eaiadminandClaude Code
16d63de4e1
把工作区里其余在制品一并入库，主要是工作台产品化的推进：
后端：新增 capability_definition / project / my_app_center / office_skill
接口与 action_definition / skill_definition / project / user_app_center
模型，config 加路由健康上报。
前端：新增 frontend/src/skills（Office 技能与 workbuddy 复刻）、
项目管理、应用中心、能力目录页，以及配套 api / store / config；
聊天侧新增 SpecialistChip / SpecialistPanel / SkillStrip / AppChatRail
等组件。
清理：移除旧 views/tools 下的单页工具（已并入工作台）、_frozen 冻结组件、
cmd/inspect_oa_debug 调试入口，以及两份调试笔记。
其它：文档与启动脚本同步。
（这批改动与上一提交的 SY23 工作并行进行，此前已在同一工作区内交织。）
Co-Authored-By: Claude Code <noreply@anthropic.com>
313 lines
21 KiB
Markdown
313 lines
21 KiB
Markdown
# 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*
|