升鲜宝业务理解结合AI方案文档---升鲜宝生鲜配送供应链管理系统源代码服务

升鲜宝供应链及收银系统源代码服务

463人浏览 · 2026-06-18 09:16:36

升鲜宝供应链及收银系统源代码服务 · 2026-06-18 09:16:36 发布

升鲜宝业务理解结合AI方案文档

从业务系统到AI驱动供应链经营决策系统的落地说明

适用对象：老板/管理层、产品经理、后端开发、前端开发、测试、实施、运维

一、总体理解：AI不是独立系统，而是升鲜宝业务智能层

将 AI 与升鲜宝业务系统结合，不能只理解为“加一个聊天窗口”。正确做法是把 AI 作为升鲜宝供应链系统中的智能分析、预警、预测、辅助决策、自动报表、知识问答和审计治理能力。

AI 不替代原有业务系统，不重新造订单、采购、库存、财务数据，而是围绕升鲜宝真实业务数据做理解、分析、预测和建议。

升鲜宝真实业务表
→ AI数据资产
→ 字段语义
→ 业务表映射
→ 指标体系
→ 预警规则
→ AI智能问数
→ AI报表
→ 预测决策
→ 经营建议
→ 日志审计

角色定位	负责内容
业务系统	录单、审核、采购、库存、出入库、配送、财务核算、质检、溯源、权限、多语言等基础业务动作。
AI助手	问数、分析、解释、预警、预测、建议、报表生成、知识问答、成本统计、审计追踪。

二、AI与升鲜宝结合的六层架构

层级	定位	核心功能	代表数据/表
1. 业务数据层	升鲜宝原有业务数据	订单、采购、库存、配送、财务、质检、溯源等真实业务数据	oms_、pur_、wms_、hwms_、pms_、cus_、sup_、tms_、fin_、check_、trace_
2. AI数据资产层	让AI知道哪些数据可用	数据资产、字段语义、业务表映射、术语、问数样例	ai_scm_data_asset、ai_scm_field_semantic、ai_scm_business_mapping、ai_scm_nlq_template
3. 指标计算层	把明细数据转成经营指标	销售额、毛利率、库存周转、缺货率、配送准时率等	ai_scm_metric_category、ai_scm_metric_sql、ai_scm_metric_result（建议补齐）
4. AI能力层	提供问答、解释、报告和建议	AI问数、AI日报、RAG问答、根因分析、建议生成	ai_model、ai_api_key、ai_prompt_template、ai_scm_model_call_log
5. 业务执行层	把AI结果转成业务动作	预警处理、补货建议、采购建议、调拨建议、经营建议闭环	ai_scm_warning_event、ai_scm_recommendation、ai_scm_recommendation_action
6. 审计安全层	让AI可管、可控、可追踪	SQL审计、模型日志、工具日志、成本统计、异常监控、权限、多语言	ai_scm_nlq_log、ai_scm_sql_audit_log、ai_scm_cost_stat、sys_menu、sys_role_menu

三、AI与升鲜宝各业务模块的结合方式

业务模块	AI可以做什么	主要数据来源	输出给哪些AI模块
商品模块	商品销量分析、畅销滞销识别、分类贡献分析、价格异常、毛利异常、商品知识问答、多语言辅助	pms_goods、pms_goods_sku、pms_goods_sku_unit、pms_goods_category、价格表、订单明细、库存表	经营分析、预警中心、报表中心、预测决策
采购模块	采购价格异常、供应商价格对比、采购建议、补货建议、供应商履约评分、采购日报	pur_bill、pur_bill_info、pur_daily_purchase_price、sup_supplier、入库、质检数据	预测决策、预警中心、供应商评分、AI日报
订单模块	销售订单分析、客户下单趋势、异常订单识别、取消率分析、客户销量下降提醒、订单毛利分析	oms_order_bill、oms_order_bill_info、客户表、商品表、价格表、财务收款	AI经营驾驶舱、销售订单分析、销量预测、AI日报
库存/WMS	库存周转、缺货预警、滞销预警、库存可售天数、库存优化、调拨建议、损耗异常	wms_goods_inventory、wms_goods_inventory_info、wms_inv_stockin、wms_inv_stockout、wms_loss_overflow	缺货预警、补货建议、库存优化、调拨建议
配送/TMS	配送履约分析、司机准时率、线路延迟预警、签收异常、配送成本分析	tms_waybill、tms_orderbill_map_circle、配送线路、司机、签收记录	配送履约分析、AI日报、预警中心
财务模块	毛利分析、低毛利商品、客户欠款提醒、应收应付趋势、成本异常	fin_collection_order、fin_payment_order、fin_customer_bill、fin_supplier_bill、订单收入、采购成本	财务毛利分析、毛利异常预警、AI报表
质检/溯源	质检异常分析、供应商质量评分、批次异常追溯、一品一码问答、质量风险预警	check_report、check_report_detail、ts_lot、ts_trace_source、trace_code、trace_scan_log	质检溯源分析、供应商评分、预警中心

四、最适合先落地的五个AI场景

优先级	场景	目标	核心链路
1	AI智能问数	让老板、运营、采购、仓库、财务直接用自然语言查真实业务数据	数据资产 → 字段语义 → 业务映射 → 模型生成SQL → SQL审计 → 安全执行 → AI解释 → 日志留痕
2	销量预测 + 补货建议	根据历史销量、库存和在途采购预测未来销量并给出补货建议	订单明细 → 历史销量聚合 → 库存 → 移动平均预测 → ai_scm_forecast_result → AI解释 → ai_scm_recommendation
3	缺货预警	提前发现快缺货商品并推送负责人处理	库存 → 安全库存 → 销量预测 → 缺货规则 → 预警事件 → 推送策略 → 今日异常待办
4	AI经营日报	每天自动汇总销售、采购、库存、毛利、预警和经营建议	指标快照 → 预警事件 → 报表模板 → 模型生成解释 → 报表生成记录 → 消息推送
5	毛利异常分析	识别低毛利、负毛利和毛利异常波动商品	订单收入 → 采购成本 → 毛利指标 → 毛利异常规则 → 预警事件 → AI解释原因 → 经营建议

五、AI接入升鲜宝的实施步骤

步骤	任务	实施说明
1	统一菜单和入口	AI助手作为一级菜单，固定9个二级模块；前端目录src/views/ai/，后端接口/ai/，权限前缀ai:<module>:<action>。
2	建立数据资产	登记订单、采购、库存、商品、客户、供应商、配送、财务、质检、溯源等真实业务表。
3	维护字段语义	为字段配置中文名、业务含义、敏感级别、是否指标、是否维度、是否允许AI查询。
4	建立业务表映射	配置主表与明细表、订单与商品、商品与SKU、客户、仓库等关联关系。
5	建立指标体系	定义销售额、订单数、毛利率、库存周转天数、缺货率、采购价涨幅、配送准时率等指标。
6	打通模型配置	配置API密钥、大模型、场景路由、参数方案、提示词模板、工具函数、额度和脱敏。
7	打通智能问数	实现用户提问、AI理解、SQL生成、SQL审计、安全执行、结果解释和日志留痕。
8	打通预警中心	实现指标快照、预警规则、预警事件、推送策略、消息中心、今日异常待办和处理关闭。
9	打通报表中心	实现报表模板、报表任务、指标/预警读取、模型解读、报表生成记录、文件下载和订阅推送。
10	打通预测决策	先做销量预测、补货建议、库存优化、采购建议、调拨建议、供应商评分，再做建议闭环和效果评估。
11	打通审计与权限	模型调用、问数、SQL、工具、操作、异常、成本全部留痕；权限、多语言、脱敏完整。

六、推荐技术落地架构

后端核心服务	职责
AiDataAssetService	维护数据资产，提供AI可用表白名单。
AiFieldSemanticService	维护字段语义、敏感字段、维度指标属性。
AiBusinessMappingService	维护业务表之间的关联关系。
AiMetricService / AiMetricCalcService	管理指标定义、SQL、任务、快照。
AiWarningService	根据指标和规则生成预警事件。
AiReportService	生成AI日报、周报、月报、专项报告。
AiForecastService	执行销量预测、库存优化、补货建议、采购建议。
AiModelGateway	统一模型调用网关，负责API Key、场景路由、参数、日志和异常。
AiPromptRenderService	渲染提示词模板和变量。
AiSqlAuditService	审计AI生成SQL，只允许安全SELECT。
AiSafeSqlExecutor	执行审计通过的SQL，并做权限、脱敏、limit、超时控制。
AiToolInvokeService	统一AI工具函数调用和日志记录。
AiAuditLogService	统一模型、问数、SQL、工具、操作、异常、成本日志。

AI模型调用链：
业务场景 → 模型场景路由 → 参数方案 → 提示词模板 → API Key → 模型网关 → 模型调用日志 → 成本统计 → 异常监控

AI问数调用链：
用户问题 → 数据资产 → 字段语义 → 业务映射 → 提示词模板 → 模型生成SQL → SQL审计 → 安全执行 → 结果脱敏 → AI总结 → 日志与成本

预测决策调用链：
历史销售 → 当前库存 → 在途采购 → 规则算法预测 → 预测结果落库 → AI解释 → 经营建议 → 采纳动作 → 效果评估

七、安全与合规控制

• 大模型不能直接查数据库，必须经过 SQL 生成、SQL 审计、安全执行器、数据脱敏。

• SQL 只允许 SELECT，禁止 INSERT、UPDATE、DELETE、DROP、TRUNCATE、ALTER。

• 手机号、客户地址、成本价、供应商价格、API Key、财务金额等敏感字段必须脱敏或按权限控制。

• 必须按机构、仓库、门店、客户、供应商、价格组、业务域等维度做数据权限。

• 所有AI调用、问数、SQL、工具、配置变更和异常都必须可追踪。

八、实施优先级建议

阶段	建设内容	阶段目标
第一阶段：AI基础底座	数据资产、字段语义、业务映射、模型配置、模型调用日志、SQL审计、安全执行器	AI能安全理解和查询业务数据。
第二阶段：AI智能问数	AI智能问数、问数日志、SQL审计、结果解释、常用问题收藏	用户可以用自然语言查询真实业务数据。
第三阶段：指标、预警、报表	指标中心、预警中心、报表中心、消息中心、今日异常待办	系统可以自动发现异常，生成报表，推送负责人。
第四阶段：预测决策	销量预测、补货建议、采购建议、调拨建议、供应商评分、经营建议闭环、采纳效果评估	系统可以辅助经营决策。
第五阶段：治理上线	审计与权限、成本与Token统计、异常调用监控、菜单授权、多语言菜单维护	AI能力可管、可控、可追踪、可上线。

九、推荐先落地的三条最小闭环

闭环	流程	业务价值
AI智能问数闭环	数据资产 → 字段语义 → 业务映射 → 模型生成SQL → SQL审计 → 安全执行 → AI解释 → 日志留痕	让用户能够直接问业务数据，验证AI与真实数据库的连接能力。
销量预测 + 补货建议闭环	订单历史销量 → 库存 → 销量预测 → 补货建议 → 采纳动作 → 效果评估	解决采购和库存最直接的经营痛点。
缺货预警闭环	库存 → 销量预测 → 缺货规则 → 预警事件 → 推送 → 待办 → 处理关闭	提前发现问题，形成业务处理闭环。