实习期间开发的工具集，分两条主线：数据分析与工程图表工具集（DEMO1/2/3 + UML），以及多模态 AI 模型部署实践（Demo5）。前者围绕结构化数据分析、文档处理和工程图表渲染展开，各模块在同一条数据流上衔接；后者把多个开源多模态模型以 Docker 容器化方式部署起来，覆盖语音、图像、音视频和分割等任务。
项目组成
- DEMO1 数据分析工具箱：数据预处理、描述性统计、推断统计、机器学习、空间插值、统计方法推荐。
- DEMO2 GIF 压缩工具：针对 GIF 的多档压缩实现。
- DEMO3 文档处理工具箱：Word、Excel、PDF 的读取、脱敏、加密、水印、格式转换，以及 Word 拆分、合并和模板填充。
- UML 图表渲染器：把结构化 JSON 配置转成 UML、流程图、架构图等图表，导出 SVG/PNG。
- Demo5 多模态 AI 模型部署实践：TTS、ASR、图像生成与 OCR、音视频与音效生成、SAM3 分割，均容器化部署。
整体数据流大致是：原始文档经 DEMO3 读取或转换，进入 DEMO1 的统一 JSON 结构，再走统计与机器学习分析；分析结果由可视化层产出 PNG/HTML 报表；UML 渲染器则独立服务于工程文档的图表生成。
DEMO1 数据分析工具箱
面向结构化表格数据的分析工具箱，从原始表格到分析结果一条龙打通，并配套函数级 input/output 测试用例。所有统计和机器学习函数都基于一套统一的 JSON 数据结构运行（包含 header 字段顺序、fields 字段类型与角色、data 行数据），字段类型涵盖 continuous、binary、categorical、ordinal、date，字段角色涵盖 predictor、outcome、identifier、none。
主要模块：
- 数据预处理：表格转统一 JSON、清洗、字段标注、降维判断、Bootstrap 判断、降维执行。
- 文档预处理：Word/Excel/PDF 的脱敏、加密、格式转换、读取、水印、拆分合并与模板填充。
- 描述性统计：连续变量统计、分类变量频数、正态性检验、Bootstrap 置信区间。
- 推断统计：t 检验、z 检验、单/双因素方差分析、卡方检验、Fisher 精确检验、相关性分析、点估计与区间估计。
- 机器学习：决策树、随机森林、SVM、XGBoost、Lasso 回归、多元线性回归、二元/多分类/有序 Logistic 回归、K-Means 与层次聚类。
- 方法推荐：根据字段类型和角色推荐适合的分析方法。
- 空间插值：载荷校验、区域分类、插值计算。
- 可视化：统一消费上游各模块的结果 JSON，批量产出三线表 PNG 和指标图。
DEMO2 GIF 压缩工具
针对 GIF 的压缩实现，提供多档压缩策略，包含三组实现和对应的压缩产物样例，便于对比压缩率与画质损失。
DEMO3 文档处理工具箱
面向 Word、Excel、PDF 的文档处理工具，功能按处理类型分目录组织：
- 脱敏：Word、Excel、PDF 敏感信息处理，共用一份脱敏规则。
- 加密：Word、Excel、PDF 加密。
- 格式转换：Word/Excel/PDF 互转。
- 读取：Excel 工作簿解析、Word 文档解析、Word 字段索引。
- 水印：文字水印和图片水印，支持 Word/Excel/PDF。
- Word 拆分合并填充：按标题拆分、多文档合并、按字段模板填充表格。
其中 Word/Excel 的加密、转换和前景水印依赖 Microsoft Office + pywin32，其余走纯 Python 路径。测试数据按”模块/子模块/函数/case 文件”组织，输入输出一一对应。
UML 图表渲染器
把结构化 JSON 配置转成 UML、流程图、架构图等工程图表，导出 SVG 和 PNG。支持活动图、用例图、时序图、类图、对象图、组件图、部署图、包图、协作图、状态图、甘特图、横向/纵向泳道图、流程图、系统架构图、鱼骨图等十余种图表。多数核心渲染逻辑为项目内自绘 SVG，不依赖外部图表库；导出 PNG 时借助 Playwright 截图。
测试约定
所有测试按 input/output 对账模式执行：读取输入 case，调用对应函数，再和同名期望输出比较。每个函数维护约 10 个 case，覆盖正常输入、边界数据和异常输入（异常场景用 expected_exception 记录期望异常）。源码模块目录只放可复用代码，测试脚本单独组织。
技术栈
数据分析与工程图表部分：
- 语言：Python 3.10+
- 数据与统计：pandas、numpy、scipy、scikit-learn、xgboost、statsmodels
- 文档处理：python-docx、openpyxl、pypdf、pywin32（Office 依赖功能）
- 图表渲染：Playwright、Graphviz（可选）
- 测试：unittest，按模块和函数组织
多模态 AI 部署部分：
- 容器化：Docker，每个模型项目带各自的 Dockerfile
- 服务化：FastAPI、Gradio（提供 API 和 Web UI）
- 模型推理：各开源模型原生推理代码（IndexTTS、Qwen3-TTS、FunASR、Qwen-Image-Layered、GLM-OCR、RMBG-2.0、ACE-Step、HunyuanVideo-Foley、SAM3）
项目收获
这个项目把数据分析、文档处理、工程可视化和多模态模型部署串成了两条主线。实习期间主要做了几件事：把杂乱的表格数据收敛成一套统一 JSON 结构，让统计和机器学习模块能共用输入；按函数粒度拆分测试并维护 input/output 对账用例，保证每个分析函数可单独验证、可复现；把文档处理能力从分析流程里剥离成独立模块，避免读写逻辑和分析逻辑耦合；用 JSON 配置驱动 UML 图表生成，让工程文档的图表可以程序化产出而不是手工绘制；在多模态模型侧，把多个开源大模型统一用 Docker 容器化部署，规范了模型权重、推理代码和服务的目录关系，让本地和团队复用都能直接拉起服务。
Demo5 多模态 AI 模型部署实践
一组开源多模态模型的本地部署实践，按任务类型分目录，每个项目都带 Dockerfile，以容器化方式提供 API 或 Web UI。顶层目录只做分类，项目内部结构保持原样，避免破坏各自相对路径。
01_TTS 语音合成
文本转语音、音色克隆相关。主工作目录基于 IndexTTS，含 checkpoints、webui 和 API 服务代码；另有 Qwen3-TTS 项目和 Qwen3-TTS-12Hz 模型。
02_ASR 语音识别
音频转文字。基于 FunASR，包含项目代码、示例和 Fun-ASR-Nano-2512 模型目录。
03_Image 图像
图像生成、OCR 识别、背景移除。
- Qwen-Image-Layered：分层图像生成项目，含 transformer、text_encoder、vae、tokenizer。
- GLM-OCR：OCR 服务。
- RMBG-2.0：背景移除/抠图，FastAPI 服务；代码默认通过相对路径或 MODEL_PATH 加载权重。
04_AudioVideo 音视频
音频生成、音乐生成、视频配音效。
- ACE-Step-1.5：音乐生成项目。
- HunyuanVideo-Foley：给视频生成/匹配音效。
05_DockerEnv 通用 Docker 环境
不归属单一模型的通用部署辅助，放 Qwen 相关 Docker 环境文件。
06_SAM 分割
SAM3 分割模型的容器化部署，含推理代码、权重和构建上下文。
部署约定
- 模型权重目录和推理代码目录分开存放，代码通过相对路径或环境变量加载权重。
- 每个模型项目独立一个 Dockerfile，构建时按需把代码目录和权重目录一起复制进镜像。