制造业自然语言问数 AI 助理（飞书机器人）

技术信息

语言技术
Python、postgres、Docker系统类型
Web行业分类
工业互联网、企业服务

作品详情

行业场景

制造企业的生产数据分散在 MES、报表系统和各种 Excel 里。车间和业务部门想问一个
具体数字，比如"7 月 23 号自制车型焊装下线多少台车"，必须先找 IT 导数据、做透视、
再在微信里传，平均要等半天到一天。业务方不会写 SQL，IT 又排不上期。
结果是：数据都在，但用不上。

这类需求的特点是高频、口径固定、答案就是一个数，但每次都要消耗一个人的时间。

功能介绍

1. 自然语言问数：中文提问，自动识别车型 / 产线 / 日期 / 指标，路由到对应数据源
2. 多数据源接入：生产分析、MES 信息、物料明细，统一抽象成"数据集"
3. 数据集管理：创建与编辑、字段描述、样例数据、按数据集粒度控制访问权限
4. AI 字段提示：自动生成字段说明，减少"这个字段是什么意思"的口径沟通
5. 飞书深度集成：@机器人即可提问，返回文本或卡片，业务方不需要装新系统
6. 实时通道：WebSocket 推送分析进度与结果
7. 多模型可切换：OpenAI / 通义千问 / Claude，不绑死单一供应商
8. 交付形态：Docker Compose 一键部署 + 脚本化发布

项目实现

后端 Python 3.10 + FastAPI 0.116，分层架构（API / Service / Repository），
用连接池管理多数据源并发访问；权限控制在数据集维度，不同角色看到的数据范围不同。

飞书侧负责 Webhook 回调、消息解析、卡片渲染三种形态（文本 / 卡片 / 流式）。
大模型层做了 provider 抽象，输出接 schema 校验，避免自由文本导致解析失败；
失败时降级为"只返回数据、不做解读"，保证业务方至少能拿到数字。

数据查询全部走参数化 + 白名单，不拼接用户原始输入。

项目累计 491 次提交，持续迭代约 7 个月，覆盖权限体系、数据源扩展、
异常兜底与部署脚本。开发过程中大量使用 AI 辅助编码和测试用例生成，
但架构设计、数据模型和线上问题处理是手工完成的。

因涉及企业客户数据，不提供源码与系统截图。