1. Shortcuts​

1.1 Open from Command Line​

PyCharm --> Tools --> Create Command-line Launcher

echo 'export PATH="/Applications/PyCharm.app/Contents/MacOS:$PATH"' >> ~/.zshrc
source ~/.zshrc

Vocabulary​

Common Abbreviations in International Projects​

Common Phrases​

一、系统概述​

通过AI技术实现车辆登船记录的自动化、智能化管理，利用高精度车牌识别、实时状态监测和数据分析，提升船舶调度效率，降低人工成本。系统支持高可靠性、可扩展性和复杂环境适应性。

二、系统架构设计​

1. 硬件配置​

车牌识别摄像头：​

• 型号：预算足的话最好400万像素以上工业摄像头，配备夜间红外补光。
• 部署位置：船舱出入口，2-5米高度，俯拍车辆/平视车辆。
• 防护等级：IP67，适应码头潮湿、盐雾环境。
• 数量：每个泊位口部署四台摄像机，两台监控入场车辆，两台监控出场车辆

处理终端：​

• 工控机：8核，32G内存以上。
• 存储：512G以上磁盘空间。
• 系统：Windows/Linux均可。
• 数量：2台，一台主设备，另一台做备用机

通讯模块：​

• 连接方式：网线连接，基于TCP/IP协议，支持4G/5G备份链路。
• 带宽需求：≥10Mbps，确保数据实时传输。

设备控制箱：​

• 防护等级：IP66，内置温控系统，防潮、防尘。
• 集成设备：工控机、交换机及NVR（网络视频录像机）。
• 可选配置：配备UPS（≥30分钟续航），防止突然断电。

2. 软件架构​

车牌识别模块：​

• 技术栈：Python + OpenCV + PyTorch。
• AI模型：YOLOv11（目标检测）+ CRNN（字符识别）/PaddleOCR，具体可能在做的过程中比较效果。
• 功能：实时解析摄像头画面，提取车牌号，识别准确率目标>99%。

车辆登船记录、数据管理、报表生成模块：​

• 数据库：Postgres。
• 技术：Flask，Pandas + OpenPyXL。
• 功能：记录车辆进出时间、状态，生成历史记录，生成Excel/CSV格式报表，包含车牌号、登船/退出时间、状态等，支持异常高亮。

三、AI功能实现​

1. 技术方案​

模型选择：​

• 目标检测：YOLOv11，检测车牌区域，适合实时场景。
• 字符识别：CRNN + CTC Loss/PaddleOCR，处理车牌。
• 数据增强：旋转、模糊、亮度调整，提升模型鲁棒性。

训练与优化：​

• 数据集：乙方采集码头实际场景数据（≥1万张标注图像），包含污损、遮挡、夜间等场景。甲方等待摄像头安装完成，配合找一些车辆进出采集数据，乙方使用Labelling标注车牌位置及字符。
• 迁移学习：基于预训练模型微调，缩短训练周期。

智能校验：​

• 规则过滤：校验车牌格式（如长度、字符规则）。
• 异常处理：污损/遮挡车牌时，触发人工补录接口。

2. 功能实现​

基础功能：​

• 实时车牌识别：捕捉车辆进出画面，提取车牌号。
• 状态判定：基于车辆轨迹（通过多帧分析），判断登船/退出状态。
• 数据记录：存储车牌号、时间、状态，生成自动化报表。

扩展功能：​

• 智能预警：车辆停留超过一定时间或者车辆异常进出将会提出预警。
• 数据分析：统计登船高峰时段、异常频率，生成可视化图表（使用Matplotlib/Seaborn）。
• 多功能扩展：提供API查询车辆进出状态，供后续开发集成。

四、外部接口、内部模块交互​

1. 工控机和上位机接口定义​

• 协议类型：HTTP，POST请求

• 需要确保工控机和上位机在同一网段

• 登船json

  • 其中request 里面字段：

    • servicecode ： WebApi_Vehicle_Onboard_Offboard_Status, 表示车辆登船状态(定义里面说只能有10位长度，但是其他案例有很长的例子，所以我取这个，如果不合适，可以跟我方反馈，我放修改)
    • appid需要甲方提供（表示应用名称）
    • reqid由每次调用我方生成
    • 加密key:需要由甲方提供，由此生成signdata,  

  • param:

    • berthCode: 泊位code，需要和甲方保持一致，可以甲方提供给我们，

      • 目前我们设置为: "1A" - "16A"

    • timestamp: 时间戳

    • type: 登船，还是离船

      • "onboard"：登船
      • "offboard": 离船

    • status:

      • 1表示在正确的泊位
      • 0表示不在正确的泊位

    • time: 时间戳，UTC+8（北京时间）

{
  "request": {
    "appid": "AH856BDC-9F3E-487E-671D-C84DEA45EB24",
    "reqid": "B683DA45-D4C3-45DB-AB60-8DEEECB6DE10",
    "protover": "1.0",
    "servicever": "1.0",
    "requesttime": "20250606142930276",
    "reserve": "",
    "servicecode": "WebApi_Vehicle_Onboard_Offboard_Status",
    "signdata": "556EDDE1D05C3ABA63535D57A0A68F1D"
  },
  "param": {
    "berthCode": "1A",
    "vehicleNo": "粤B·CD456",
    "status": "1",
    "type": "onboard",
    "time": "20250606142930276"
	}
}

2. 双工控机主从切换模块​

• 主要架构

  • 双节点架构：NodeA + NodeB

  • 工作模式：

    • 主节点：执行核心业务

    • 备用节点：实时监控+热备数据

  • 切换方式：自动故障切换 + 手动强制切换

• 核心技术

  • 心跳检测：UDP广播 + 自定义协议（1s/次）

  • 故障判定：连续3次心跳丢失 + 硬件自检

• 技术栈

  • Python，ZeroMQ， Protobuf

五、工期安排​

预计总工期：50天

我们在做算法类项目的时候，通常需要在客户机器上部署，无论是windows还是centos，都需要装一些软件以及程序，下面分享我经常会装的内容，希望对你有帮助，可以提升速度。

1. windows​

• 传统行业的客户使用windows的比较多，因此这部分先说
• windows可能有登陆密码，找客户先要到，当然最好还是先暂时取消登陆密码，免得麻烦
• 先检查配置，GPU显存，内存大小，C盘容量，其他盘容量
  • GPU显存的大小以及内存大小决定了很多模型能不能用
  • C盘要预留一些空间，作为系统盘满了会导致很卡
• 防火墙关闭
  • 为了防止安装一些东西出幺蛾子，开始阶段还是关了吧
• 有些软件，还是先装了吧
  • Google Chrome浏览器（当然Edge也可以），反正IE太垃圾

1.1 远程控制软件​

需要这类软件的原因不言而喻，我们经常接的项目不像公司中正常坐班或者出差，可以接触物理机，

一般都是在远程，利用空余时间来做，通常就需要远程控制软件来远程操作。

1.1.1 向日葵​

• 官网地址
• 注意事项：
  • 第一次让客户给你设置一个永久登陆密码，否则开机重启后，密码会变
• 好处
  • 自带文件传输功能
  • 允许多端登陆
  • 不收费

1.1.2 window自带远程桌面​

• 这个我只用过一次，因为客户用的机器是windows server，只给我提供这个，我个人不太喜欢

1.1.3 TeamViewer​

• 我用的也很少，因为后来开始收费了（😂）

1.2 文件传输类​

我们经常遇到需要传文件，软件，代码去客户机器的场景，下面分享我常用的几个技巧

1.2.1 网站互传​

• 有很多网站，采用中转传输的方式，比如轻松传
• 好处
  • 非常方便，不用安装任何软件，能访问网络即可
• 坏处
  • 大文件还是有点耗时
  • 离线传送需要VIP了
  • 敏感文件最好不用通过这种方式（毕竟是先把文件传送到网站的服务器）
    • 当然也可以选择加密压缩后再传输

1.2.2 其他软件附带功能​

• 很多软件主业并不是做这个文件传输的，但是也慢慢被聪明的用户拿来做文件传输了
• 比如
  • 向日葵的文件传输
  • 百度云，夸克云等各种云盘

1.2.3 git, gitee​

• 是的，你没有看错，我说的就是你经常用的git
• 使用好git，很多时候还是很方便的
  • 你自己机器上代码修改后就直接提交，客户机器上一pull一下即可
• 坏处
  • 对大文件不太好
  • 客户机器上最好不要修改，不然容易冲突

1.3 python开发工具包​

• 既然做算法的，基本上很难饶过python了

本地智能知识库使用手册​

1. 启动​

​ 因为知识库背后需要一些软件，交付之前已经设置开机启动，所以无特殊情况不用进行1.1，可以直接看1.2进行登陆访问

1.1 启动Docker Desktop​

​ 在搜索栏中搜索 Docker Desktop，直接点击打开，然后就不用管了，可以把它最小化，以免干扰

1.2 注册​

找到任意的浏览器，搜索localhost，并回车即可看到登陆页面,可以先进行注册

在注册界面依次填入邮箱，用户名，密码即可

1.3 登陆访问​

在登陆页面输入你的信息

​ 初始管理员邮箱: admin@test.com , 密码: 123456

​ 后期可以自己修改

2. 简单使用​

​ 我们期望本地智能知识库可以给我们提供业务上的帮助，所以一般使用聊天对话的方式和知识库互动，获取自己想要的信息。

​ 点击页面标题中间的“聊天”，可以看到页面的变化

​ 这里左侧提供了两个聊天助手，一个是“统计分析助手”，另一个是“通用知识库助手”，可以根据需求不同，来找对应的助手进行“咨询”

​ 两个助手的区别在于，提示词不同以及所使用的知识库不同。

2.1 通用知识库助手​

**使用场景：**对业务不太熟悉，直接询问某些业务的技术术语解释，助手会给出基于已有行业知识文件的内容来进行解析。

使用方式：点击“通用知识库助手”，找你之前的某个聊天，或者点击聊天右侧的➕号，新建一个。

然后直接提问即可，比如我这里提问：“OLT是什么”，他会根据我的问题，先去本地知识库中搜索相关的文件，接着结合大模型的回答进行回答。

2.2 统计分析助手​

**使用场景：**想基于已有的某个文件或者某些文件进行数据分析。

使用方式：点击“统计分析助手”，找你之前的某个聊天，或者点击聊天右侧的➕号，新建一个，步骤和2.1类似，不再赘述。

本助手和前一个助手有所区别的是，所用知识库中有一些excel，可以用来对excel中的数据提供基本的数据分析。

3. 维护行业知识文件​

​ 作为一个本地知识库，和一般大模型不同的就是我们可以维护自己的知识库，以期望大模型可以帮我们回答一般通用大模型（Deepseek R1）无法回答的问题，而本地的知识是需要通过某种方式给到我们的软件。

3.1 知识库介绍​

这里有两个知识库：表格知识库 以及 通用知识库

• 表格知识库可以对excel，csv等表格型的文件更好的处理和管理
• 通用知识库可以对一些PPT，word，PDF等格式更好的处理和管理

3.2 上传文件到知识库​

进入某个知识库，这里以通用知识库为例，

点击新增文件，选择本地文件

勾选创建时解析，然后点击上传文件或者拖拽上传，点击确定即可

解析会占用一定的时间，等待这里的状态变为完成才可使用这个文件中的内容

• 注意，虽然可以处理比较大的文件，但是最好不要超过一定的大小，比如30M，解析会比较慢

3.3 从知识库中删除文件​

在知识库中可以对文件进行删除或者其他操作

4. 人员管理​

一般部署本地知识库是给整个团队或者公司提升效率，为了避免多人使用同一个账号带来的隐私性问题，支持多账号登陆管理。

4.1 添加人员​

先让其他团队成员按照1.2，1.3注册登陆，

然后管理员（你）按照如下操作

输入正确的团队成员邮箱之后，即可发送邀请

而被邀请同事来到相同的界面（用他自己的账号登陆），则可以看到需要他同意

被邀请人同意之后，admin这里会看到角色状态的变更：

此时其他团队成员也可以看到所有的知识库了（需要admin在知识库的设置中权限设置为“团队”）

但为了防止API key的滥用，如果其他人员需要添加文件，是不允许的，需要自己绑定自己的API key来使用

4.2 删除人员​

在团队成员列表中的末尾有个删除按钮

5. 大模型配置​

5.1 LLM大模型的配置​

LLM表示聊天对话大模型，用来在聊天助手对话那块。

目前因为机器的配置原因采用的是线上满血DeepSeek R1版，如果后期需要修改，可以通过如下步骤进行修改：

接下来的对话框会让你提供一个API-Key

不同的大模型的API-Key获取方式不太一样，但思路是一样的：

首先来到对应的官网，比如DeepSeek(https://platform.deepseek.com/api_keys)

进入后来到API-Keys，点击创建

输入名称，点击创建

然后会弹出一个对话框，显示了API Key，点击拷贝复制到我们的网站上（注意这里的API-Key只会出现一次，最好找个地方记下来，否则忘记的话只能删了重新创建了）

我们粘贴刚才的API Key，

可以看到添加成功：

那既然在系统里面添加了LLM模型，我们就可以在聊天助手中使用了

在聊天助手的右侧鼠标停留一段时间，会出现编辑按钮

在新对话框，模型设置的tab下面就可以选择新的模型了

5.2 Embedding模型的配置​

Embedding模型主要是用来解析本地文件的，把本地知识向量化，这样后期检索会更快。

可以也按照5.1的方式找添加一个带embedding标识的大模型即可

之后来到表格知识库，可以设置embedding的模型了：

海康摄像机抓图​

参考：https://www.bilibili.com/video/BV1BZcnemEEW/?spm_id_from=333.337.search-card.all.click&vd_source=ed1c88d125a8e3175a51feb4f2ff329a

SDK：

https://open.hikvision.com/download/5cda567cf47ae80dd41a54b3?type=10&id=5cda5902f47ae80dd41a54b7

阅读开发手册：brew install gcviewer

chmox: https://chmox.sourceforge.net/ 不支持M芯片

brew install chmlib

https://github.com/waimifeier/hikvision-spring-boot-starter

https://open.hikvision.com/download/5cda567cf47ae80dd41a54b3?type=10

https://www.bilibili.com/video/BV1VHRPY2Ek2/?spm_id_from=333.337.search-card.all.click&vd_source=ed1c88d125a8e3175a51feb4f2ff329a

mvn install:install-file -Dfile=./examples.jar -DgroupId=com.qy -DartifactId=examples -Dversion=1.0.0 -Dpackaging=jar

https://open.hikvision.com/hardware/definitions/NET_DVR_GetLastError.html

Shortcuts​

1. Plugins​

• intellij-idea-keybindings

• Material Icon Theme

2. Settings Tips​

• Enable auto-save

• Set directory indent to a larger value

3. Shortcuts​

• macOS: Command + Shift + P to open command palette, search for shell, install

Lei Jun Basic Information​

Lei Jun Speeches​

• Lei Jun's 2022 New Year Speech, sharing his three life lows and how he overcame them

1.1 View History Commands​

1.1.1 Basic Viewing​

1. View all
   • Command line: history
   • Shortcut to view all: Command + Shift + H
2. Fuzzy matching
   • Command line: history | grep python
   • Shortcut: Ctrl + R

1.2 Using History Completion in iTerm​

1.2.1 Built-in Shortcut Command + ;​

1. Enter command prefix:
   • In iTerm's command line, enter a command prefix, for example, gcloud
2. Press shortcut: Command + ;, iTerm will pop up a window listing all history commands starting with your entered prefix in the current session.
   • Example:
3. Select and complete:
   • Choose the command you need from the popup list, and it will auto-complete. Then you can modify it yourself.

Downside: Display is not complete

Note: To solve the cross-session history saving issue with Command + ; completion in iTerm2 and ensure Shell correctly saves history: vi ~/.zshrc edit the file and add at the end:

# Set history file size and save location
HISTFILE=~/.zsh_history         # History file path
HISTSIZE=10000                  # Number of history entries saved in memory
SAVEHIST=10000                  # Number of entries saved in history file

# Append history (instead of overwriting)
setopt appendhistory            # Merge history from multiple sessions
setopt inc_append_history       # Append history in real-time (no need to restart session)
setopt share_history            # Share history across sessions
setopt extended_history         # Record timestamps

Apply changes: source ~/.zshrc

1.2.2 Advanced Completion Feature​

If you want to achieve the following effect, showing gray suggestions while typing:

Configuration Method​

Using zsh and oh-my-zsh:

1. Install oh-my-zsh (if not already installed): Run sh -c "$(curl -fsSL https://raw.github.com/ohmyzsh/ohmyzsh/master/tools/install.sh)".
2. Install zsh-autosuggestions plugin:

• Clone the plugin to oh-my-zsh's plugin directory: git clone https://github.com/zsh-users/zsh-autosuggestions ~/.oh-my-zsh/custom/plugins/zsh-autosuggestions
• Edit .zshrc file, add zsh-autosuggestions to the plugin list: plugins=(zsh-autosuggestions) (add a new line)
• Save and restart iTerm2, or run source ~/.zshrc to apply the configuration.

...
# Add wisely, as too many plugins slow down shell startup.
plugins=(git)
plugins=(zsh-autosuggestions)
...

Usage Method​

Similar to before, enter a prefix, and matching history commands will automatically appear in gray. If you accept it, press -> arrow key. If not, use up/down arrows to navigate.

Authentication Problem​

How to confirm whether a user belongs to a certain residential community based on location

How to exclude virtual cheating

Problems That Can Be Solved​

Many home service fees are expensive. Utilizing community characteristics, chain scheduling allows service workers to visit multiple homes in a day

This can both increase the number of households a worker can handle per day and reduce costs

https://www.heroui.com/