AI 智能问数与移动端助手体系

核心判断：问数不是问答

企业问数如果只靠提示词，很容易出现“听起来合理，但口径不对”的结果。我参与的链路会先把自然语言问题变成标准指标、组织、时间、图表类型和数据服务入参，再输出结构化结果。核心挑战不在模型，而在指标标准化、权限前置、结果协议化和异常分类处理。

跨端 Chat 组件与工程沉淀

封装跨端 Chat 组件与 Dify API 调用层，兼容流式响应（SSE）、会话管理、历史记录、停止生成、反馈、建议问题、语音输入和文件上传。将 AI 问数从一次性 Demo 推进到可控工作流，支持指标卡、趋势图、对比表格、横/纵向柱图和 ECharts 图表展示。

复杂点不在模型，而在业务约束

• 指标需要标准化，不能让模型每次临场猜字段。
• 组织和权限需要前置校验，不能让前端展示层兜底。
• 结果要有图表协议，不能只返回一段自然语言。
• 追问要围绕真实分析路径生成，不能只是泛泛的“你还想问什么”。

1. 识别用户意图，拆出指标、组织、时间和图表类型。
2. 调用指标检索接口，把表达归一到标准指标和 targetId。
3. 调用组织检索和权限树，修正集团、区域、项目层级。
4. 组装数据服务入参，处理空数据、无权限和业务失败。
5. 拼接移动端可渲染的指标卡、趋势图、对比表和追问建议。

维度	提示词型	产品型
指标	靠模型抽取字段名	标准指标、targetId、口径说明
组织	上下文里猜测	组织检索、权限树、层级修正
输出	自由文本为主	指标卡、图表、表格、追问协议
异常	模型自己解释	业务失败、空数据、无权限分别兜底