项目背景 传统日历应用输入繁琐，不支持自然语言快速添加事件，且离线不可用。为此开发 Days Matter，一款纯前端、可安装（PWA）的智能倒数日工具。 核心功能 自然语言解析：支持“明天15点开会”“下周五”“12月25日”等中文表达，自动生成日程，准确率>95%，延迟

项目背景 现有健身 App 操作繁琐、缺乏对力量训练的深度记录（组数、重量、容量），且离线场景不可用。为此开发 FitJourney，一款纯前端离线架构的跨平台健身数据追踪工具。 核心功能 离线优先架构：基于 uni-app Storage API 实现完整本地 CRUD，首屏无网络延迟，数据可导入/导出。 力量训练深度建模：支持动作→多组→组标签（正常/热身/力竭/递减/超级组），实时计算训练总容量（Σ重量×次数）。 1RM 估算与卡路里消耗：Brzycki 公式估算极限重量；MET 代谢当量分运动类型计算热量（骑行7.5、跑步10、力量7等）。 肌肉群自动分类与热度分析：基于动作名称关键词匹配（规则引擎），映射到胸/背/腿/肩/手臂/核心，展示每周肌群训练分布。 训练模板与计划系统：一键保存训练为模板，支持多日分化计划（如推拉腿），减少重复录入。 游戏化激励：成就系统（累计次数、连续打卡、总容量等自动解锁勋章），连续打卡算法基于日期序列最长连续区间。 全局组间休息计时器：浮动倒计时，结束触觉反馈；Canvas 生成训练总结卡片，支持微信分享。 技术亮点 不依赖第三方图表库，Canvas 自绘折线图（30天容量趋势、1RM变化）与圆环进度组件，真机渲染 ≤16ms/帧。 规则引擎实现中文动作名→肌群映射，零模型推理成本。 统一数据存取模式（loadXxx/saveXxx），数据流清晰，避免跨页面状态混乱。 纯前端离线运行，零后端成本，适合个人训练记录场景。 项目成果 功能完备，涵盖 12+ 页面模块，支持 7 种运动类型，力量训练深度记录可达动作/组/标签粒度。 连续打卡算法准确率 100%，成就勋章触发逻辑稳定。 自绘 Canvas 图表在微信小程序真机上运行流畅，数据点 ≤30 时可保持 60fps。 累计个人使用记录训练 50+ 次，有效提升训练数据留存率。

项目背景：面向基层乡村工作者，解决成功经验复制难、决策缺乏数据支撑的问题，构建基于案例库与大语言模型的智能匹配系统。 核心功能： 输入村庄特征（禀赋、痛点、五位一体评分），系统自动匹配最相似的成功案例（下庄村、岩博村等）。 调用 DeepSeek 大模型生成三套差异化发展方案（快速破局、稳步推进、创新融合），每套包含背景分析、核心举措、实施步骤、资源需求、预期效果。 支持“乡村建设者”与“青少年学生”两种身份，学生可上传调研报告，系统生成调研指南。 技术亮点： 自研加权欧氏距离+Jaccard相似度匹配引擎，准确率从68%提升至89%。 结构化提示词工程与保底规则引擎，API成功率99.5%，平均响应7s。 全栈 Flask + 原生JS，LocalStorage 缓存历史记录，支持快速模式（