家政系统源码,java版上门家政系统成品源码,开箱即用

简介: Java家政系统源码,含用户/师傅APP(UniApp)及Web管理后台。支持保洁、维修等多类服务,集成地图定位、微信支付、短信通知。涵盖订单管理、智能派单、资质审核、资金结算与数据看板,开箱即用。

家政系统源码,java版上门家政系统成品源码

家政系统分为APP用户端、APP家政师傅端、平台运营后台(Web)

订单信息.png


一、技术栈

· 后端:SpringBoot + MySQL8+ html+Thymeleaf

· 前端:UniApp(一套代码,用户+师傅小程序/H5);管理后台 Vue3 + Element Plus

· 第三方:高德/百度地图LBS定位、微信支付、短信、对象存储(存储服务照片)


二、用户端


1. 服务分类:日常保洁、开荒保洁、家电清洗、管道疏通、月嫂、家电维修、搬家等,支持套餐、次卡、会员卡

2. 地址管理:多地址保存,LBS自动定位

3. 预约下单:选择服务、时长、上门日期时段,填写房屋面积、备注、上传现场照片;支持即时单、预约单

4. 支付:微信/支付宝、优惠券抵扣、定金担保支付

5. 订单中心:待派单、待上门、服务中、待验收、已完成、退款售后;实时查看师傅位置

6. 履约验收:服务完成拍照确认、评价打分、投诉、申请退款

7. 个人中心:订单记录、余额、发票、消息通知

拼图1.jpg


三、家政师傅端

1. 实名认证入驻:上传身份证、健康证、技能证书,平台审核;设置服务品类、接单半径、可服务时段

2. 订单处理:抢单模式 / 平台智能派单;订单详情、客户地址、导航

3. 上门履约:定位打卡签到、服务过程拍照留档、服务完工提交;客户临时加项可线上提交加价

4. 资金收益:订单明细、平台佣金、可提现金额、提现记录

5. 日程管理:今日/未来排班,订单提醒;异常上报(客户取消、地址错误)


四、平台管理后台(Web管理端)

1. 人员管理

家政师傅信息审核、资质档案、技能标签、信用分、接单限制、账号启停

2. 订单&派单中心

· 两种模式:智能派单(距离+评分+技能+负载)、人工指派;超时订单自动重新分配

· 订单全状态管理、改期、取消、售后纠纷处理、退款审核

3. 商品&定价管理

服务项目SKU配置、基础定价、按时长/面积计费;节假日、夜间溢价规则;优惠券、活动营销

4. 资金结算

平台佣金配置、师傅结算规则、提现审核、对账流水、财务报表

5. 数据看板

订单量、营收、热门服务、师傅接单率、用户复购、差评统计等可视化图表

6. 系统配置

区域管理、短信/消息模板、地图API配置、权限管理、客服管理

费用明细.png

五、订单状态流转

用户下单 → 支付定金 → 系统派单/师傅抢单 → 接单成功 → 师傅上门打卡 → 服务进行中 → 完工提交照片 → 用户验收确认 → 结算打款 → 用户评价

相关文章
|
28天前
|
人工智能 测试技术 Shell
Opencode最被低估的6个测试指令:每天帮你省下3小时重复劳动
本文详解Opencode六大自定义指令(如/test、/coverage),助测试工程师30分钟配置、每日省3小时,告别重复Prompt输入,实现测试流程自动化提效。
|
2月前
|
存储 监控 数据处理
基于 YOLO11 的工业厂区泄漏隐患检测:从数据标注到云上训练工程实践
本文基于YOLO11构建工业厂区泄漏隐患检测系统,涵盖数据标注(1969张960×960图像,单类leakage)、云上存储管理、训练调优(imgsz=960, batch=16)及模型评估全流程,助力实现7×24小时自动化巡检与早期告警。
基于 YOLO11 的工业厂区泄漏隐患检测:从数据标注到云上训练工程实践
|
3月前
|
SQL 人工智能 关系型数据库
DBeaver Ultimate Edtion 26.1 Multilingual (macOS, Linux, Windows) - 通用数据库工具
DBeaver Ultimate 26.1 是跨平台通用数据库工具,支持100+数据源。新增AI增强能力:可接入外部MCP服务器、dbvr开源CLI作为MCP服务、执行计划可视化与AI解读,并扩展支持Microsoft Fabric、Valkey、GizmoSQL等。(239字)
644 3
DBeaver Ultimate Edtion 26.1 Multilingual (macOS, Linux, Windows) - 通用数据库工具
|
3月前
|
人工智能 Kubernetes 安全
【重磅】 Blade AI 自主韧性测试智能体正式开源
本次阿里云峰会上发布韧性测试智能体 Blade AI:用自然语言一句话自动完成系统韧性测试全流程。
698 21
|
3月前
|
人工智能 监控 前端开发
学习AI Agent编程-第二天-LangGraph ReAct模式实现
本文介绍了LangChain中ReAct(推理-行动)模式的实践应用:通过“会议室申请”流程,演示LLM如何循环执行“决策→调用工具→评估结果→调整策略”,实现多步任务自动化。代码涵盖流程定义、工具函数与多轮会话测试,验证了其在空闲检查、报备审批、异常处理等场景的可靠性。(239字)
453 7
学习AI Agent编程-第二天-LangGraph ReAct模式实现
|
3月前
|
数据采集 人工智能 分布式计算
多Agent集群中的"情报官"设计:为什么系统需要一个RDD
在多Agent系统中,信息采集环节的失误往往是级联错误的根源。本文从行业实践和学术研究两个维度,论证了专职情报采集Agent的必要性,并详细解析了枢衡RDD(资源探测)的五大架构设计原则,包括与CAD的对抗性协作机制等。最后提供了一套可落地的自检清单,帮助开发者判断自己的Agent集群是否需要引入专职情报官角色。
|
3月前
|
人工智能 自然语言处理 安全
多AI聚合的五个常见误区:你以为的“交叉验证”可能只是“重复犯错”
本文剖析多AI聚合系统五大常见误区:盲目追求数量、迷信“少数服从多数”、误信数据天然独立、将分歧视为缺陷、幻想彻底消除幻觉。强调模型独立性、分歧价值与用户主动判别才是发挥聚合效能的关键。
343 5
|
3月前
|
机器学习/深度学习 自然语言处理 C++
大模型应用:大模型实测对比:1.8B vs 6B,本地部署的极限拉扯与真实体感.119
本文对比Qwen1.5-1.8B与ChatGLM2-6B两大中文大模型:前者轻量易部署,CPU即可运行,代码简洁,但易幻觉、指令遵循弱;后者参数量大,中文理解与逻辑更强,但需GPU、加载复杂。二者代表“小而美”与“大而全”的典型路径。
586 2
大模型应用:大模型实测对比:1.8B vs 6B,本地部署的极限拉扯与真实体感.119
|
4月前
|
运维 Java 开发者
[015][web模块]基于Spring Boot的HTTP客户端日志与默认配置实战
本文详解基于Spring Boot的HTTP客户端统一配置方案,支持RestTemplate、RestClient与WebClient三种客户端,实现无侵入的日志记录(请求/响应头、状态码)、默认请求头注入(如X-Request-Id)、非2xx异常自动转换及链路追踪支持,全部通过Customizer与Filter机制自动装配,开箱即用,提升微服务调用可观测性与开发效率。(239字)
352 5
[015][web模块]基于Spring Boot的HTTP客户端日志与默认配置实战

热门文章

最新文章