Crawl_demo/README.md

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

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：

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）

cd backend && python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --reload --port 8000

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。