python/finyx_data_frontend
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
finyx_data_frontend/docs/api/05-scenario-recommendation.md

3.8 KiB
Raw Blame History

接口开发说明 - 潜在场景推荐接口 ⭐⭐

📋 接口基本信息

  • 接口路径: /api/v1/value/scenario-recommendation
  • 请求方法: POST
  • 接口功能: 基于企业背景、数据资产清单和存量场景，使用 AI 推荐潜在的数据应用场景
  • 涉及页面: ValueStep.vue - AI 推荐潜在场景清单
  • 是否涉及大模型: ✅ 是
  • 工作量评估: 12 人日
  • 优先级: 高

🎯 功能描述

该接口使用大模型技术，基于企业背景、数据资产清单和存量场景，智能推荐潜在的数据应用场景，包括：

  1. 场景分类: 降本增效、营销增长、金融服务、决策支持等
  2. 推荐指数评分: 1-5星评分
  3. 场景依赖分析: 分析场景依赖哪些数据资产
  4. 商业价值评估: 评估场景的商业价值和实施难度

📥 请求格式

请求参数

{
  "project_id": "project_001",
  "company_info": {
    "industry": ["retail-fresh"],
    "description": "某连锁生鲜零售企业，主营水果、蔬菜等生鲜产品，拥有线下门店500家",
    "data_scale": "100TB",
    "data_sources": ["self-generated"]
  },
  "data_assets": [
    {
      "name": "会员基础信息表",
      "core_tables": ["Dim_Customer"],
      "description": "存储C端注册用户的核心身份信息"
    },
    {
      "name": "订单流水记录表",
      "core_tables": ["Fact_Sales"],
      "description": "全渠道销售交易明细"
    }
  ],
  "existing_scenarios": [
    {
      "name": "月度销售经营报表",
      "description": "统计各区域门店的月度GMV，维度单一"
    }
  ],
  "options": {
    "model": "qwen-max",
    "recommendation_count": 10,
    "exclude_types": []
  }
}

📤 响应格式

成功响应

{
  "success": true,
  "code": 200,
  "message": "场景推荐成功",
  "data": {
    "recommended_scenarios": [
      {
        "id": 1,
        "name": "精准会员营销",
        "type": "营销增长",
        "recommendation_index": 5,
        "desc": "基于用户画像与历史交易行为，实现千人千面的优惠券发放。",
        "dependencies": ["会员基础信息表", "订单流水记录表"],
        "business_value": "提升复购率 15-20%",
        "implementation_difficulty": "中等",
        "estimated_roi": "高",
        "technical_requirements": ["用户画像引擎", "推荐算法"],
        "data_requirements": ["会员基础信息", "交易历史", "行为数据"]
      }
    ],
    "total_count": 10,
    "generation_time": 8.5,
    "model_used": "qwen-max"
  }
}

💻 提示词模板

SCENARIO_RECOMMENDATION_PROMPT = """基于以下企业信息，推荐潜在的数据应用场景：

## 企业信息
行业: {industry}
企业描述: {company_description}
数据规模: {data_scale}
数据来源: {data_sources}

## 可用数据资产
{data_assets_info}

## 存量场景（避免重复推荐）
{existing_scenarios_info}

## 推荐要求
1. 推荐 {count} 个潜在数据应用场景
2. 场景分类：降本增效、营销增长、金融服务、决策支持、风险控制等
3. 推荐指数评分：1-5星（综合考虑业务价值、实施难度、数据准备度）
4. 分析场景依赖的数据资产
5. 评估商业价值和实施难度
6. 避免与存量场景重复

## 输出格式（JSON）
{json_schema}
"""

⚠️ 注意事项

  1. 场景分类: 需要明确定义场景分类标准
  2. 推荐指数算法: 综合考虑业务价值、实施难度、数据准备度
  3. 依赖分析: 准确识别场景依赖的数据资产
  4. 避免重复: 与存量场景对比，避免重复推荐

🔗 相关文档