包装印刷BI决策大模型备案产品系统Vibe Coding

传统印刷企业存在数据分散、人工报价慢且易错、排程不合理等问题，本项目旨在解决企业管理效率低下的痛点。印刷行业流程繁琐且非标程度高，管理者缺乏有效数据支撑，亟需一个能深度理解印刷业务、提供智能经营分析与决策建议的垂直行业AI大模型助手。该项目办理大模型备案，获取100 万元政策兑现资金。

项目深度对接企业 ERP 数据，为管理者提供“对话即分析”的智能决策支持。
核心功能包括：接收用户自然语言提问，自动分析意图并精准调取底层 ERP 关联数据，经大模型深度推理后输出结构化的经营分析报告，并支持动态生成可视化图表。

技术栈与架构：Vue, Python, FastAPI, FastMCP, Neo4j (图数据库), ChromaDB (向量数据库), LLM。架构核心采用 KGQA（知识图谱问答）与智能体（Agent）相结合的范式，前后端分离设计。
核心工作流：将 ERP 关系型数据映射为图数据结构，在 Neo4j 中建立“业务语义图谱”，同时将字段中文名向量化存入 ChromaDB。面对用户提问，先通过 ChromaDB 向量检索召回相关字段，交由 AI 中枢决策并在 Neo4j 中进行图算法寻找最优关联路径；最终通过 FastMCP 标准化接口调取数据进行分析，由 Vue 前端完成报告渲染与图表展示。
项目亮点：
1.速成大模型备案流程，通常测试，获取政策兑现；
2. 摒弃传统 Text2SQL，采用“ChromaDB元数据召回 + Neo4j图谱路径游走”架构，彻底解决大模型查复杂 ERP 易关联错误和产生幻觉的痛点；
3. 引入 FastMCP 协议，实现 AI 智能体与企业私有数据源的安全、标准化解耦。
项目难点：庞大且高耦合的 ERP 关系型数据向 Neo4j 图数据模型高质量映射；以及用户高度非标的模糊业务提问与底层精确图查询路径的对齐。