部材料
|
||||
资料类型：产品方案
|
||||
适用模型：FDE总顾问战略模型
|
||||
角色视角：顾问机构
|
||||
能力标签：产品体系，AI场景，解决方案，落地形态
|
||||
语言：中文
|
||||
质量等级：A
|
||||
|
||||
# 博昇慧源 xBAI（xbrilliance.ai）
|
||||
## AI落地产品与方案体系 · V1.0
|
||||
|
||||
---
|
||||
|
||||
# 第一章｜六大通用AI落地产品
|
||||
|
||||
## 产品总览
|
||||
|
||||
| 序号 | 产品名称 | 核心形态 | 典型场景 |
|
||||
|------|---------|---------|---------|
|
||||
| 一 | 企业级知识库 | 类浏览器界面，本地部署+远端大模型 | 律所、医疗、制造业知识沉淀与岗位分级调用 |
|
||||
| 二 | 嵌入式AI | AI对话框嵌入现有软件界面 | 亚马逊电商后台、ERP、CRM等系统内实时辅助 |
|
||||
| 三 | 数字员工 | 多接口对话机器人 | 微信客服、患者群管理、企业微信自动化 |
|
||||
| 四 | 多智能体集成工作台 | 20–50个智能体集中于单一界面 | 公众号小红书内容运营工作台、医学事务工作台等部门级全流程 |
|
||||
| 五 | 企业级AI短视频 | 高精度宣传短视频制作 | 品牌宣传、产品发布、招商推介 |
|
||||
| 六 | 企业GEO优化 | 生成式引擎优化 | 在AI搜索引擎中提升企业曝光与排名 |
|
||||
|
||||
|
||||
### 产品一｜企业级知识库
|
||||
|
||||
```
|
||||
员工登录
|
||||
│
|
||||
▼
|
||||
类浏览器知识库界面
|
||||
│
|
||||
├──► 董事长/总经理 ──► 看到：战略知识 · 全局数据 · 决策支持
|
||||
│
|
||||
├──► 部门经理 ──► 看到：部门SOP · 项目档案 · 团队规范
|
||||
│
|
||||
└──► 基层员工 ──► 看到：岗位手册 · 操作指引 · 常见问题
|
||||
|
||||
│ 每个层级只能看到与自己岗位匹配的内容
|
||||
▼
|
||||
AI问答（调用 DeepSeek / GPT 等大模型）
|
||||
│
|
||||
▼
|
||||
数据全部存在企业本地服务器，不出企业
|
||||
```
|
||||
**典型案例**：某律所正在全线建立岗位级知识库
|
||||
|
||||
---
|
||||
|
||||
### 产品二｜嵌入式AI
|
||||
|
||||
```
|
||||
企业现有软件界面（亚马逊后台 / ERP / CRM 等）
|
||||
│
|
||||
│ ┌─────────────────────────┐
|
||||
│ │ AI 工作对话框（悬浮） │
|
||||
│ │ │
|
||||
│ │ 自动感知界面上的信息 │
|
||||
│ │ │ │
|
||||
│ │ ▼ │
|
||||
│ │ 实时建议 · 对话辅助 │
|
||||
│ │ 选品 / 定价 / 文案优化 │
|
||||
│ └─────────────────────────┘
|
||||
│
|
||||
▼
|
||||
员工无需切换系统，在原界面直接获得AI辅助
|
||||
```
|
||||
**典型案例**：亚马逊电商后台内嵌AI框，感知页面数据后实时辅助选品与文案
|
||||
|
||||
---
|
||||
|
||||
### 产品三｜数字员工（多接口）
|
||||
|
||||
```
|
||||
客户 / 患者 / 用户
|
||||
│
|
||||
├──► 微信公众号 ──────────────┐
|
||||
│ │
|
||||
├──► 企业微信群 ──────────────┤
|
||||
│ ▼
|
||||
├──► 小程序 ────────────► 数字员工 AI
|
||||
│ │
|
||||
└──► 其他渠道 ──────────────┘
|
||||
│
|
||||
┌────────────────┼────────────────┐
|
||||
▼ ▼ ▼
|
||||
智能问答 自动管理 边界控制
|
||||
回答常见问题 群消息 · 提醒 不越权回答
|
||||
7×24小时在线 定时推送 · 归档 敏感问题转人工
|
||||
```
|
||||
**典型场景**：医疗企业患者群管理、律所客户咨询自动化、电商售后机器人
|
||||
|
||||
---
|
||||
|
||||
### 产品四｜多智能体集成工作台（上）· 产品形态
|
||||
|
||||
```
|
||||
以前：一个任务 → 切换5–10个工具 → 效率低 · 容易出错
|
||||
|
||||
现在：
|
||||
┌─────────────────────────────────────────────────────┐
|
||||
│ 一个界面 │
|
||||
│ │
|
||||
│ 智能体① → 智能体② → 智能体③ → …… 智能体N │
|
||||
│ │
|
||||
│ 20–50个智能体在后台协同完成一个部门的完整工作流 │
|
||||
│ 前台只有一个操作窗口，员工无需了解技术细节 │
|
||||
│ │
|
||||
│ ⚠️ 关键节点保留人工审核，AI不替代最终判断 │
|
||||
└─────────────────────────────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
┌──────────────┬──────────────┬──────────────┐
|
||||
│ 适合场景 │ 不适合场景 │ 核心价值 │
|
||||
├──────────────┼──────────────┼──────────────┤
|
||||
│ 高频 · 繁琐 │ 偶发 · 创意 │ 替代碎片工具 │
|
||||
│ 流程标准化 │ 强判断决策 │ 减少切换成本 │
|
||||
│ 多步骤串联 │ 法律/医疗审批│ 全链路自动化 │
|
||||
└──────────────┴──────────────┴──────────────┘
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
### 产品四｜多智能体集成工作台（下）· 典型案例
|
||||
|
||||
**案例：公众号小红书内容运营工作台**
|
||||
|
||||
```
|
||||
运营人员发出一个指令："本周做3篇关于XX产品的内容"
|
||||
│
|
||||
▼
|
||||
┌─────────────────────────────────────────────────────┐
|
||||
│ 工作台自动运转 │
|
||||
│ │
|
||||
│ ① 选题策划 → AI分析热点趋势，生成选题与内容框架 │
|
||||
│ │ │
|
||||
│ ② 内容创作 → AI撰写文案、生成配图建议、优化标题 │
|
||||
│ │ │
|
||||
│ ③ 多平台适配 → 一键转换为公众号/小红书/微博格式 │
|
||||
│ │ │
|
||||
│ ④ 发布管理 → 定时发布 · 多账号统一管理 │
|
||||
│ │ │
|
||||
│ ⑤ 数据分析 → 汇总阅读/点赞/转化，生成复盘报告 │
|
||||
│ │ │
|
||||
│ ⑥ 互动回复 → AI辅助评论区回复，保持账号活跃度 │
|
||||
└─────────────────────────────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
运营人员只需在关键节点审核确认，其余全部自动完成
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
### 产品五｜企业级AI短视频制作
|
||||
|
||||
```
|
||||
传统广告大片： 策划 → 拍摄 → 后期 → 成片
|
||||
成本：100万 耗时：3–6个月
|
||||
|
||||
AI短视频： 需求沟通 → AI生成 → 人工精调 → 成片
|
||||
成本：10万 耗时：2–4周
|
||||
效果：达到传统广告大片水准
|
||||
|
||||
成本 1/10 · 周期 1/6
|
||||
```
|
||||
**执行团队**：xBAI指导的天津专业团队，适用于品牌宣传、产品发布、招商推介
|
||||
|
||||
---
|
||||
|
||||
### 产品六｜企业GEO优化
|
||||
|
||||
```
|
||||
用户在 AI 搜索引擎提问
|
||||
（ChatGPT · Perplexity · Gemini · 文心一言）
|
||||
│
|
||||
▼
|
||||
AI 引擎从互联网检索并推荐答案
|
||||
│
|
||||
├──► 没有做GEO：企业信息不被引用，竞争对手被推荐
|
||||
│
|
||||
└──► 做了GEO：企业出现在 AI 推荐结果的首位
|
||||
│
|
||||
▼
|
||||
持续曝光 · 建立品牌可信度 · 获取精准客户
|
||||
```
|
||||
**合作资源**：新加坡（国际市场）+ 上海（国内市场）两家顶级GEO团队
|
||||
|
||||
---
|
||||
|
||||
# 第二章｜行业专属AI落地方案
|
||||
|
||||
> **第一章与第二章怎么选？**
|
||||
> 第一章的通用产品适合大多数企业的日常运营场景，开箱即用，部署周期短；第二章的行业专属方案针对特定行业的核心业务流程，需要结合专有数据与行业知识深度定制，适合对精度、合规或垂直场景有更高要求的企业。两者可以组合使用。
|
||||
|
||||
## 方案总览
|
||||
|
||||
| 序号 | 方案名称 | 行业 | 典型案例 |
|
||||
|------|---------|------|---------|
|
||||
| 一 | 机器视觉与AI导航 | 医疗器械 | 轶德手术显微镜AI升级 |
|
||||
| 二 | 工业检测系统 | 汽车/制造 | 线束检测系统 |
|
||||
| 三 | 高精度大型专有知识库 | 重工业 | 大型钢铁企业管道数据库 |
|
||||
| 四 | 药物靶点发现系统 | 生物医药 | RekonBio药物靶点发现系统 |
|
||||
| 五 | 多组学靶点挖掘系统 | 基因/医疗 | RekonBio · Omics星千寻 |
|
||||
| 六 | 专项定制开发·电商管理系统 | 跨境电商 | 海外电商选品系统 |
|
||||
| 七 | 专项定制开发·智能化招聘系统 | 企业HR | — |
|
||||
|
||||
---
|
||||
|
||||
### 方案一｜机器视觉与AI导航
|
||||
|
||||
**行业**：医疗器械
|
||||
|
||||
**架构**：Enlitecore · Vision（星慧眼）· YOLOv8 + SAM2 + Real-ESRGAN + ONNX Runtime
|
||||
|
||||
**典型案例**：轶德医疗 AI手术显微镜
|
||||
- 图像增强4倍清晰度，手术结构实时识别与标注
|
||||
- 推理延迟 <50ms，满足手术实时性要求
|
||||
- YOLOv8+SAM2双模型协同，识别精度显著优于单模型
|
||||
- LLM自动生成术后报告
|
||||
|
||||
---
|
||||
|
||||
### 方案二｜工业检测系统
|
||||
|
||||
**行业**：汽车制造 / 工业生产
|
||||
|
||||
**架构**：Enlitecore · Vision（星慧眼）· 机器视觉 + AI异常识别
|
||||
|
||||
**典型案例**：线束检测系统 / pipediag鼎业智能管道检测
|
||||
- 多管线并行管理，数据结构化率100%
|
||||
- AI辅助异常识别，检测报告生成从小时级压缩至分钟级
|
||||
- 支持设备档案管理与多维检索，可与现有工业系统对接
|
||||
|
||||
---
|
||||
|
||||
### 方案三｜高精度大型专有知识库
|
||||
|
||||
**行业**：重工业 / 大型制造企业
|
||||
|
||||
**架构**：Enlitecore · Nexus（星河图）· GraphRAG + Neo4j + Qdrant
|
||||
|
||||
**典型案例**：大型钢铁企业管道数据库
|
||||
- 整合设备档案、工艺规程、巡检历史等多年非结构化数据
|
||||
- 支持复杂多跳关系推理，突破传统向量检索的语义局限
|
||||
- 可私有化本地部署，数据完全不出企业
|
||||
|
||||
---
|
||||
|
||||
### 方案四｜药物靶点发现系统
|
||||
|
||||
**行业**：生物医药 / Biotech
|
||||
|
||||
**架构**：Enlitecore · Nexus（星河图）· GraphRAG + Neo4j + Qdrant + WeasyPrint
|
||||
|
||||
**典型案例**：RekonBio药物靶点发现系统
|
||||
- 融合疾病-基因-蛋白-通路-文献五类知识图谱，支持5跳复杂推理
|
||||
- 整合DisGeNET / PubMed / STRING / Reactome权威数据源
|
||||
- 自研五步推理引擎 + 4维评分体系，自动生成结构化PDF报告
|
||||
- 传统人工数周的靶点初筛，系统仅需数分钟完成
|
||||
|
||||
---
|
||||
|
||||
### 方案五｜多组学靶点挖掘系统（NGS）
|
||||
|
||||
**行业**：基因检测 / 精准医疗
|
||||
|
||||
**架构**：Enlitecore · Nexus（星千寻）· Scanpy + DESeq2 + AlphaFold DB + Neo4j + Qdrant
|
||||
|
||||
**典型案例**：RekonBio · Omics多组学靶点挖掘系统
|
||||
- 整合TCGA（33种癌症类型11,000+样本）、GEO（500万+基因表达样本）
|
||||
- 自动化scRNA-seq分析与细胞聚类，差异基因与通路富集分析
|
||||
- 将分析从基因表达延伸至"可成药性"评估，较文献发表早1–2年
|
||||
- 与星河图深度协同，形成"数据挖掘-知识验证"上下游闭环
|
||||
|
||||
---
|
||||
|
||||
### 方案六｜专项定制开发·电商管理系统
|
||||
|
||||
**行业**：跨境电商
|
||||
|
||||
**架构**：Enlitecore · Signal（星脉动）· 多平台API + LLM趋势分析 + Vue 3
|
||||
|
||||
**典型案例**：海外电商选品系统
|
||||
- 聚合Amazon / Shopee等4+主流平台数据，LLM与结构化评分双引擎
|
||||
- 结合热点趋势为卖家推荐高潜力选品，分析耗时从数天压缩至分钟级
|
||||
- 支持市场热点趋势分析与多平台同时接入
|
||||
|
||||
---
|
||||
|
||||
### 方案七｜专项定制开发·智能化招聘系统
|
||||
|
||||
**行业**：企业HR / 人力资源
|
||||
|
||||
**与产品四的区别**：产品四是通用多智能体工作台的能力形态；方案七是面向HR场景的完整系统交付，包含私有化部署、数据隔离、权限管控与对接企业现有HR系统。
|
||||
|
||||
**交付重点**：
|
||||
- **数据安全**：候选人简历、面试记录等敏感数据私有化存储，不经过第三方云端
|
||||
- **系统对接**：可与企业现有HRMS、OA、钉钉/飞书等系统打通，数据双向同步
|
||||
- **核心技术壁垒**：各大招聘平台均有技术封锁防止简历流出，我们的简历搜索模块采用多层配置与智能路由实现自动化跨平台抓取，是市场上少有的成熟方案
|
||||
- **可量化结果**：简历筛选时间从天级压缩至分钟级，面试安排自动化率>80%
|
||||
|
||||
|
||||
# 第三章｜方法论与落地步骤
|
||||
|
||||
## 总体路径
|
||||
|
||||
```
|
||||
【第一阶段】 【第二阶段】 【第三阶段】 【第四阶段】
|
||||
诊断 → 方法探讨 → 实施 → 升级
|
||||
摸清现状 选路径选工具 真正上线 持续扩展
|
||||
2–4周 1–2周 1–3个月 持续进行
|
||||
```
|
||||
|
||||
> 我们不从AI工具谈起。先看人、看流程、看数据，再决定做什么、怎么做。
|
||||
|
||||
---
|
||||
|
||||
## 第一阶段｜诊断：摸清现状
|
||||
|
||||
```
|
||||
企业现状
|
||||
│
|
||||
├──► 人：部门 → 岗位 → 级别 ─────────────► 决定知识库结构与权限设计
|
||||
│
|
||||
├──► 事：哪些流程最高频、最繁琐 ───────────► 决定自动化优先做哪里
|
||||
│
|
||||
├──► 料：已有哪些文档、知识、数据 ──────────► 决定知识库建设起点
|
||||
│
|
||||
├──► 工具：用过钉钉/飞书/腾讯？验证了什么 ───► 决定从哪里接着做
|
||||
│
|
||||
└──► 约束：预算 · 时间 · 数据安全 ───────────► 决定方案边界
|
||||
│
|
||||
▼
|
||||
【产出】AI落地优先级地图 + 可切入场景清单
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 第二阶段｜方法探讨：选路径、选产品
|
||||
|
||||
```
|
||||
从诊断结果出发
|
||||
│
|
||||
▼
|
||||
选定切入场景
|
||||
（高频 · 可量化 · 能闭环）
|
||||
│
|
||||
▼
|
||||
┌───────────────────┬───────────────────────┬─────────────────────┐
|
||||
│ 【路径A】 │ 【路径B】 │ 【路径C】 │
|
||||
│ 快速起步 │ 通用产品定制 │ 行业专属方案 │
|
||||
├───────────────────┼───────────────────────┼─────────────────────┤
|
||||
│ 适合： │ 适合： │ 适合： │
|
||||
│ 先验证 │ 已验证，需要 │ 有行业深度需求， │
|
||||
│ AI有没有用 │ 系统化落地 │ 通用产品不够用 │
|
||||
├───────────────────┼───────────────────────┼─────────────────────┤
|
||||
│ 钉钉 / 飞书 / │ ◆ 第一章·通用产品 │ ◆ 第二章·行业方案 │
|
||||
│ 腾讯智能表格 │ 企业级知识库 │ 机器视觉·AI导航 │
|
||||
│ 自建工作流 │ 嵌入式AI │ 工业检测系统 │
|
||||
│ + xBAI培训指导 │ 数字员工 │ 专有知识库 │
|
||||
│ │ 多智能体工作台 │ 药物靶点发现 │
|
||||
│ │ 短视频制作 │ NGS系统 │
|
||||
│ ↓ │ GEO优化 │ 电商管理系统 │
|
||||
│ 验证AI有价值 │ │ 智能化招聘系统 │
|
||||
│ ↓ │ │ │
|
||||
│ → 转入路径B/C │ │ │
|
||||
└───────────────────┴───────────────────────┴─────────────────────┘
|
||||
│
|
||||
▼
|
||||
【产出】落地方案书 + 产品选型 + 交付计划
|
||||
```
|
||||
|
||||
## 与平台工具的关系
|
||||
|
||||
| 平台 | 核心产品 | 适用阶段 |
|
||||
|------|---------|---------|
|
||||
| 飞书 | 多维表格 | 入门验证，搭建基础工作流 |
|
||||
| 钉钉 | AI表格 + 悟空 | 入门验证，搭建基础工作流 |
|
||||
| 腾讯 | 智能表格 + WorkBuddy | 入门验证，搭建基础工作流 |
|
||||
| **xBAI** | **多智能体集成工作台** | **验证之后，升级为部门级全流程自动化** |
|
||||
|
||||
> 平台工具适合企业自主搭建基础工作流，验证AI价值；当需要更高效率、更深定制、更复杂流程时，xBAI是下一步的选择。
|
||||
|
||||
---
|
||||
|
||||
---
|
||||
|
||||
## 第三阶段｜实施：真正上线
|
||||
|
||||
```
|
||||
启动
|
||||
│
|
||||
▼
|
||||
┌────────────────────────────────────────────────────────┐
|
||||
│ 搭建 │
|
||||
│ │
|
||||
│ 通用产品层（第一章） 行业专属层（第二章） │
|
||||
│ 知识库 / 工作台 / 机器视觉 / 检测系统 / │
|
||||
│ 嵌入式AI / 数字员工 + 专有知识库 / 定制开发 │
|
||||
│ ↓ │
|
||||
│ 开发 · 配置 · 集成 │
|
||||
└────────────────────────────────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
┌────────────────────────────────────────────────────────┐
|
||||
│ 打通 │
|
||||
│ AI进入实际业务流程 ──► 不是演示，是真实使用 │
|
||||
│ 每个场景配业务负责人，结果可量化、可追踪 │
|
||||
└────────────────────────────────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
┌────────────────────────────────────────────────────────┐
|
||||
│ 培训 │
|
||||
│ 员工上手培训 + 操作手册交付 + 验收确认 │
|
||||
└────────────────────────────────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
【产出】AI系统上线运行 + 验收报告
|
||||
|
||||
⚠️ 原则：AI必须进入真实工作，产生看得到的结果，不做停在PPT里的方案。
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 第四阶段｜升级：越做越强
|
||||
|
||||
```
|
||||
第一个场景跑通，有了结果
|
||||
│
|
||||
▼
|
||||
┌─────────────────────────────────────────────────────────┐
|
||||
│ 下一步做什么？两个方向可以同时推进 │
|
||||
├──────────────────────────┬──────────────────────────────┤
|
||||
│ 扩展更多场景 │ 做深当前场景 │
|
||||
│ │ │
|
||||
│ 同一套产品/方案 │ 从单个工具 │
|
||||
│ 复制到其他部门 │ → 升级为多个AI协同工作 │
|
||||
│ │ │
|
||||
│ 例： │ 例： │
|
||||
│ 销售部门跑通了 │ 只有简历筛选 │
|
||||
│ → 复制到采购部门 │ → 升级为招聘全流程工作台 │
|
||||
│ → 复制到客服部门 │ → 从筛简历到发 offer │
|
||||
│ │ 全部在一个界面完成 │
|
||||
└──────────────────────────┴──────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
每做一个场景，经验和知识都沉淀进知识库
|
||||
AI用得越久，懂企业越深，越难被替代
|
||||
│
|
||||
▼
|
||||
┌───────────────────────────────────────┐
|
||||
│ 从"用了AI" → "离不开AI" │
|
||||
│ 从"一个工具" → "企业的核心能力" │
|
||||
└───────────────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
【产出】升级路线图 + 下一阶段落地方案
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 联系我们
|
||||
|
||||
- **机构**：博昇慧源 xBAI（xbrilliance.ai）
|
||||
- **邮箱**：donaldtang@scinova.com
|
||||
- **地址**：上海市延安西路726号22楼
|
||||
|
||||
---
|
||||
+1117
File diff suppressed because it is too large
Load Diff
Reference in New Issue
Block a user