1、立项原因：
旨在系统性降低洗衣行业技术依赖高、赔付风险大、运营效率低三大痛点。通过AI技术替代部分人工经验判断，解决因洗护失误导致的赔付损失，同时将前台验衣、估价、客户沟通等环节数字化，并自动化处理订单流转与经营分析，全面提升门店利润空间与管理效能。
2、行业场景：
立足洗衣门店实际作业流程——从前台接件时的价值评估与风险加价、客户话术辅助，到中台衣物污渍救治的风险分析与详细操作报告生成，再到后台自动开单、上挂取件通知及经营数据洞察。系统作为常规管理系统的智能化升级模块，深度适配洗衣行业“高技能要求、高服务触点、高赔付敏感”的复合型业务场景。
1、项目具体功能模块：
AI助手模块：集成于商家系统，通过文字对话和图片识别分析衣物面料与污渍风险，自动生成结构化的救治操作报告，同时辅助前台进行衣物价值评估、动态加价建议等生成。
门店核心业务管理模块：管理衣物分类、SKU商品及标签，支持购物车开单、预创建订单、自由商品录入，覆盖订单确认、扫码支付（微信/支付宝/余额）及整单退单的全流程。
洗护流转与物联取件模块：实现衣物上挂、照片上传，支持条码检索待洗衣物，通过控制货架灯条亮灯辅助快速取件，并提供超时未洗、超时未取的预警提醒。
会员营销与客户关系模块：管理会员建档、信息编辑、充值升级，支持多卡持有，自定义会员卡模板，并配置优惠券及营销工具。
经营数据分析与财务模块：首页展示今日订单量、在店衣物数、预警数量及订单状态统计；提供日报/月报/年报趋势图，支持数据异步导出。
系统基础与权限模块：管理员工账号及角色权限，维护门店基本信息（营业时间、工位等），提供图片上传OSS、设备推送注册、数据同步等通用基础能力。
2、项目核心功能描述
降低技术依赖与赔付风险：AI在接件时自动评估衣物洗护风险，帮助店员对高价值或高风险衣物动态加价，并生成详细的救治操作报告，将老师傅经验标准化，减少因洗坏衣物导致的赔付损失，同时辅助生成专业的客户沟通话术。
全链路自动化流转：从开单、洗护到上挂、取件，AI可直接调用业务工具自动完成开单、上挂取件通知等操作，并与硬件灯条联动快速定位衣物，大幅减少人工沟通和查找耗时，提升订单流转效率。
数据驱动的经营决策：通过实时看板监控订单量、衣物滞留时长、收入结构等关键指标，帮助店长及时调整营销策略与排班，并支持历史数据导出进行深度分析。
可持续自学习进化：系统收集用户点赞、收藏、追问等行为反馈，通过定时任务动态调整案例检索权重，使后续推荐与救治建议越来越精准，实现越用越智能。
我负责全栈的架构设计，代码生成，部署落地
一、技术栈与架构概要
- 前端：uni-app + Pinia（持久化）
- 后端：Python 3.12 + FastAPI
- AI层：LangGraph 编排工作流，DeepSeek v4 对话生成，Qwen视觉模型分析衣物图片，FunASR 语音识别，Qwen3-TTS语音合成，BGE嵌入+BM25+FAISS混合检索。
- 搜索引擎：Whoosh轻量级全文搜索（Repository模式后期可替换）；
- 部署：Docker Compose编排
二、实现亮点
1. 混合场景路由与多智能体协作：采用“关键词匹配 + 语义相似度 + LLM兜底”三级路由，精准识别产品知识、救治、闲聊、订单等场景；调用产品库、案例库、视觉模型和联网搜索，生成结构化救治报告，兼顾灵活性与准确性。
2. 反馈驱动的自学习机制：采集点赞、收藏、朗读时长等多维事件，定时合并后动态调整检索权重，实现案例库的持续优化，系统越用越准。
3、前后端AI模块化嵌入：AI作为独立子应用，与商家业务系统解耦，拥有独立数据库（washing_db）和迁移目录，便于迭代升级；前端AI Store模块状态清晰，方便维护。
三、实现难点与应对
1、冷启动与并发控制：初期缺乏历史反馈，权重调整易受随机干扰。设置置信度阈值，仅当同类反馈达到一定量级后才更新权重；同时预设专家标注的初始案例种子，缓解冷启动问题。采用事件日志+定时合并的离线策略，缓解反馈频繁写入的高并发限流。
2、反馈数据的噪声抑制：由于洗衣行业对案例的细节处理质量要求过高，需要避免无效案例污染知识库导致赔付客诉。采用结算分入库方案，会话结束后综合用户行为评分与语义完整性计算质量分，仅当超过动态阈值时案例入库，若触发投诉等负面业务信号，系统自动降权，随着时间衰减权重超过阈值，移除该案例，确保知识库纯净。
评论