项目描述：1.基于阿里云百炼大模型和 LangGraph 独立搭建多智能体协作流程，设计 Planner、Executor、Reviewer、Writer 等角色，将复杂用户需求自动拆分为多个子任务，并按计划调用外部数据工具完成信息收集和结果汇总，实现复杂问题的任务拆解、工具调用、结果校验与答案生成 2.接入 PubChem、Ensembl、PubMed、UniProt 等外部数据源，构建统一工具注册与调用机制、动态路由和 Top-k 工具检索机制， 实现化合物、基因、蛋白质及文献数据的自动查询与结构化整合，降低工具数量增加后模型选错工具和提示词冗余的问题，提高系统可扩展性 3.构建本地论文 RAG 知识库，完成 PDF 文本提取、分块、向量化、ChromaDB 存储与语义检索，使系统能够基于用户自有资料回答问题并返回文件名、页码等证据信息，支持企业内部制度、技术资料和业务文档的智能问答场景 4.实现工具调用失败重试、任务重新规划、JSONL 执行轨迹记录及 SQLite 状态保存，并通过 Streamlit 和 FastAPI 提供可视化交互界 面与标准化服务接口

项目描述：1.项目背景：针对传统外卖平台缺乏面向病患群体的个性化膳食服务、相关市场需求难以量化预测的问题，基于真实外卖平台历史数据，研究不同营养餐食的用户需求变化规律，并构建时间序列预测模型，为病患膳食推荐及餐饮市场需求分析提供数据支持 2.项目内容：使用 Python 爬虫采集20家商户24个月历史数据，完成数据清洗、统计分析和可视化；利用 ADF 检验、一阶差分及ACF/PACF完成时间序列平稳化与参数分析，建立 ARIMA 模型预测未来12个月需求趋势 3.项目成果：搭建“数据采集—清洗分析—统计检验—模型训练—预测评估”完整分析流程，模型预测误差处于合理范围，相关成果以论文形式发表于《科学技术创新》