راه حل کارت ویزیت با Deepseek

ساختن یک اسکنر کارت ویزیت مدرن با هوش مصنوعی: شیرجه عمیق به AWS و ادغام Deepseek

سلام ، توسعه دهندگان دیگر! 👋 امروز ، من هیجان زده ام که سفر خود را برای ساختن یک برنامه اسکنر کارت ویزیت مدرن که از AI استفاده می کند برای تبدیل کارتهای ویزیت فیزیکی به مخاطبین دیجیتال سازمان یافته به اشتراک بگذارم. این پروژه خدمات AWS را با API Deepseek ترکیب می کند تا یک ابزار شبکه ای قدرتمند ایجاد کند.

🎯 مشکل

در عصر دیجیتال امروز ، ما هنوز کارت ویزیت فیزیکی را مبادله می کنیم ، اما مدیریت آنها به طور کارآمد یک چالش است:

• کارت ها گم می شوند یا آسیب می بینند
• ورود اطلاعات دستی وقت گیر و مستعد خطا است
• تجزیه و تحلیل شبکه حرفه ای خود به طور مؤثر دشوار است
• پیدا کردن مخاطبین خاص یا مشاهده ارتباط بین شرکت ها دشوار است

راه حل اسکن کارت ویزیت دیجیتال موجود در بازار وجود دارد ، اما آنها اغلب:

• گران
• کاربر پسند نیست
• فقط از کتاب آدرس داخلی پشتیبانی می کند ، بدون ادغام با مخاطبین دستگاه
• داده های ذخیره شده در پایگاه داده ارائه دهندگان ، شما داده ها را در اختیار ندارید

💡 راه حل

من یک برنامه وب ساختم که این مشکلات را حل می کند:

• استفاده از هوش مصنوعی برای استخراج اطلاعات از تصاویر کارت ویزیت
• سازماندهی تماس با ابرداده های غنی
• اجازه می دهد تا مخاطبین را به مخاطبین تلفن خود به صورت دسته ای وارد کنید!
• راه حل خود مستقر ، به این معنی که شما در اختیار دارید و داده های خود را کنترل می کنید!
• ارائه تجزیه و تحلیل و تجسم شبکه
• ارائه یک رابط چت با هوش مصنوعی برای پرس و جو از پایگاه داده تماس شما

🏗 معماری فنی

برنامه بر روی یک پشته بدون سرور مدرن ساخته شده است:

اجزای کلیدی:

1. جبهه:

   • برنامه تک صفحه ای که در S3 میزبانی شده است
   • تجسم شبکه تعاملی با استفاده از d3.js
   • رابط چت در زمان واقعی
   • طراحی پاسخگو با Tailwind CSS

2. پشت:

   • AWS Lambda برای محاسبات بدون سرور
   • Amazon Textract برای OCR
   • API Deepseek برای استخراج داده های هوشمند
   • DynamoDB برای ذخیره سازی تماس
   • S3 برای ذخیره تصویر

3. احراز هویت:

   • AWS Cognito برای مدیریت کاربر
   • دسترسی API را با نقش های IAM ایمن کنید

🔍 ویژگی های کلیدی

1. اسکن کارت هوشمند

def parse_with_deepseek(raw_text):
    prompt = (
        "Extract the following information from the provided business card text: "
        "name, company, department, title, email, phone, address, website. "
        "Additionally, categorize the company's industry..."
    )
    # DeepSeek API integration for smart data extraction

2. تجزیه و تحلیل شبکه

function updateNetworkVisualization() {
    // D3.js force-directed graph
    const simulation = d3.forceSimulation(nodes)
        .force("link", d3.forceLink(links).id(d => d.id))
        .force("charge", d3.forceManyBody())
        .force("center", d3.forceCenter(width / 2, height / 2));

3. رابط چت با قدرت AI

def handle_chat_message(event, cors_headers):
    """Handle chat messages using DeepSeek."""
    # Process natural language queries about your contacts
    # Generate insights and recommendations

🚀 شروع کار

آیا می خواهید خودتان آن را امتحان کنید؟ در اینجا چگونه:

1. کلون مخزن:

git clone 
cd business-card-scanner

1. وابستگی ها را نصب کنید:

cd application
pip install -r requirements.txt

1. پیکربندی AWS و Deepseek:

Environment:
  Variables:
    DEEPSEEK_API_KEY: 'YOUR_API_KEY'

1. استقرار:

./deploy.sh

🎨 تجربه کاربر

برنامه یک تجربه یکپارچه را ارائه می دهد:

1. آپلود تصاویر کارت ویزیت (تک یا دسته ای)
2. هوش مصنوعی به طور خودکار اطلاعات را استخراج و طبقه بندی می کند
3. مخاطبین خود را در یک رابط مدرن و قابل فیلتر مشاهده کنید
4. اتصالات شبکه را از طریق تجسم تعاملی کاوش کنید
5. برای تجزیه و تحلیل شبکه حرفه ای خود با هوش مصنوعی گپ بزنید
6. به راحتی مخاطبین را به عنوان پرونده های VCARD برای مخاطبین تلفن خود صادر کنید

💰 تخمین هزینه

AWS: کل 12 ماه هزینه = 15.00 USD AWS ماشین حساب قیمت گذاری

Deepseek API: حداقل هزینه = 10RMB = 1.38 USD (1USD = 7.24 RMB)

کل هزینه سالانه = AWS+کلید Deepseek = 15+1.38 = 16.38 = حدود 16.5 دلار

فرضیات اصلی:

تعداد درخواست API 1000 درخواست API هر روز x 20 روز کاری = 20000 درخواست API در هر ماه
تعداد درخواست کارت اسکن: 1 کارت هر روز x 30 روز = 30 درخواست

🔮 پیشرفت های آینده

من قصد دارم اضافه کنم:

1. شاید با HTTPS به گونه ای که بتواند مستقیماً با دستگاه تلفن همراه اسکن شود
2. UI/UX بهتر و بهبود تأخیر با AI Chatbot.
3. معماری فعلی سرور یک “Lambdalith” است ، که برای توسعه سریع برای POC بسیار عالی است اما با ویژگی های بیشتری به خوبی وارد نمی شود. بنابراین ممکن است در آینده به دکوراسیون این قسمت نیاز داشته باشد.

learn یادگیری کلیدی

ساخت این پروژه چندین درس ارزشمند را به من آموخت:

1. معماری های بدون سرور نیاز به تنظیمات متفکرانه زمان دارند
2. تجربه کاربر برای برنامه های دارای هوش مصنوعی بسیار مهم است

🎁 منبع باز

این پروژه منبع باز است! با خیال راحت به:

• مخزن را ستاره کنید
• موارد یا درخواست های ویژگی را ارسال کنید
• پیشرفت ها
• چنگال و سازگار با نیازهای خود

🔗 منابع

👋 اتصال

من دوست دارم افکار و پیشنهادات شما را بشنوم! با من ارتباط برقرار کنید:

اگر می خواهید پست های دقیق تری در مورد جنبه های خاص این پروژه مشاهده کنید ، در نظرات به من اطلاع دهید!