亚马逊AI决策系统产品系统Vibe Coding

随着亚马逊（Amazon）算法的日益复杂，传统 ERP 仅能提供静态数据展示，无法解决实时监控与动态策略调优的痛点。跨境卖家常面临广告 ACoS 失控、库存周转预警滞后等问题。本系统立项旨在通过构建私有化数据湖，利用 AI 决策引擎替代人工盯盘。系统深度集成领星、Helium 10、卖家精灵等多源异构数据，解决多平台数据孤岛问题，将单纯的“看数据”升级为“数据驱动决策”，实现 7×24 小时自动化的利润守护与风险熔断。

具体功能模块与描述：
分布式多源数据采集插件（Chrome Extension）：
自主研发基于 Manifest V3 标准的跨平台数据采集引擎，实现对领星 ERP、卖家精灵、Helium 10 等核心电商工具的无感数据捕获。
多维拦截技术：针对异构页面采用差异化采集策略。利用 XHR/Fetch 被动监听（领星/卖家精灵）捕获高价值动态 JSON；通过 DOM 解析与 Highcharts 对象注入（H10）提取深度隐藏的市场趋势与份额数据。
高性能数据隧道：构建 Extension 与本地后端（Broker）的专用加密通信通道，支持海量原始报表（Raw Payload）的毫秒级异步透传，内置错误重试与智能通知机制。
无感注入与隔离：采用 Web Accessible Resources 注入技术绕过 CSP 限制，确保在不破坏目标平台功能的前提下，实现控制台彩色化日志监控与自动化采集闭环。
后端采用分布式微服务架构，核心功能模块如下：
多源数据 Broker 集群（L1/L1.5）：实现对多家跨境平台 API 的高性能接入，支持非结构化原始数据（Raw Data）的持久化存储，确保数据完整性与溯源。
智能化 Normalizer（L2）：自主研发数据标准化协议，将各平台异构字段统一映射为标准业务模型，支持动态 Schema 演进。
AI 战略中枢（L3）：基于大语言模型（LLM）与量化策略逻辑，内置调价、控产、避灾等多套策略模型，根据实时 ROI 与盈亏平衡点自动输出执行建议。
多端协同响应中心（L4）：深度集成飞书、企业微信等即时通讯工具，支持长连接模式下的交互式卡片审批，实现“移动端一键决策，本地端毫秒执行”的闭环体验。
多模态决策引擎+模拟复盘（L5+L6）

个人职责、技术栈与实现亮点：
我的职责： 负责整个系统的架构设计与全栈开发，包括高并发数据采集插件、分布式中间件 Broker 的开发，以及基于大模型的决策算法调优。
技术栈： 前端是Chrome Extension (Manifest V3) + Vite + PostCSS + Injected Scripts（用于 Highcharts 对象逆向提取）+Streamlit（用于快速构建响应式决策看板与策略配置中心）。后端采用 Python (FastAPI) 构建高性能异步接口；存储层使用 MongoDB + MySQL的双库混合架构，并利用 Redis 优化任务队列；前端集成 Streamlit 实现复杂的运营看板。
亮点与难点：
架构亮点： 实现了“冷热分离”的数据流，确保了在多变 API 环境下的系统鲁棒性，通过内网穿透与 WebSocket 技术解决了复杂内网环境下的双向实时通信。
深度逆向提取：攻克了部分平台图表数据加密无法抓取的难题，通过 Runtime 环境下的 JavaScript 对象注入，直接读取页面内存中的 Highcharts 原始数据对象，获取精度远超常规爬虫。被动事件驱动架构：采用 XHR/Fetch 拦截技术，实现“用户操作即采集”的无感模式，彻底规避了高频率定时爬虫导致的封号风险。
技术难点： 攻克了多源异构 JSON 数据的自动对齐与清洗难题，设计了一套可插拔的策略插件系统，使得系统能在不改动核心代码的情况下，通过 JSON 配置快速扩展新的运营逻辑。