商家组合维度分析需求设计.md
26 KB
商家组合维度分析报告 - 需求分析与设计文档
版本: 2.0.0
日期: 2026-02-12
项目: fw-pms-ai（AI配件补货建议系统）
1. 业务背景与目标
1.1 业务痛点
汽车配件管理面临以下核心挑战：
| 痛点 | 描述 | 影响 |
|---|---|---|
| 库存失衡 | 部分配件长期缺货，部分配件严重呆滞 | 缺货导致客户流失，呆滞占用资金 |
| 人工决策低效 | 传统补货依赖采购员经验判断 | 效率低、易出错、难以规模化 |
| 多门店协调困难 | 同一商家组合下的多门店库存无法统一调配 | 资源利用率低，部分门店过剩而另一部分缺货 |
| 数据利用不足 | 丰富的销售数据未能有效转化为决策依据 | 补货缺乏数据支撑，决策质量参差不齐 |
1.2 项目目标
mindmap
root((商家组合维度分析))
智能补货建议
LLM驱动分析
配件级决策
门店级分配
风险识别与预警
呆滞件识别
低频件过滤
缺货预警
数据驱动分析报告
库存概览
销量分析
库存健康度
补货建议汇总
可视化展示
分析报告
配件明细
执行日志
核心价值主张：
- 智能化：通过 LLM 自动分析库销比数据，生成专业补货建议
- 精细化：从商家组合维度统一分析，再下钻到配件级、门店级
- 专业化：输出的分析理由贴合采购人员专业度，包含具体数据指标
2. 功能模块设计
2.1 功能架构
flowchart TB
subgraph 用户层["🖥️ 用户层"]
UI[Web管理界面]
end
subgraph 应用层["⚙️ 应用层"]
API[FastAPI 接口层]
subgraph Agent["🤖 LangGraph Agent"]
N1[获取配件库销比<br/>fetch_part_ratio]
N2[LLM分析生成建议<br/>sql_agent]
N3[转换补货明细<br/>allocate_budget]
N4[生成分析报告<br/>generate_analysis_report]
end
subgraph ReportSubgraph["📊 分析报告并发子图"]
R1[库存概览 LLM]
R2[销量分析 LLM]
R3[健康度 LLM]
R4[补货建议 LLM]
end
end
subgraph 基础设施["🔧 基础设施"]
LLM[LLM服务<br/>智谱GLM/豆包/OpenAI/Anthropic]
DB[(MySQL数据库)]
end
UI --> API
API --> Agent
N1 --> N2 --> N3 --> N4
N4 --> ReportSubgraph
N1 -.-> DB
N2 -.-> LLM
N3 -.-> DB
R1 & R2 & R3 & R4 -.-> LLM
2.2 功能模块清单
| 模块 | 功能 | 输入 | 输出 |
|---|---|---|---|
| 数据获取 | 获取商家组合内所有配件的库销比数据 | dealer_grouping_id | part_ratios[] |
| LLM分析 | 按配件分组分析，生成补货建议和决策理由 | part_ratios, base_ratio | llm_suggestions[] |
| 建议转换 | 将LLM建议转换为结构化的补货明细 | llm_suggestions[] | details[], part_summaries[] |
| 分析报告 | 四大板块统计计算 + 并发LLM分析 | part_ratios, part_results | analysis_report |
3. 系统架构设计
3.1 整体架构
C4Component
title 商家组合维度分析系统 - 组件架构
Container_Boundary(web, "Web层") {
Component(ui, "前端UI", "HTML/CSS/JS", "任务管理、结果展示")
}
Container_Boundary(api, "API层") {
Component(routes, "路由模块", "FastAPI", "REST API接口")
Component(scheduler, "定时调度", "APScheduler", "任务调度")
}
Container_Boundary(agent, "Agent层") {
Component(workflow, "工作流引擎", "LangGraph", "状态机编排")
Component(nodes, "节点实现", "Python", "业务逻辑")
Component(report_subgraph, "报告子图", "LangGraph 并发子图", "4路并发LLM分析")
Component(prompts, "提示词", "Markdown", "LLM指令")
}
Container_Boundary(service, "服务层") {
Component(data, "数据服务", "Python", "数据查询")
Component(writer, "写入服务", "Python", "结果持久化")
}
Container_Boundary(infra, "基础设施") {
ComponentDb(mysql, "MySQL", "数据库", "业务数据存储")
Component(llm, "LLM", "GLM/Doubao/OpenAI/Anthropic", "大语言模型")
}
Rel(ui, routes, "HTTP请求")
Rel(routes, workflow, "触发任务")
Rel(workflow, nodes, "执行")
Rel(nodes, report_subgraph, "fan-out/fan-in")
Rel(nodes, prompts, "加载")
Rel(nodes, llm, "调用")
Rel(nodes, data, "查询")
Rel(nodes, writer, "写入")
Rel(data, mysql, "SQL")
Rel(writer, mysql, "SQL")
3.2 工作流状态机
stateDiagram-v2
[*] --> FetchPartRatio: 启动任务
FetchPartRatio --> SQLAgent: 获取库销比数据
FetchPartRatio --> [*]: 无数据
SQLAgent --> SQLAgent: 重试(错误 & 次数<3)
SQLAgent --> AllocateBudget: 分析完成
SQLAgent --> [*]: 重试失败
AllocateBudget --> GenerateReport: 转换完成
GenerateReport --> [*]: 生成报告
state GenerateReport {
[*] --> 统计计算
统计计算 --> 并发LLM子图
state 并发LLM子图 {
[*] --> 库存概览LLM
[*] --> 销量分析LLM
[*] --> 健康度LLM
[*] --> 补货建议LLM
库存概览LLM --> [*]
销量分析LLM --> [*]
健康度LLM --> [*]
补货建议LLM --> [*]
}
并发LLM子图 --> 汇总写入
汇总写入 --> [*]
}
4. 核心算法说明
4.1 三层决策逻辑
flowchart LR
subgraph L1["第一层: 配件级判断"]
A1[汇总商家组合内<br/>所有门店数据]
A2[计算整体库销比]
A3{是否需要补货?}
A4[生成配件级理由]
end
subgraph L2["第二层: 门店级分配"]
B1[按库销比从低到高排序]
B2[计算各门店缺口]
B3[分配补货数量]
end
subgraph L3["第三层: 决策理由生成"]
C1[状态判定标签]
C2[关键指标数据]
C3[缺口分析]
C4[天数说明]
end
A1 --> A2 --> A3
A3 -->|是| L2
A3 -->|否| A4
B1 --> B2 --> B3
B3 --> L3
C1 --> C2 --> C3 --> C4
4.2 补货数量计算公式
suggest_cnt = ceil(目标库销比 × 月均销量 - 当前库存)
其中：
-
有效库存 =
in_stock_unlocked_cnt+on_the_way_cnt+has_plan_cnt -
月均销量 = (
out_stock_cnt+storage_locked_cnt+out_stock_ongoing_cnt+buy_cnt) / 3 -
资金占用 = (
in_stock_unlocked_cnt+on_the_way_cnt) ×cost_price
4.3 配件分类与处理规则
| 分类 | 判定条件 | 处理策略 |
|---|---|---|
| 缺货件 | 有效库存 = 0 且 月均销量 ≥ 1 | 优先补货 |
| 呆滞件 | 有效库存 > 0 且 90天出库数 = 0 | 不补货，建议清理 |
| 低频件 | 月均销量 < 1 或 出库次数 < 3 或 出库间隔 ≥ 30天 | 不补货 |
| 正常件 | 不属于以上三类 | 按缺口补货 |
分类优先级：缺货件 > 呆滞件 > 低频件 > 正常件（按顺序判断，命中即止）
4.4 优先级判定标准
flowchart TD
A{库存状态} -->|库存=0 且 销量活跃| H[高优先级<br/>急需补货]
A -->|库销比<0.5| M[中优先级<br/>建议补货]
A -->|0.5≤库销比<目标值| L[低优先级<br/>可选补货]
A -->|库销比≥目标值| N[无需补货<br/>库存充足]
style H fill:#ff6b6b
style M fill:#feca57
style L fill:#48dbfb
style N fill:#2ecc71
5. 数据模型设计
5.1 ER图
erDiagram
AI_REPLENISHMENT_TASK ||--o{ AI_REPLENISHMENT_DETAIL : contains
AI_REPLENISHMENT_TASK ||--o{ AI_REPLENISHMENT_PART_SUMMARY : contains
AI_REPLENISHMENT_TASK ||--o{ AI_TASK_EXECUTION_LOG : logs
AI_REPLENISHMENT_TASK ||--o| AI_ANALYSIS_REPORT : generates
PART_RATIO }o--|| AI_REPLENISHMENT_DETAIL : references
AI_REPLENISHMENT_TASK {
bigint id PK
varchar task_no UK "AI-开头"
bigint group_id "集团ID"
bigint dealer_grouping_id
varchar dealer_grouping_name
bigint brand_grouping_id "品牌组合ID"
decimal plan_amount "计划采购金额"
decimal actual_amount "实际分配金额"
int part_count "配件数量"
decimal base_ratio "基准库销比"
tinyint status "0运行/1成功/2失败"
varchar llm_provider
varchar llm_model
int llm_total_tokens
varchar statistics_date
datetime start_time
datetime end_time
}
AI_REPLENISHMENT_DETAIL {
bigint id PK
varchar task_no FK
bigint group_id
bigint dealer_grouping_id
bigint brand_grouping_id
bigint shop_id "库房ID"
varchar shop_name
varchar part_code "配件编码"
varchar part_name
varchar unit
decimal cost_price
decimal current_ratio "当前库销比"
decimal base_ratio "基准库销比"
decimal post_plan_ratio "计划后库销比"
decimal valid_storage_cnt "有效库存"
decimal avg_sales_cnt "月均销量"
int suggest_cnt "建议数量"
decimal suggest_amount "建议金额"
text suggestion_reason "决策理由"
int priority "1高/2中/3低"
float llm_confidence "LLM置信度"
}
AI_REPLENISHMENT_PART_SUMMARY {
bigint id PK
varchar task_no FK
bigint group_id
bigint dealer_grouping_id
varchar part_code "配件编码"
varchar part_name
varchar unit
decimal cost_price
decimal total_storage_cnt "总库存"
decimal total_avg_sales_cnt "总月均销量"
decimal group_current_ratio "商家组合库销比"
int total_suggest_cnt "总建议数量"
decimal total_suggest_amount "总建议金额"
int shop_count "涉及门店数"
int need_replenishment_shop_count "需补货门店数"
text part_decision_reason "配件级理由"
int priority "1高/2中/3低"
float llm_confidence
}
AI_TASK_EXECUTION_LOG {
bigint id PK
varchar task_no FK
bigint group_id
bigint brand_grouping_id
varchar brand_grouping_name
bigint dealer_grouping_id
varchar dealer_grouping_name
varchar step_name "步骤名称"
int step_order "步骤顺序"
tinyint status "0进行/1成功/2失败/3跳过"
text input_data "输入JSON"
text output_data "输出JSON"
text error_message
int retry_count
text sql_query
text llm_prompt
text llm_response
int llm_tokens "Token消耗"
int execution_time_ms "耗时"
}
AI_ANALYSIS_REPORT {
bigint id PK
varchar task_no FK
bigint group_id
bigint dealer_grouping_id
varchar dealer_grouping_name
bigint brand_grouping_id
varchar report_type "默认replenishment"
json inventory_overview "库存概览"
json sales_analysis "销量分析"
json inventory_health "健康度"
json replenishment_summary "补货建议"
varchar llm_provider
varchar llm_model
int llm_tokens
int execution_time_ms
}
PART_RATIO {
bigint id PK
bigint shop_id
varchar part_code
decimal in_stock_unlocked_cnt "在库未锁定"
decimal on_the_way_cnt "在途"
decimal has_plan_cnt "已有计划"
decimal out_stock_cnt "出库数"
decimal storage_locked_cnt "库存锁定"
decimal out_stock_ongoing_cnt "出库在途"
decimal buy_cnt "采购数"
decimal cost_price "成本价"
int out_times "出库次数"
int out_duration "平均出库间隔"
}
5.2 核心表结构
ai_replenishment_task（任务主表）
| 字段 | 类型 | 说明 |
|---|---|---|
| task_no | VARCHAR(32) | 任务编号，AI-开头，唯一 |
| group_id | BIGINT | 集团ID |
| dealer_grouping_id | BIGINT | 商家组合ID |
| dealer_grouping_name | VARCHAR(128) | 商家组合名称 |
| brand_grouping_id | BIGINT | 品牌组合ID |
| plan_amount | DECIMAL(14,2) | 计划采购金额(预算) |
| actual_amount | DECIMAL(14,2) | 实际分配金额 |
| part_count | INT | 配件数量 |
| base_ratio | DECIMAL(10,4) | 基准库销比 |
| status | TINYINT | 状态: 0运行中/1成功/2失败 |
| llm_provider | VARCHAR(32) | LLM提供商 |
| llm_model | VARCHAR(64) | LLM模型名称 |
| statistics_date | VARCHAR(16) | 统计日期 |
| start_time / end_time | DATETIME | 任务执行起止时间 |
ai_replenishment_part_summary（配件汇总表）
| 字段 | 类型 | 说明 |
|---|---|---|
| task_no | VARCHAR(32) | 任务编号 |
| group_id | BIGINT | 集团ID |
| dealer_grouping_id | BIGINT | 商家组合ID |
| part_code | VARCHAR(64) | 配件编码 |
| part_name | VARCHAR(256) | 配件名称 |
| cost_price | DECIMAL(14,2) | 成本价 |
| total_storage_cnt | DECIMAL(14,2) | 商家组合内总库存 |
| total_avg_sales_cnt | DECIMAL(14,2) | 总月均销量 |
| group_current_ratio | DECIMAL(10,4) | 商家组合级库销比 |
| total_suggest_cnt | INT | 总建议数量 |
| total_suggest_amount | DECIMAL(14,2) | 总建议金额 |
| shop_count | INT | 涉及门店数 |
| need_replenishment_shop_count | INT | 需补货门店数 |
| part_decision_reason | TEXT | 配件级补货理由 |
| priority | INT | 优先级: 1高/2中/3低 |
ai_analysis_report（分析报告表）
| 字段 | 类型 | 说明 |
|---|---|---|
| task_no | VARCHAR(32) | 任务编号 |
| group_id | BIGINT | 集团ID |
| dealer_grouping_id | BIGINT | 商家组合ID |
| report_type | VARCHAR(32) | 报告类型(默认 replenishment) |
| inventory_overview | JSON | 库存总体概览(stats + llm_analysis) |
| sales_analysis | JSON | 销量分析(stats + llm_analysis) |
| inventory_health | JSON | 库存健康度(stats + chart_data + llm_analysis) |
| replenishment_summary | JSON | 补货建议(stats + llm_analysis) |
| llm_provider | VARCHAR(32) | LLM提供商 |
| llm_model | VARCHAR(64) | LLM模型名称 |
| llm_tokens | INT | LLM Token总消耗 |
| execution_time_ms | INT | 执行耗时(毫秒) |
6. API 接口设计
6.1 接口总览
flowchart LR
subgraph Tasks["任务管理"]
T1["GET /api/tasks"]
T2["GET /api/tasks/:task_no"]
end
subgraph Details["明细查询"]
D1["GET /api/tasks/:task_no/details"]
D2["GET /api/tasks/:task_no/part-summaries"]
D3["GET /api/tasks/:task_no/parts/:part_code/shops"]
end
subgraph Reports["报告模块"]
R1["GET /api/tasks/:task_no/analysis-report"]
R2["GET /api/tasks/:task_no/logs"]
end
subgraph Health["健康检查"]
H1["GET /health"]
end
6.2 核心接口定义
1. 获取任务列表
GET /api/tasks?page=1&page_size=20&status=1&dealer_grouping_id=100&statistics_date=20260212
响应示例：
{
"items": [
{
"id": 1,
"task_no": "AI-ABC12345",
"group_id": 2,
"dealer_grouping_id": 100,
"dealer_grouping_name": "华东区商家组合",
"brand_grouping_id": 50,
"plan_amount": 100000.00,
"actual_amount": 89520.50,
"part_count": 156,
"base_ratio": 1.5000,
"status": 1,
"status_text": "成功",
"llm_provider": "openai_compat",
"llm_model": "glm-4-7-251222",
"llm_total_tokens": 8500,
"statistics_date": "20260212",
"start_time": "2026-02-12 02:00:00",
"end_time": "2026-02-12 02:05:30",
"duration_seconds": 330,
"create_time": "2026-02-12 02:00:00"
}
],
"total": 100,
"page": 1,
"page_size": 20
}
2. 获取配件汇总（商家组合维度）
GET /api/tasks/{task_no}/part-summaries?sort_by=total_suggest_amount&sort_order=desc&priority=1
响应示例：
{
"items": [
{
"id": 1,
"task_no": "AI-ABC12345",
"part_code": "C211F280503",
"part_name": "机油滤芯",
"unit": "个",
"cost_price": 140.00,
"total_storage_cnt": 25,
"total_avg_sales_cnt": 18.5,
"group_current_ratio": 1.35,
"group_post_plan_ratio": 2.0,
"total_suggest_cnt": 12,
"total_suggest_amount": 1680.00,
"shop_count": 5,
"need_replenishment_shop_count": 3,
"part_decision_reason": "【配件决策】该配件在商家组合内总库存25件...",
"priority": 1,
"llm_confidence": 0.85
}
],
"total": 50,
"page": 1,
"page_size": 50
}
3. 获取门店级明细
GET /api/tasks/{task_no}/parts/{part_code}/shops
响应示例：
{
"total": 3,
"items": [
{
"id": 101,
"task_no": "AI-ABC12345",
"shop_id": 1001,
"shop_name": "杭州西湖店",
"part_code": "C211F280503",
"part_name": "机油滤芯",
"cost_price": 140.00,
"valid_storage_cnt": 5,
"avg_sales_cnt": 6.2,
"current_ratio": 0.81,
"post_plan_ratio": 1.61,
"suggest_cnt": 5,
"suggest_amount": 700.00,
"suggestion_reason": "「建议补货」当前库存5件，月均销量6.2件...",
"priority": 1
}
]
}
4. 获取配件建议明细
GET /api/tasks/{task_no}/details?page=1&page_size=50&sort_by=suggest_amount&sort_order=desc&part_code=C211
5. 获取分析报告
GET /api/tasks/{task_no}/analysis-report
响应示例：
{
"id": 1,
"task_no": "AI-ABC12345",
"group_id": 2,
"dealer_grouping_id": 100,
"report_type": "replenishment",
"inventory_overview": {
"stats": {
"total_valid_storage_cnt": 2500,
"total_valid_storage_amount": 350000.0,
"total_capital_occupation": 280000.0,
"overall_ratio": 1.35,
"part_count": 156
},
"llm_analysis": { "..." : "LLM生成的分析结论" }
},
"sales_analysis": {
"stats": { "total_avg_sales_cnt": 1850, "..." : "..." },
"llm_analysis": { "..." : "..." }
},
"inventory_health": {
"stats": { "shortage": { "count": 12, "amount": 5000 }, "..." : "..." },
"chart_data": { "labels": ["缺货件","呆滞件","低频件","正常件"], "..." : "..." },
"llm_analysis": { "..." : "..." }
},
"replenishment_summary": {
"stats": { "urgent": { "count": 15, "amount": 25000 }, "..." : "..." },
"llm_analysis": { "..." : "..." }
},
"llm_tokens": 3200,
"execution_time_ms": 12000
}
6. 获取执行日志
GET /api/tasks/{task_no}/logs
7. 前端交互设计
7.1 页面结构
flowchart TB
subgraph Dashboard["仪表盘"]
S1[统计卡片]
S2[最近任务列表]
end
subgraph TaskList["任务列表页"]
L1[筛选条件]
L2[任务表格]
L3[分页控件]
end
subgraph TaskDetail["任务详情页"]
D1[任务头部信息]
D2[统计卡片]
subgraph Tabs["标签页"]
T1[配件明细]
T2[分析报告]
T3[执行日志]
T4[任务信息]
end
end
Dashboard --> TaskList --> TaskDetail
7.2 配件明细交互
sequenceDiagram
participant U as 用户
participant UI as 前端UI
participant API as 后端API
U->>UI: 点击任务详情
UI->>API: GET /api/tasks/{task_no}/part-summaries
API-->>UI: 返回配件汇总列表
UI->>UI: 渲染配件表格(可排序/筛选/优先级)
U->>UI: 点击展开某配件
UI->>API: GET /api/tasks/{task_no}/parts/{part_code}/shops
API-->>UI: 返回门店级明细
UI->>UI: 展开子表格显示门店数据
Note over UI: 门店数据包含：<br/>库存、销量、库销比<br/>建议数量、建议理由<br/>计划后库销比
7.3 关键UI组件
| 组件 | 功能 | 交互方式 |
|---|---|---|
| 配件汇总表格 | 展示商家组合维度的配件建议 | 支持排序、筛选、分页、优先级筛选 |
| 可展开行 | 展示配件下的门店明细 | 点击行展开/收起 |
| 配件决策卡片 | 显示LLM生成的配件级理由 | 展开配件时显示 |
| 库销比指示器 | 直观显示库销比健康度 | 颜色渐变(红/黄/绿) |
| 分析报告面板 | 四大板块数据驱动展示 | 统计数据 + LLM 分析 + 图表 |
8. 分析报告设计
8.1 报告模块结构
分析报告由 统计计算 + 4路并发 LLM 分析 的 LangGraph 子图生成。每个板块包含 stats（统计数据）和 llm_analysis（LLM 分析结论）。
flowchart TB
subgraph Report["分析报告四大板块"]
M1["板块1: 库存总体概览<br/>inventory_overview"]
M2["板块2: 销量分析<br/>sales_analysis"]
M3["板块3: 库存构成健康度<br/>inventory_health"]
M4["板块4: 补货建议生成情况<br/>replenishment_summary"]
end
M1 --> S1[有效库存/资金占用]
M1 --> S2[在库/在途/已有计划]
M1 --> S3[整体库销比]
M2 --> R1[月均销量/销售金额]
M2 --> R2[有销量/无销量配件数]
M2 --> R3[出库/锁定/采购统计]
M3 --> P1[缺货件统计]
M3 --> P2[呆滞件统计]
M3 --> P3[低频件统计]
M3 --> P4[正常件统计]
M3 --> P5[chart_data图表数据]
M4 --> E1[急需补货统计]
M4 --> E2[建议补货统计]
M4 --> E3[可选补货统计]
8.2 各板块统计计算与LLM分析
| 板块 | 统计计算 | LLM 分析 | 提示词文件 |
|---|---|---|---|
| 库存概览 | 有效库存、资金占用、配件总数、整体库销比 | 库存状况综合评价 | report_inventory_overview.md |
| 销量分析 | 月均销量、出库频次、有/无销量配件数 | 销售趋势洞察 | report_sales_analysis.md |
| 库存健康度 | 缺货/呆滞/低频/正常分类统计(数量/金额/占比) | 健康度风险提示 | report_inventory_health.md |
| 补货建议汇总 | 按优先级(急需/建议/可选)分类统计 | 补货策略建议 | report_replenishment_summary.md |
四个 LLM 分析节点使用 LangGraph 子图 并发执行（fan-out / fan-in），单板块失败不影响其他板块。
8.3 并发子图实现
flowchart LR
START --> A[库存概览LLM] --> END2[END]
START --> B[销量分析LLM] --> END2
START --> C[健康度LLM] --> END2
START --> D[补货建议LLM] --> END2
子图采用 ReportLLMState TypedDict 定义状态，使用 Annotated reducer 合并并发结果：
- 分析结果：
_merge_dict（保留非 None） - Token 用量：
_sum_int（累加）
9. 技术选型
| 组件 | 技术 | 选型理由 |
|---|---|---|
| 编程语言 | Python 3.11+ | 丰富的AI/ML生态 |
| Agent框架 | LangChain + LangGraph | 成熟的LLM编排框架，支持并发子图 |
| API框架 | FastAPI | 高性能、自动文档 |
| 数据库 | MySQL | 与主系统保持一致 |
| LLM | 智谱GLM / 豆包 / OpenAI兼容 / Anthropic兼容 | 多模型支持，优先级自动选择 |
| 前端 | 原生HTML+CSS+JS | 轻量级，无构建依赖 |
LLM 客户端优先级
| 优先级 | 客户端 | 触发条件 |
|---|---|---|
| 1 | OpenAICompatClient |
OPENAI_COMPAT_API_KEY 已配置 |
| 2 | AnthropicCompatClient |
ANTHROPIC_API_KEY 已配置 |
| 3 | GLMClient |
GLM_API_KEY 已配置 |
| 4 | DoubaoClient |
DOUBAO_API_KEY 已配置 |
10. 部署与运维
10.1 部署架构
flowchart LR
subgraph Client["客户端"]
Browser[浏览器]
end
subgraph Server["服务器"]
Nginx[Nginx<br/>静态资源/反向代理]
API[FastAPI<br/>API服务]
Scheduler[APScheduler<br/>定时任务]
end
subgraph External["外部服务"]
LLM[LLM API]
DB[(MySQL)]
end
Browser --> Nginx
Nginx --> API
API --> LLM
API --> DB
Scheduler --> API
10.2 关键监控指标
| 指标 | 阈值 | 告警方式 |
|---|---|---|
| 任务成功率 | < 95% | 邮件 |
| LLM响应时间 | > 30s | 日志 |
| Token消耗 | > 10000/任务 | 日志 |
| API响应时间 | > 2s | 监控 |
附录
A. 术语表
| 术语 | 定义 |
|---|---|
| 商家组合 | 多个经销商/门店的逻辑分组 |
| 库销比 | 库存数量 / 月均销量，衡量库存健康度 |
| 呆滞件 | 有库存但90天无出库数的配件 |
| 低频件 | 月均销量<1 或 出库次数<3 或 出库间隔≥30天的配件 |
| 有效库存 | 在库未锁定 + 在途 + 已有计划 |
| 资金占用 | (在库未锁定 + 在途) × 成本价 |
B. 参考文档
- docs/architecture.md - 系统架构文档
- prompts/part_shop_analysis.md - 配件分析提示词
- prompts/report_inventory_overview.md - 库存概览提示词
- prompts/report_sales_analysis.md - 销量分析提示词
- prompts/report_inventory_health.md - 库存健康度提示词
- prompts/report_replenishment_summary.md - 补货建议提示词
C. 版本变更记录
| 版本 | 日期 | 变更说明 |
|---|---|---|
| 1.0.0 | 2026-02-09 | 初始版本 |
| 2.0.0 | 2026-02-12 | 根据实际实现更新：分析报告重构为四大数据驱动板块、ER图更新、API路径和字段对齐、新增LLM客户端等 |