本设计致力于解决微米/纳米级芯片设计中海量数据可视化与高频协同交互的痛点。界面构建以“高效、精准、沉浸”为核心,通过多维分层管理系统,将数以亿计的晶体管与布线逻辑转化为清晰的视觉层级,支持从宏观平面布局(Floorplan)到微观物理掩模(Mask)的无缝缩放切换。 在设计语言上,采用了低能耗深色模式UI以减轻工程师长时间高强度用眼的疲劳,并配合高对比度的功能色块对物理违规(DRC)与时序风险进行实时预警。通过自定义的快捷指令集与可自由停靠的属性面板,极大优化了操作路径,实现了在极度复杂的逻辑网络中,依然能提供如丝般顺滑的“零延迟”交互体验,助力设计者从繁杂的数据中解放,聚焦于电路架构的...
项目一:企业知识管理与智能问答平台(“管理萃取”) 项目角色: 核心开发负责人 & 数据管道架构师 项目价值: 构建覆盖数万员工的统一知识中枢,实现对散落在各系统的非结构化文档(如制度、案例、报告)的智能检索与问答,有效降低知识获取门槛,提升决策效率。 我的贡献: 主导数据基础建设: 独立设计并开发了一站式数据清洗与标注平台,实现了对多源、异构文档的自动化解析、去噪和关键信息标注,为模型训练提供了高质量的数据保障。 负责核心接口开发: 带领团队完成智能问答、语义检索等核心后端接口的设计、开发与性能优化,确保系统高并发下的稳定响应。 驱动模型效果优化:...
基于数据科学竞赛Kaggle的数据集,利用YOLOv8算法,并将其CNN骨干网络替换为MobileNet神经网络,训练出一个能够精确识别动植物图像的模型。进一步,调用此性能优秀的模型,设计并实现一个兼顾精确度与轻量化的动植物图像识别系统。该模型在系统方面,主要分为管理员和用户两个部分。管理员分为用户管理模块和模型管理模块。用户管理模块负责对普通用户信息的增删改查;模型管理模块负责加入新的图像识别模型。用户分为主页模块,图像识别模块,物种地图分布模块,物种记录模块,信息可视化模块。主页模块负责展示最新物种信息,系统开发简介;图像识别模块负责图像识别,识别后展示物种信息:科属种;物种分布地图模块负...
基于LLM的智能问答与任务调度智能体 角色:项目负责人 | 技术栈:Python、LangChain、Flask、MySQL、Docker 主导智能体架构设计,基于LangChain框架集成大语言模型,实现自然语言理解、任务拆解与自动调度功能 开发后端服务:使用Flask构建RESTful API,实现用户提问接收、智能体决策结果返回等功能,支持高并发请求处理 设计数据存储方案,采用MySQL存储用户历史交互数据、任务执行记录,优化查询语句,使数据查询响应时间缩短至50ms以内 使用Docker完成项目容器化部署,编写部署脚本,实现开发、测试、生产环境的一致性,降低运维成本...