摘要：项目小组在4.22-5.3期间完成了三大核心模块开发：1）历史人物轨迹地图可视化，实现时空动态展示与多模块联动；2）AI侧边栏集成，接入通义千问大模型并实现多模型切换；3）古音朗读增强，建立朝代发音映射与IPA转换机制。各模块均达到预期目标，形成地图-AI-朗读功能闭环。现存问题包括轨迹控制功能不足、AI消息未持久化等，后续将重点优化交互体验、完善功能细节，并推进通古AI的本地部署。团队采用

在5.18-5.31期间小组成员完成第五、六阶段开发，实现三大核心突破：1）交互升级：新增文字选中悬浮菜单，集成问AI/摘要/复制功能，响应速度≤100ms；2）智能化深化：构建全书/章节/段落三级摘要体系，开发AI自动轨迹校对和多源并发翻译功能，轨迹准确率提升至91.19%；3）沉浸体验优化：实现6大历史时期差异化古音朗读，支持古今发音切换。团队3人分工协作，完成所有模块开发，现存古音覆盖不全、

本次实训历时三个月，完成文澜知微平台核心开发。框架层搭建SpringBoot+Vue3双权限体系；地图层采集10522条CHGIS地名数据实现可视化；AI层接入DeepSeek，轨迹自动生成精度达91.19%；知识库层完成审核入库闭环，积累278人轨迹数据；OCR层选用豆包mini模型，两步异步识别原文、翻译与生词。最终形成地名展示、轨迹生成、AI问答、OCR识别四大闭环，为古文阅读提供沉浸式智慧

文澜知微古文智慧阅读平台项目组在4.17-4.30期间完成了三大核心模块开发：1）成功接入DeepSeekAI大模型，实现多模型切换及Markdown格式渲染；2）开发历史人物语音朗读系统，采用EdgeTTS技术实现文本转语音功能；3）完成191位历史人物的轨迹数据采集（共1691条有效数据），匹配率达70%以上。项目在AI对话、语音交互和数据可视化方面取得显著进展，同时指出古音还原、长文本处理等

摘要：本项目于4.7-4.18完成了历史地名时间地图系统的开发，实现从数据获取到前端展示的完整链路。通过哈佛大学Dataverse平台获取历史地名数据，使用QGIS进行格式转换，并开发Python脚本完成10522条数据的清洗优化，生成GeoJSON和时间索引文件。前端采用Vue3+高德地图API实现可视化展示，支持时间轴联动、地名筛选等交互功能，并集成DeepSeekAI智能问答系统。项目建立了

【OCR功能优化实训总结】2026年6月8-12日期间，我对OCR识别功能进行全面升级，取得显著成果：通过选用doubao-seed-2-0-mini-260428模型、图片压缩60%及提示词精简，识别速度提升50%；新增大白话翻译、自动标点功能，优化左右分栏展示界面，用户体验显著改善；修复6个关键Bug，系统稳定性大幅提升。目前OCR功能已具备生产可用性，后续将扩展手写体识别并完善用户反馈机制。

文章摘要： 本次实训（2026.5.29-6.7）完成了OCR图像识别系统的全流程开发，支持用户上传古籍、碑帖等图片，通过火山引擎豆包AI模型实现文字识别与结构化输出（原文、翻译、生词、背景）。系统采用Java+异步架构，优化图像压缩至30-80KB，降低传输耗时70%，并通过两步式识别（先原文后翻译）和前端轮询提升用户体验。关键技术包括OpenAI兼容API调用、CompletableFutur

摘要：5月4日至7日的工作重点围绕历史人物轨迹可视化系统优化展开。通过手动校对CHGIS官方数据，将高可信度坐标占比提升至91.19%，确保学术精度；迭代升级HistoricalMap.vue组件，新增轨迹合并显示、手动控制和多人物对比功能，优化交互体验；扩展历史人物轨迹数据至278人；完成OCR上传识别功能的需求分析和技术规划。核心成果包括：坐标精度符合学术标准，轨迹功能流畅无卡顿，数据内容丰富

本文档详细介绍了2026年5月9日至28日期间进行的AI智能化历史人物轨迹系统开发实训项目。项目聚焦DeepSeekAI大模型与历史轨迹系统的深度融合，通过六大核心环节实现了全自动化的轨迹生成与展示闭环：1）优化DeepSeek接口参数动态适配；2）设计结构化前端提示词模板；3）构建AI轨迹生成→坐标校对→数据保存→可视化的完整流程；4）升级20人轨迹对比功能；5）修复关键系统Bug；6）优化用户

摘要：项目小组在4.22-5.3期间完成了三大核心模块开发：1）历史人物轨迹地图可视化，实现时空动态展示与多模块联动；2）AI侧边栏集成，接入通义千问大模型并实现多模型切换；3）古音朗读增强，建立朝代发音映射与IPA转换机制。各模块均达到预期目标，形成地图-AI-朗读功能闭环。现存问题包括轨迹控制功能不足、AI消息未持久化等，后续将重点优化交互体验、完善功能细节，并推进通古AI的本地部署。团队采用