请查看

安装指南.docx

使用指南.docx

构建指南.docx

推荐使用与开发环境相同的openKylin 2.0 SP1进行测试以保证最大稳定性，理论支持SP2 Beta1，但未进行充分测试，明确不支持openKylin 1.0 apt需要添加proposed源以支持Kylin AI SDK（如下），并sudo apt update deb http://archive.build.openkylin.top/openkylin/ nile-proposed main cross pty 推荐在登录界面选择ukui(x11) 更稳定， kylin-wlcom(wayland)下可能会有兼容性问题 smartfiller_1.0_linux_amd64.deb为安装包，使用 sudo apt install ./smartfiller_1.0_linux_amd64.deb进行安装 （请勿使用openKylin系统的双击安装功能，因为如果安装过程中出现异常无法看到日志输出） 本作品依赖了java8和python3.8，deb安装时会从apt源自动安装依赖 本作品使用了virtualenv做python环境隔离，不会污染系统python包环境，无需使用update-alternatives切换系统python版本，预装了所有依赖的python库无需联网安装 安装时会从huggingface镜像站hf-mirror.com（国内可访问）下载数个模型权重文件（≈7GB）以满足离线部署需求，请耐心等待，如果部分文件下载失败会导致安装失败，直接重新安装即可，安装程序会校验已下载文件的SHA256，不会重复下载文件 如果网络不可用导致无法下载权重文件，请下载离线权重文件offline_weights.zip,解压后执行sudo chmod +x ./install.sh&&sudo ./install.sh将文件复制到对应位置, 然后再安装deb，检测到权重文件后会自动跳过下载流程 强烈建议在安装完毕后立即重启设备（以重启peony桌面管理器以及激活开机自启程序）（kylin-wlcom下无法自启，需要手动通过右键菜单启动程序）

赛题题目：基于大语言模型的表单自动填写软件

赛题说明：

基于大模型、NLP或其他人工智能技术，通过对系统中图像、文本、音频等信息进行语义解析和总结提取从而构建用户信息体系，并实现表单的自动填写功能。充分利用操作系统的系统级能力（如文件系统、用户配置接口、设备状态监测、权限控制、安全机制等），优化模型推理性能、数据访问效率与本地化隐私保护能力，软件与操作系统之间的紧密集成与协同。

赛题要求：

支持自动收集操作系统中存储的当前用户相关信息（如个人设置、最近活动、设备状态等），对操作系统用户配置接口、系统调用、文件访问权限等机制的利用，具备一定的系统资源调度意识与采集效率优化策略； 支持基于多模态大模型技术，对操作系统中的文本、图像、音频等信息进行用户信息理解和提取，支持本地化模型部署与推理，合理管理资源使用（如内存、线程、CPU负载），结合系统进程调度机制进行推理性能优化； 支持从用户提供的pdf、doc、xls等格式文件中提取信息； 基于上述用户信息，构建用户信息体系（如姓名、性别、年龄、身份证号、兴趣爱好、个性习惯等），建议以结构化形式组织数据，支持用户信息的长期本地存储与快速调用，同时符合操作系统安全与隐私规范； 根据用户信息体系，支持对doc、xls两类格式的文件自动填充表格内容； 软件基于开源操作系统研发及运行，具备可视化图形界面，利用系统级窗口管理、文件选择、进程通信等原生能力构建高可用图形界面； 软件实现不依赖网络端工具，具备离线状态本地化处理能力，与操作系统中模型管理、缓存策略、之间的协同。

评分标准：

功能完整性（50%）：

• 支持自动收集操作系统中当前用户相关信息（20%）；
• 支持基于多模态大模型技术对文本、图像、音频等进行用户信息理解和提取（20%）；
• 支持从用户提供的pdf、doc、xls等格式文件中提取信息（20%）；
• 支持对doc、xls两类格式的文件自动填充表格内容（20%）；
• 软件实现不依赖网络端工具，具备离线状态本地化处理能力（20%）。

性能优化（20%）：

• 后台占用系统资源（CPU、内存、显存）尽量低，不影响设备正常运行（40分）；
• 系统整体响应速度快，用户操作无延迟（40分）；
• 自动填写准确率达到95%（20分）。

代码规范性（20%）：

• 代码结构清晰、可读性和可维护性高（80分）；
• 符合开源社区规范（20分）。

文档质量（10%）：

• 文档包含设计说明书（50分）；
• 提供完整的部署说明（30分）；
• 提供完成的测试报告（20分）。

赛题联系人：

孙雅彬 sunyabin@kylinos.cn

参考资料：

• [1] AI SDK参考说明：【腾讯文档】AI SDK预览版说明文档 https://docs.qq.com/pdf/DTm1FTmN0U3hISnRn
• [2] 主流大语言模型（LLM）

  模型	介绍	链接
  LLaMA 2	Meta 开源的高效基础大模型	https://ai.meta.com/resources/models-and-libraries/llama-downloads/
  ChatGLM	清华大学推出的中文优化大模型	https://github.com/THUDM/ChatGLM3
  Baichuan	百川智能推出的中文大模型	https://github.com/baichuan-inc/Baichuan2
  Mistral	强调开源与轻量化的	https://github.com/mistralai
  Falcon	适用于商业用途的大模型	https://huggingface.co/tiiuae/falcon-180B
  Gemma	Google 推出的轻量级 LLM	https://github.com/google/gemma

• [3] 主流多模态模型

  模型	介绍	链接
  MiniCPM-Llama3-V2.5	适用于多模态理解的 LLM	https://github.com/OpenBMB/MiniCPM
  CogVLM	视觉-语言联合推理模型	https://github.com/THUDM/CogVLM
  BLIP-2	高效文本-图像理解模型	https://github.com/salesforce/LAVIS
  LLaVA	轻量级视觉-语言对齐模型	https://github.com/haotian-liu/LLaVA
  GIT(Generative Image-to-Text)	微软提出的图像到文本模型	https://github.com/microsoft/GIT
  Whisper (音频转文本)	OpenAI 开发的语音识别模型	https://github.com/openai/whisper

• [4] 文档解析与 OCR（文本、表格、文档处理）

  工具/模型	介绍	链接
  PaddleOCR	强大的 OCR 识别框架	https://github.com/PaddlePaddle/PaddleOCR
  Tesseract OCR	Google 开源的 OCR 识别引擎	https://github.com/tesseract-ocr/tesseract
  pdfplumber	用于 PDF 文档解析	https://github.com/jsvine/pdfplumber
  PyMuPDF (fitz)	轻量级 PDF 解析库	https://github.com/pymupdf/PyMuPDF
  docx (python-docx)	Word 文档解析工具	https://github.com/python-openxml/python-docx
  openpyxl	Excel 解析库	https://github.com/pyexcel/pyexcel

参赛资源支持：

[1] 麒麟软件有限公司可提供软件开发环境 OpenHarmony社区可提供：软硬件开发环境