作品名称：“智信鉴”——面向新闻场景的AI多模态伪造检测平台

作品定位：
“智信鉴”是一个深度融合大语言模型（LLM）与多模态分析技术的伪造新闻智能检测平台。其核心使命是“用AI守护真相，让信任传递”，旨在为新闻媒体、政府机构、企业及公众提供可解释、高准确率的伪造新闻检测服务，充当信息时代的“数字事实核查员”。

详细功能模块：
1. 多格式文本输入解析器：支持纯文本粘贴、文件上传（TXT/DOC/DOCX/HTML）及URL链接抓取，自动提取并净化正文内容。
2. 文本伪造检测核心引擎：集成大语言模型（如Deepseek）API，从信源权威性、事实可验证性、逻辑一致性、情感倾向性、传播异常性五个维度对新闻进行智能分析与真伪判定，并输出置信度分数。
3. 可解释性检测报告生成器：生成结构化的详细核查报告，包含疑点分析、证据链（链接至权威信源）及不同信源的对比表格，支持导出为PDF/Word格式。
4. 用户反馈与模型优化闭环：提供一键反馈功能，用户可对检测结果提出异议并提交证据，经团队审核后的有效案例将用于持续优化检测模型与规则。
5. 批量检测与效率工具：针对媒体审稿等场景，支持批量文件或URL的并发检测与结果汇总，显著提升审核效率。

我在作品中的角色（后端开发）：
在本项目中，我作为后端核心开发人员，主要负责以下工作：
1. 后端架构设计与实现：采用 SpringBoot 3 框架搭建了系统的整体后端架构，实现了RESTful API接口，负责处理前端的业务请求。
2. 核心业务逻辑开发：
◦ 实现了文本解析、清洗和预处理流程。
◦ 开发了与深度求索（Deepseek）等大模型API的对接与调用模块，并设计了高效的提示词（Prompt）工程模板。
◦ 实现了可解释性报告的数据组装与生成逻辑，包括自动调用搜索引擎进行证据溯源、信源比对等。

技术栈总结：
后端主要基于 Java 技术栈，采用 SpringBoot 3 + MyBatis-Plus 框架，数据库为 MySQL，并深度集成第三方AI服务API。整个系统设计遵循轻量、高效、可扩展的原则，以适配学生团队的开发节奏与资源约束。