feat: new file

README.md

@@ -0,0 +1,70 @@
+# Crawl_demo — BI 看板 + 趋势引擎 + AI 分析
+
+本项目从 MySQL（见 `sql.md`）抽取电商数据，生成 BI 数据看板，并实现：
+
+- 实时曲线：销量/GMV/排名等核心指标的近实时刷新
+- 趋势预测：潜伏期识别、爆发力评分、时间序列预测
+- 决策辅助：跟卖指数、生命周期预警
+- AI 分析：基于向量库检索 + LLM，总结“为什么它在涨、是否值得跟卖、风险点”
+
+## 目录
+
+- `backend/`：FastAPI（指标 API、趋势引擎、AI 检索/分析、ETL 任务）
+- `frontend/`：Next.js（BI 看板 UI）
+
+## 快速开始
+
+1) 复制环境变量
+
+```bash
+cp backend/.env.example backend/.env
+cp frontend/.env.example frontend/.env.local
+```
+
+### 一键 Docker 启动（推荐）
+
+在项目根目录执行：
+
+```bash
+sh dev.sh
+```
+
+然后打开：
+
+- 前端：`http://localhost:3001`
+- 后端：`http://localhost:8000/docs`
+
+启动脚本会自动输出：
+
+- 容器 `ps` 状态
+- 前后端最近日志（tail）
+- HTTP 快速自检结果（backend/frontend/api-proxy）
+
+2) 启动后端与前端（本地开发）
+
+```bash
+cd backend && python -m venv .venv && source .venv/bin/activate
+pip install -r requirements.txt
+uvicorn app.main:app --reload --port 8000
+```
+
+```bash
+cd frontend
+npm install
+npm run dev
+```
+
+3) 打开页面
+
+- 前端：`http://localhost:3000`
+- 后端：`http://localhost:8000/docs`
+
+## AI / 向量库
+
+本项目默认支持 Milvus（向量数据库）。你也可以替换为 Azure SQL / Azure AI Search 等“MS 系”向量能力：
+
+- 先把 embedding 与 upsert 部分抽象在 `backend/app/vector/` 下
+- 替换实现即可
+
+> 如果未配置 `OPENAI_API_KEY`，AI 分析接口会降级为规则引擎的“可解释摘要”，不调用 LLM。
+