项目定位
把数据上传、指标计算和 AI 文案生成串成可演示的经营分析工具。
项目 / AI 经营周报
联系AI DATA REPORT
AI 经营周报
Flutter + Java Backend
上传销售 CSV/Excel，异步计算指标并生成中文经营周报；支持 OpenAI-compatible Provider、本地模型和可验证报告流程。
LLMAsync JobDocker
case-study.previewverification
验证证据
异步任务体验
指标先行
本地模型验证
01
项目定位
02
适用场景
适合门店、销售团队、电商运营、小型业务团队，把 Excel 数据转成可读经营周报。
适合面试展示异步任务、文件处理、AI Provider 边界和“数值可信、AI 负责表达”的设计判断。
03
技术栈与架构
前端上传经营数据，后端异步解析并生成结构化指标，再把指标输入模型生成中文周报；AI 只负责解释和表达，关键数值由后端计算产生。
FlutterSpring BootAsync JobCSV / ExcelOpenAI-compatible ProviderLM Studio / OllamaDocker
01
Upload & Queue
CSV/Excel 上传后进入异步任务，前端通过任务状态展示进度。
02
Metric Engine
后端负责营收、客单价、环比、渠道贡献等结构化指标计算。
03
LLM Narration
模型基于已计算指标生成中文周报、异常解释和行动建议。
04
Review & Export
报告先复核再导出，避免 AI 直接替代经营判断。
04
系统流程
01
上传数据
02
异步解析
03
指标计算
04
模型解读
05
周报生成
06
复核导出
05
交付结果
指标可信
关键经营指标由后端计算，AI 只负责基于指标生成解读
异步处理
上传后异步解析 CSV/Excel，避免前端长等待和重复提交
可替换模型
支持 OpenAI-compatible Provider、本地 LM Studio/Ollama 验证
06
我的贡献
异步任务
文件上传后异步解析并计算关键指标，避免前端长时间等待。
Provider 切换
支持 OpenAI-compatible Provider 和本地 LM Studio / Ollama 验证。
07
难点与解决方案
报告可信度
先计算结构化指标，再让 AI 基于指标生成中文解读。
08
验证证据
异步任务体验
上传和计算拆成任务状态，避免大文件或模型调用导致前端长时间卡住。
指标先行
关键数字由后端计算，模型只读取结构化指标和上下文生成报告。
本地模型验证
可用 LM Studio / Ollama 做低成本演示，也可切换 OpenAI-compatible 服务。
需要类似 App、后台或 AI MVP 交付，可以直接沟通。
Email: mikehot668@gmail.com · GitHub: github.com/mikehot