企业 AI Agent 定制开发系统：RAG知识库问答、经营报告与数据分析助手产品系统

面向中小企业内部知识库问答、经营数据分析和自动化报告生成场景。企业常见资料分散在制度文档、产品手册、FAQ、Excel/CSV 和业务系统中，人工查询、整理和生成报告效率低，且回答口径不统一。本项目提供一套可交付 PoC/MVP：支持企业文档问答、引用溯源、低置信转人工；支持经营数据读取、指标计算、风险识别和管理层报告生成；也支持 Excel/CSV 数据分析、异常提醒和报表结论输出，可按客户真实业务继续接入数据库、飞书/企微、后台系统和大模型服务。

项目包含三个核心模块：

1. 企业知识库 RAG 问答系统：支持制度文档、产品手册、客服 FAQ 等资料问答，回答带引用依据，便于人工核对；低置信场景不强答，可转人工处理。

2. 企业经营周报 AI Agent：用户输入自然语言分析需求后，系统自动生成任务计划，读取经营数据，计算收入、毛利、订单、投诉率等指标，识别异常风险，并输出 Markdown 管理层报告和 trace 执行轨迹。

3. Excel/CSV 数据分析 Agent：支持读取销售、运营等结构化数据，自动计算渠道收入、成交率、客单价、月度趋势，识别异常渠道，并生成结构化 JSON 和可读分析报告。

交付包包含源码、样例数据、API 服务、OpenAPI 文档、Dockerfile、部署说明、验收脚本、单元测试、客户演示页面和样例输出。

我负责项目从方案设计、架构拆分、核心逻辑实现到交付文档整理的完整流程。整体按可交付 PoC/MVP 结构组织，而不是单纯展示 Demo。

技术实现上，项目使用 Python 实现核心业务逻辑，按模块拆分为 Agent 执行、RAG 检索问答、数据分析服务和 HTTP API。AI Agent 模块包含任务规划、工具调用、指标计算、风险识别、报告生成和 trace 记录；RAG 模块包含知识库文档解析、轻量检索、答案生成、引用依据输出和置信度判断；数据分析模块包含 CSV 数据读取、渠道指标计算、异常识别和报告输出。

工程交付上，每个项目都提供 src 源码、data/knowledge_base 脱敏样例数据、outputs 样例输出、api/openapi.yaml 接口文档、Dockerfile、部署运行说明、量化验收表、开发者二开指南、eval 脚本和 unittest 测试。API 支持健康检查和核心能力调用，后续可扩展为向量库、数据库、权限系统、日志审计、飞书/企微机器人或前端管理后台。