我的项目作品集

Deepseek一键部署

该项目是一款面向非技术用户的 DeepSeek 大模型本地化部署工具，基于 Python 开发并封装图形化交互界面（GUI）。核心目标是降低大模型本地部署的技术门槛，实现从环境准备到模型运行的全流程自动化，保障用户在本地即可便捷使用 DeepSeek 大模型，且数据全程本地化，无需依赖云端服务。

项目概述： 旨在通过图形化界面，简化 DeepSeek 大模型在 Windows、Linux、macOS 上的本地部署过程，实现 Ollama 环境的自动安装、DeepSeek 模型（1.5B/7B/8B）的一键下载与运行。
核心功能： 跨平台 Ollama 自动安装（支持下载暂停/继续/停止，实时进度显示），DeepSeek 模型选择与一键部署（自动检测、新开终端运行），以及直观的分阶段图形化交互界面。
核心价值： 低门槛使用、跨平台兼容、过程可控、轻量化部署（基于 Ollama）、数据隐私保障。适用于个人学习体验、开发测试及本地化办公等场景。
技术栈亮点： Python (tkinter, subprocess, requests, threading, platform, os, shutil, re, time, signal, PyInstaller), Ollama。

Deepseek一键部署下载界面截图

Deepseek一键部署软件首页

ollama模型下载与部署状态

Deepseek安装完成

deepseek1.5b测试问答

返回顶部

基于潜在语义的新闻文档智能摘要生成

此项目是一个基于 Python Tkinter 的桌面应用程序，专注于利用潜在语义分析（LSA）技术智能生成新闻文档摘要。它提供了一套全面的文本处理工具，旨在为用户提供一个高效、智能的文档摘要和分析工具。

项目概述： 利用潜在语义分析（LSA）技术，实现新闻文档的智能摘要生成，并提供用户友好的图形界面。
核心功能：
- 网页爬取： 从指定 URL 抓取网页内容，并进行文本清洗。
- 文件解析：： 支持 TXT、PDF、DOCX 等多种文档格式的上传与解析。
- 文本处理： 集成中文分词（Jieba）、TF-IDF 关键词权重计算和文档摘要生成。
- 历史记录： 自动保存操作记录，方便回顾与管理。
- 关键词提取： 基于 TF-IDF 算法高效提取文档核心关键词。
技术栈： Python (Tkinter, Jieba, numpy, PyPDF2, docx, requests, BeautifulSoup, scikit-learn)。
核心价值：： 降低文本摘要门槛，提高信息获取效率，支持多源文本处理，界面友好，操作简便。

爬虫网页测试网站

基于潜在语义的新闻文档智能摘要生成程序首页图爬虫导入图还可以通过txt输入pdf/docx导入

基于潜在语义的新闻文档智能摘要生成历史记录

基于潜在语义的新闻文档智能摘要生成自动生成摘要功能

基于潜在语义的新闻文档智能摘要生成文本权总计算

基于潜在语义的新闻文档智能摘要生成文本分词处理

返回顶部

智能医药推荐系统

这是一个基于vue3+springboot开发的智能医药推荐系统，旨在提供一个功能完善、易于扩展的医药电商平台。

项目概述： 采用典型的 MVC 架构，实现前后端分离，涵盖用户、管理员、商品、订单、评论、地址等核心电商业务模块，并集成智能推荐功能。
核心功能：
- 用户管理： 用户注册、登录、个人信息管理。
- 商品管理： 商品展示、分类、搜索、详情。
- 订单管理： 购物车、订单创建、支付（支持支付宝、微信）、订单状态跟踪。
- 后台管理： 管理员登录、商品、用户、订单、评论、地址、公告、消息、新闻、促销活动等全面管理功能。
- 智能推荐：： 可能通过数据分析实现个性化医药推荐。
- 支付集成： 支持支付宝和微信支付。
- 数据工具： 包含 Excel 导入导出工具类。
技术栈： Java (Spring Boot), Redis,vue3,ECharts。
核心价值：： 提供高效便捷的医药电商解决方案，提升用户体验，使用deepseek进行推荐药品，使用户可以直接推荐购买药品。

智能医药推荐系统界面截图

订单详情

评论管理

所有产品管理

后台首页

后台管理登录界面

商品评论

商品进度

所有订单

支付完成

购买界面

商品详情界面

前台首页展示商品

前台首页

前台登录

返回顶部

洗衣管理系统前后台

这是一个完整的洗衣管理系统，包含前端和后端，旨在提供一个高效、便捷的洗衣服务管理解决方案。

项目概述： 实现前后端分离，提供用户端和管理员端功能，涵盖订单、用户、衣物、服务、公告、消息、新闻、促销等核心业务管理。
后端 (Java Spring Boot)：
- 架构： 基于 Java Spring Boot 框架，采用 MVC 架构，提供 RESTful API。
- 功能模块： 用户管理、管理员管理、订单管理、衣物类型管理、服务类型管理、公告管理、消息管理、新闻管理、促销活动管理。
- 数据层： 集成数据库操作（通过 DAO 层和 `laundry_system.sql` 数据库脚本）。
- 安全： 可能包含用户认证和授权机制。
前端 (Vue.js)：
- 用户端： 订单创建、订单列表查看、促销活动浏览、个人中心管理。
- 管理员端： 全面的后台管理功能，包括公告、衣物、新闻、订单、服务、用户等管理。
技术栈： 后端主要使用 Java、Spring Boot；前端主要使用 Vue.js。
核心价值：： 提升洗衣服务管理效率，优化用户体验，简化后台操作，实现前后端分离，便于开发和维护。

订单完成用户端弹出界面

用户端前台界面

我的订单

个人中心

订单信息待支付

前台界面

管理员后台订单详情

管理员后台衣服类型管理

管理员后台服务类型管理

管理员后台新闻管理

管理员后台公告管理

管理员后台订单管理

管理员后台用户管理

管理员后台界面数据看板

返回顶部

电动车相关科学计算工具

这是一个专为电动车领域设计的微信小程序，旨在提供一系列科学计算和信息查询工具，帮助用户更好地理解和管理电动车相关数据。

项目概述： 微信小程序形式的电动车工具集，提供数据计算、知识查询和智能分析功能，服务于电动车爱好者和相关从业人员。
核心功能模块：
- 首页： 小程序入口，展示核心功能或最新资讯。
- 知识库： 提供电动车相关的科普知识、技术文章和常见问题解答。
- 电机数据： 用于输入、计算和展示电机性能参数、效率等。
- 智能分析： 提供续航里程估算、电池寿命预测、充电时间计算、零百加速计算等智能化工具。
- 关于： 介绍小程序功能、团队及联系方式。
技术栈： 微信小程序开发框架。
核心价值：： 方便用户进行电动车相关数据计算、知识查询和智能分析，提升电动车使用和管理效率。

微信扫码体验

通过电机计算最快速度

性能计算界面

诊断专家

进阶计算

零百加速计算

返回顶部

新能源汽车销售数据分析及可视化

此项目是一个基于 Python Flask 框架的新能源汽车销售数据分析及可视化系统，旨在提供全面的市场分析报告和决策支持。

项目概述： 实现新能源汽车销售数据的全流程处理，包括数据生成、清洗、多维度分析、交互式可视化和报表输出。
核心功能：
- 数据生成： 采用蒙特卡洛模拟生成销售数据。
- 数据清洗： 进行有效性验证与去重，确保数据质量。
- 数据分析：： 对价格、区域、品牌等多个维度进行深入分析。
- 数据可视化： 生成交互式图表，直观展示分析结果。
- 报表输出： 支持将分析结果导出为 Excel 报表。
技术栈：： Python (Flask, Pandas, Numpy, Matplotlib, Seaborn), 决策树、朴素贝叶斯、SVM、K-Means、层次聚类等数据挖掘算法。
核心价值：： 深入洞察市场趋势、品牌偏好和产品定位，为新能源汽车销售策略提供数据驱动的决策支持。

新能源汽车销售数据分析及可视化 - 示例图

返回顶部