# lsj

**Repository Path**: xiaohuya1/lsj

## Basic Information

- **Project Name**: lsj
- **Description**: 餐饮ai应用开发第一阶段
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-26
- **Last Updated**: 2026-03-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 老乡鸡 AI 应用开发实战项目

基于 LLM 的餐饮零售行业 AI 应用集合，包含**菜品知识库问答系统**和**门店运营智能助手**，覆盖 RAG、Agent、模型微调等核心技术。

## 🚀 快速开始

### 环境准备

- Python 3.10+
- Docker 20.10+
- Docker Compose 2.0+

### 1. 克隆项目

```bash
cd F:\projects\PycharmProjects\bbu-pro\lsj
```

### 2. 配置环境变量

```bash
cp .env.example .env
# 编辑 .env 文件，填入 DeepSeek API Key
```

### 3. 启动服务

```bash
# 使用 Docker Compose 启动所有服务
docker-compose up -d

# 查看日志
docker-compose logs -f
```

### 4. 访问服务

- **API 文档**: http://localhost:8001/docs
- **健康检查**: http://localhost:8001/health
- **Streamlit 前端**: http://localhost:8501

## 📁 项目结构

```
bbu-pro/lsj/
├── app/                          # 核心代码
│   ├── api/                      # API 路由层
│   │   ├── qa.py                 # 菜品问答 API
│   │   ├── agent.py              # 门店助手 API
│   │   └── finetune.py           # 模型微调 API
│   ├── core/                     # 核心配置与工具
│   │   ├── config.py             # 配置管理
│   │   ├── database.py           # 数据库连接
│   │   └── exceptions.py         # 异常处理
│   ├── models/                   # 数据模型
│   ├── services/                 # 业务服务层
│   │   ├── rag_service.py        # RAG 服务
│   │   ├── agent_service.py      # Agent 服务
│   │   └── finetune_service.py   # 微调服务
│   └── main.py                   # FastAPI 应用入口
├── frontend/                     # Streamlit 前端
│   └── app.py                    # 前端应用
├── docker/                       # Docker 配置
│   ├── Dockerfile                # 后端镜像
│   ├── Dockerfile.frontend       # 前端镜像
│   └── mysql/
│       └── init.sql              # 数据库初始化脚本
├── data/                         # 数据目录
│   ├── documents/                # 上传文档
│   ├── datasets/                 # 训练数据
│   └── models/                   # 模型文件
├── docker-compose.yml            # Docker 编排
├── requirements.txt              # Python 依赖
└── README.md                     # 项目说明
```

## 🔧 技术栈

### 后端
- **Web 框架**: FastAPI
- **数据库**: MySQL 8.0 + Chroma (向量数据库)
- **缓存**: Redis
- **AI 框架**: LangChain + LlamaIndex
- **模型**: DeepSeek API + Qwen-7B (微调)

### 前端
- **框架**: Streamlit

### 部署
- **容器化**: Docker + Docker Compose

## 📋 核心功能

### 1. 菜品知识库问答
- 上传 PDF/Word 文档
- 自动向量化处理
- 语义检索与智能问答
- 答案溯源

### 2. 门店运营助手
- 多轮对话交互
- 销量周报生成
- 排班建议
- 营销文案创作

### 3. 模型微调
- 支持上传训练数据集
- LoRA 微调
- 训练任务管理
- 模型版本切换

## 🔌 API 端点

### 菜品问答
| 方法 | 端点 | 描述 |
|------|------|------|
| POST | /api/qa/upload | 上传文档 |
| GET | /api/qa/documents | 获取文档列表 |
| DELETE | /api/qa/documents/{id} | 删除文档 |
| POST | /api/qa/query | 发起问答 |
| GET | /api/qa/history | 获取问答历史 |

### 门店助手
| 方法 | 端点 | 描述 |
|------|------|------|
| POST | /api/agent/chat | 发送对话 |
| GET | /api/agent/sessions | 获取会话列表 |
| GET | /api/agent/sessions/{id} | 获取会话详情 |
| GET | /api/agent/tools | 获取可用工具 |

### 模型微调
| 方法 | 端点 | 描述 |
|------|------|------|
| POST | /api/finetune/dataset | 上传训练数据 |
| POST | /api/finetune/train | 启动训练 |
| GET | /api/finetune/jobs | 获取训练任务列表 |
| GET | /api/finetune/jobs/{id} | 获取任务状态 |
| GET | /api/finetune/models | 获取可用模型 |

## ⚙️ 配置说明

### 环境变量

| 变量名 | 描述 | 默认值 |
|--------|------|--------|
| DEEPSEEK_API_KEY | DeepSeek API 密钥 | - |
| MODEL_NAME | 模型名称 | deepseek-chat |
| MYSQL_ROOT_PASSWORD | MySQL root 密码 | root123456 |
| DATABASE_URL | 数据库连接 URL | mysql+pymysql://... |
| CHROMA_HOST | Chroma 主机地址 | localhost |
| REDIS_HOST | Redis 主机地址 | localhost |

## 🧪 开发模式

### 本地运行后端

```bash
# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 启动服务
python -m uvicorn app.main:app --reload --host 0.0.0.0 --port 8000
```

### 本地运行前端

```bash
streamlit run frontend/app.py --server.port 8501
```

### 只启动基础设施

```bash
# 只启动 MySQL、Chroma、Redis
docker-compose up -d mysql chroma redis
```

## 📝 待办事项

- [ ] 完善单元测试
- [ ] 添加用户认证
- [ ] 实现完整的模型微调流程
- [ ] 优化 RAG 检索精度
- [ ] 添加更多 Agent 工具函数

## 📄 License

MIT License