面向电商老板、运营、采购、仓储及数据分析人员。传统电商经营过程中，订单、商品、库存、退款、预警等数据通常分散在 ERP、店铺后台、Excel 和业务数据库中，经营人员需要人工查询、汇总和制作报表，存在分析效率低、数据口径不统一、库存风险发现不及时、退款异常难定位等问题。
本项目通过 AI Agent 将电商经营数据与自然语言问答结合，用户无需编写 SQL 或逐个查看后台页面，只需提问“今天经营情况怎么样”“哪些商品需要补货”“退款是否异常”等问题，即可获得经营指标、风险分析和行动建议。适用于电商经营分析、企业数据问答、订单库存分析、退款风险识别、智能报表、经营日报、飞书机器人和企业智能助手等场景。
1、AI 经营分析工作台：支持自然语言提问，自动识别经营意图，展示销售额、订单量、退款金额、低库存商品、异常预警等指标，并输出分析结论和行动建议。
2、Agent 业务工具调用：根据用户问题自动调用经营概览、销售趋势、订单趋势、低库存查询、退款风险分析、异常预警、老板日报和行动建议等工具。
3、经营诊断报告：自动汇总核心指标、经营表现、库存风险、退款问题、原因分析及处理建议，生成老板和运营人员可直接阅读的经营报告。
4、工具调用记录：记录用户问题、识别意图、调用工具、执行状态、耗时和输出摘要，便于运行监控及问题追踪。
5、AI 数据底座：统一管理订单、商品、库存、退款、预警、日报和同步日志等数据，为 AI 问答和经营诊断提供可信数据支撑。
6、飞书 AI 助手扩展：支持扩展飞书群经营问答、经营日报推送、库存预警和异常主动通知。
本人在项目中负责需求分析、产品功能规划、系统架构设计、数据库设计、Java 后端开发、Agent 编排、业务工具封装、前端页面开发与联调、经营分析规则设计、异常处理、测试验证及项目文档整理。
项目后端采用 Java 17、Spring Boot 3、MyBatis Plus 和 MySQL，前端采用 Vue 3、Vite、Element Plus 和 ECharts。后端设计 AgentOrchestrator、IntentRecognizer、ToolRegistry、AgentTool 等核心模块，实现用户意图识别、业务工具路由、经营数据查询、分析结果生成、会话记录、工具调用日志及诊断报告存储。
系统采用规则式 Agent 作为稳定兜底，并预留 GLM、通义千问、DeepSeek、Ollama 等大模型适配能力。当前使用模拟电商数据进行演示，实际项目可对接客户授权的 ERP、店铺开放平台、Excel/CSV、业务数据库、飞书及企业微信。
评论