# 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。