146 lines
3.8 KiB
Markdown
146 lines
3.8 KiB
Markdown
# 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
|
||
|
||
```json
|
||
{
|
||
"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
|
||
|
||
```json
|
||
{
|
||
"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
|
||
|
||
```python
|
||
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
|
||
|
||
- [接口清单表格](../Python接口清单表格.md)
|
||
- [Python技术人员工作量文档](../Python技术人员工作量文档.md)
|