公司要开发OA系统,请问用PHP好还是DELPHI好?或其它方案?请大家都来发表一下自己的建议!有者有分!

szj820 2003-09-13 04:36:48
态度明朗的答题者均有分!
...全文
139 23 打赏 收藏 举报
写回复
用AI写文章
23 条回复
切换为时间正序
请发表友善的回复…
发表回复
龙华 2003-09-18
  • 打赏
  • 举报
回复
用B/S结构和php吧。以后维护或者界面更改都很方便。
veryboyyuqi 2003-09-18
  • 打赏
  • 举报
回复
用.NET吧,自己开发一个邮件系统模块,既快有稳定。从总体上来说,速度是很快的,但是第一次是比较慢的了,实现起来.........看你的功力了
yijiansong 2003-09-17
  • 打赏
  • 举报
回复
j2ee
gys_yxr 2003-09-17
  • 打赏
  • 举报
回复
PHP做
hsn1982 2003-09-16
  • 打赏
  • 举报
回复
java,jsp
hxy2003 2003-09-15
  • 打赏
  • 举报
回复
做OA现在流行用lotus,或者j2ee
aha99 2003-09-15
  • 打赏
  • 举报
回复
以前做的是用的lotus,在OA方面,不论是开发速度还是别的,感觉是任何软件都没法比拟。在OA我首推lotus,无论cs还是bs。见过asp做的,实在不敢恭维,尤其是在流转方面,lotus 内部集成的邮件机制实在是太有吸引力了,安全、简单别的就不说了。
viena 2003-09-15
  • 打赏
  • 举报
回复
建议用C#,很好用的。
orwell 2003-09-15
  • 打赏
  • 举报
回复
PHP做不错
i三千 2003-09-14
  • 打赏
  • 举报
回复
php也
blueoxygen 2003-09-14
  • 打赏
  • 举报
回复
公司开发自己用的话,php应该不成问题
makeyunbad 2003-09-14
  • 打赏
  • 举报
回复
做OA现在流行用lotus,或者j2ee。其他的可以不用考虑了。
cf_journey 2003-09-14
  • 打赏
  • 举报
回复
推荐使用用PHP,一些PHP不能实现的功能使用DELPHI来作成OCX控件放到PHP程序里调用,我以前做过这方面的开发,感觉不错!
boystones 2003-09-13
  • 打赏
  • 举报
回复
用vc
lwhxf 2003-09-13
  • 打赏
  • 举报
回复
现在C/S的时代已经过去了,B/S的构架好处很多,非常适合信息交流,当然在一些小的问题上还是不恨方便的,这次可以用delphi来完成。
szj820 2003-09-13
  • 打赏
  • 举报
回复
自己UP一下
qndt 2003-09-13
  • 打赏
  • 举报
回复
同意xiaogangge(小刚)的说法,偶们以前就是用的PHP的OA。
xiaogangge 2003-09-13
  • 打赏
  • 举报
回复
当然应该选择PHP了,Delphi可以做客户端,因为OA要体现到他的信息流通性和交互性,应该是B/S架构,这样的话开发B/S你可想而知是应该选择Delphi还是PHP了!当然Delphi可以做一些比较特殊的东西放在OA里面,比如说客户端程序,加密狗什么的!还是很有用的
showerXP 2003-09-13
  • 打赏
  • 举报
回复
delphi作中间件。php前台。
这是我想的。嘿嘿嘿。
hnshuer 2003-09-13
  • 打赏
  • 举报
回复
無線辦公系統~
加载更多回复(3)
详情可查看下方数据集可视化效果。 【数据集概况】 · 检测类别(中文):[中央处理器(CPU)] · 训练集:810 张 · 验证集:82 张 · 测试集:40 张 · 总计:932 张 该数据集聚焦于工业制造环境中中央处理器的精准识别,通过多背景、多光照条件下的图像采集,构建了覆盖典型生产场景的高质量样本库。数据集中中央处理器以标准封装形态呈现,背景涵盖金属台面、彩色渐变板及纹理表面,充分模拟实际生产线中的视觉干扰因素,为自动化质检与智能分拣系统提供了可靠的数据支撑。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 37 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9650** mAP50-95 | 0.9173 Precision | 0.9967 Recall | 0.9647 train/box_loss | 0.4580 train/cls_loss | 0.2414 val/box_loss | 0.3658 val/cls_loss | 0.2987 【训练过程分析】 37 轮训练后 mAP50 达到 0.9650,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9173,和 mAP50 差距仅 0.05,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9967、Recall 0.9647,精召双高,模型对中央处理器的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖中央处理器,置信度整体偏高。 【改进建议】 1...

1,502

社区成员

发帖
与我相关
我的任务
社区描述
VB 网络编程
社区管理员
  • 网络编程
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧