我的项目作品集

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）
• 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。

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。

项目概述

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。
• 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。

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。

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。

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。