feat: new file

backend/app/services/ai_insight.py

@@ -0,0 +1,73 @@
+from __future__ import annotations
+
+from typing import Any
+
+import httpx
+
+from ..settings import settings
+
+
+def _rule_based_summary(query: str, retrieved: list[dict[str, Any]]) -> dict[str, Any]:
+    top = retrieved[:3]
+    bullets = []
+    for r in top:
+        pid = r.get("product_id") or r.get("id") or "-"
+        title = r.get("title") or ""
+        follow = r.get("follow_score")
+        life = r.get("lifecycle")
+        bullets.append(f"- {pid} {title}（跟卖指数={follow} 生命周期={life}）")
+    return {
+        "mode": "rules_only",
+        "query": query,
+        "retrieved": retrieved,
+        "answer": "基于当前向量库/指标的规则摘要：\n" + "\n".join(bullets),
+    }
+
+
+def generate_insight(query: str, product_id: str | None, top_k: int) -> dict[str, Any]:
+    """
+    这里先做“可运行的最小闭环”：
+    - 向量检索（尚未实现时返回空）
+    - 有 OPENAI_API_KEY 则调用 LLM，输出结构化建议
+    - 否则返回规则引擎摘要
+    """
+    # TODO: 接入向量库检索（Milvus/Azure 等）。先保留协议，保证前端可用。
+    retrieved: list[dict[str, Any]] = []
+
+    if not settings.openai_api_key:
+        return _rule_based_summary(query, retrieved)
+
+    prompt = f"""你是电商数据分析与选品决策助手。
+用户问题：{query}
+
+请输出一个“发现爆款 -> 数据验证 -> 决策跟卖”的闭环建议，包含：
+1) 结论摘要（3-5条）
+2) 数据证据（引用关键指标：销量/增速/竞争/生命周期）
+3) 风险点与反例（至少3条）
+4) 可执行动作（选品、备货、投流、供应链）
+如果没有足够数据，请明确说明缺口，并给出最小补充数据清单。
+"""
+
+    headers = {"Authorization": f"Bearer {settings.openai_api_key}"}
+    payload = {
+        "model": settings.openai_model,
+        "input": prompt,
+    }
+
+    try:
+        with httpx.Client(timeout=30.0) as client:
+            r = client.post("https://api.openai.com/v1/responses", headers=headers, json=payload)
+            r.raise_for_status()
+            data = r.json()
+        text = ""
+        for item in data.get("output", []):
+            for c in item.get("content", []):
+                if c.get("type") in ("output_text", "text"):
+                    text += c.get("text", "")
+        return {"mode": "llm", "query": query, "retrieved": retrieved, "answer": text.strip()}
+    except Exception as e:
+        out = _rule_based_summary(query, retrieved)
+        out["mode"] = "rules_fallback"
+        out["error"] = str(e)
+        return out
+