项目立项的核心原因，是为了解决传统体重与夜间状态管理中“数据分散、监测滞后、异常难以及时识别”的问题。过去在实际工作中，体重变化往往依赖人工记录，存在漏记、误记、统计周期长等痛点；夜间异常事件也常常在事后汇总时才被发现，导致干预窗口被动。项目希望通过统一的数据采集与分析能力，把分散在不同环节的信息整合为连续、可追溯的健康与照护数据，形成“实时感知—异常预警—闭环处理—效果复盘”的工作链路，从而提升管理效率与服务质量，降低人工负担与运营风险。 在行业场景与业务背景上，本项目面向智慧照护与健康管理场景，适用于需要持续观察体重趋势、睡眠状态与夜间异常行为的机构化服务环境。随着行业数字化升级，业务侧对精细化运营提出更高要求：一方面需要通过客观数据支持日常决策，另一方面需要在保障服务连续性的同时兼顾标准化流程与可审计能力。项目通过构建标准数据模型、异常识别规则和可视化报表能力，帮助业务团队从“经验驱动”逐步转向“数据驱动”，并为后续跨系统协同、质量评估与智能化扩展打下基础。由于项目涉及到部分协议问题和数据安全问题，截图部分截取一小部分，如有疑问可直接联系沟通。 设备接入模块（MQTT 多 Broker、多 Topic 映射，预留 TCP 接入扩展）、数据标准化与解析模块（按设备类型解析并统一字段）、缓存与状态模块（Redis 维护设备实时状态与短时窗口数据）、消息总线与分发模块（RabbitMQ 承担原始数据转发、状态分发与二次分发）、数据入库模块（Worker 批量消费并写入业务库）、算法结果接收模块（接收分析结果并落库形成预警记录）、配置中心模块（设备参数、算法参数、分发规则可配置化）、预警编排模块（去重、抑制、升级等规则）、运维观测模块（健康检查、运行状态、日志与启停管理）、业务应用模块（监测看板、预警列表、老人与设备管理、报表与监管视图）。 项目主要功能描述：系统以“采集—解析—缓存—转发—计算—落库—编排—展示”的闭环为主线，先把压力、呼吸带等设备数据稳定接入，再通过消息链路分发到算法与存储侧，最终将分析结果转化为可执行的预警与业务动作。新网关方案的重点是在现有可运行链路上补齐控制面能力，即规则化二次分发、配置热更新、可视化运维与编排治理，使系统从“能接数据”升级到“可管理、可扩展、可审计”的平台形态，支撑多机构、多设备类型和多业务场景的持续演进。 项目整体采用 Next.js + TypeScript + Node.js 作为全栈基础，前端以管理后台形态承载监测、预警、报表与配置页面，后端围绕网关与业务服务构建数据处理链路；数据与消息层使用 Redis + RabbitMQ + Prisma（数据库持久化），设备接入侧支持多 MQTT Broker 与多 Topic 映射，并通过按设备类型注册 Parser 的方式实现异构协议统一解析。架构上形成“接入层—标准化层—缓存层—消息分发层—入库与分析结果处理层—配置与编排层—可视化运维层”的分层设计，既保证实时性又兼顾可扩展性。实现亮点在于：一是通过 MQ 解耦采集、算法、存储与消费方，支持链路独立扩缩容；二是借助 Redis 维护设备状态与短窗数据，为分钟级状态分发和规则编排提供基础；三是以规则化思路推进二次分发、告警去重/抑制等能力，减少硬编码并提升业务迭代效率；四是强调统一启动、健康检查、功能开关与可观测性，使系统从“可运行”升级为“可治理、可审计、可持续演进”的工程化平台。

1.我的职责 架构设计、全栈开发。 2.项目采用 Next.js 15 + React + TypeScript + Electron 31 作为前后端一体化技术栈，后端以 App Router 的 Route Handlers/Server Actions 承载业务接口，数据层使用 Prisma + PostgreSQL（兼容 Alpine musl 的引擎配置），整体遵循“领域模型驱动 + 分层服务架构”，围绕员工、客户、通话记录、标签与统计聚合构建高内聚模块；实现亮点在于多维筛选与分页导出、员工-客户/员工-日期双维度统计、时区归一化处理、部门与SIM绑定等业务闭环，以及可快速扩展的指标口径；难点主要在高频通话数据的查询性能、统计口径一致性、跨端环境（Web/Electron）行为统一与部署兼容性；基于通话录音与结构化日志实现 AI 通话摘要、情绪与意图识别、话术质量评分、客户意向分层、回访优先级预测、异常通话预警和智能报表洞察，使系统从“记录与统计”升级为“预测与决策辅助”。

1、我的职责 全栈开发、架构设计、边缘计算端架构设计和框架开发 2、本项目采用 Next.js 15（App Router）+ React 19 + TypeScript 构建云边协同控制台，UI 侧使用 Ant Design 5 与 Tailwind，状态与请求配合 Redux Toolkit、Axios，接口层统一走 装饰器控制器 + createAllMethodHandlers 以稳定契约；数据持久化使用 Prisma，云边链路以 MQTT 承载设备注册、心跳、指标与工作负载等Topic契约，并结合 SSE 等能力支撑实时态势，可视化侧集成 ECharts、DataV、React Flow（@xyflow/react）；在固定数据面之上叠加 LangChain + OpenAI 的「认知层」API（简报、告警处置、编排草稿、设备洞察等，可无 Key 走启发式）。整体架构突出云边一体管控、可观测—可编排—可审计闭环，并为自研边缘 Agent 与 K3s 等执行引擎预留契约稳定、控制台无感迁移空间，面向大规模节点具备升级逐台下发、避免广播风暴等工程取向。线上亮点在于一体化运维体验、规模化扩展叙事与 AI 增强决策效率；主要难点在于多实例部署下 MQTT 订阅与入库的去重与扩展、弱网高并发下的限流与降级、OTA/编排的状态机幂等与容错，以及长连接服务与 Next 进程生命周期协同、生产环境 API 与密钥/模型的安全与成本治理。