AI 原生数据分析工作台
面向物业分析团队建设 AI 原生数据工作台，采用 Clean Architecture / Ports and Adapters 架构，支持自然语言数据分析、结构化意图解析、分析计划生成、流式执行进度、多轮追问和历史上下文保留。接入 LLM Provider、Cube 语义查询、Neo4j 图谱适配和 Redis 队列 + Worker 异步任务链路。
设计起点：分析不是一次回答
这个项目最重要的判断是：数据分析不是“用户问一句，模型答一句”。真实分析更像一段可追踪的任务过程，包含意图、约束、计划、执行、结果、追问和复盘。
Clean Architecture 与工程治理
采用 Clean Architecture / Ports and Adapters 架构，将领域模型、应用用例、基础设施适配器和 Next.js 表现层解耦。接入 LLM Provider、Cube 语义查询、Neo4j 图谱适配、Redis 队列 + Worker 异步任务链路，支撑长时间分析任务。处理超时、降级、AbortSignal 取消、限流、错误语义、权限边界、多轮会话事实错位和结果持久化等工程治理问题。
工程上的关键拆分
- 把领域模型、应用用例、基础设施适配器和 Next.js 表现层拆开，避免所有 AI 逻辑堆在接口层。
- 把长时间分析任务放进 Redis 队列和 Worker，前端订阅执行状态，而不是阻塞等待最终答案。
- 通过 Cube 语义层和 Neo4j 图谱给模型提供结构化上下文，减少纯文本提示词的漂移。
- 把权限检查放到服务端查询链路，避免 Agent 在生成查询时绕开组织、项目或角色边界。
Intent问题意图、时间边界、组织范围、候选因素
Plan分析计划、执行步骤、工具选择、可视化状态
Run队列任务、流式进度、取消、重试和错误语义
Explain结论、证据、追问、上下文和历史复盘
| 维度 | 同步聊天框 | 分析工作台 |
|---|---|---|
| 过程 | 用户只能等 | 能看到计划、阶段、进度和失败原因 |
| 状态 | 刷新就丢 | 会话、任务和结果持久化 |
| 数据 | 模型自己组织上下文 | 语义层、图谱和权限共同约束查询 |
| 复盘 | 很难解释为什么这样答 | 保留工具调用、输入参数和中间结论 |
- 解析用户问题，抽取指标、时间、组织、对象和候选因素。
- 生成可展示的分析计划，让用户知道系统准备怎么查。
- 提交后台执行队列，流式返回阶段状态和关键中间结果。
- 把结构化结果、自然语言结论和追问建议一起持久化。
- 下一轮追问复用会话上下文，而不是重新开始猜。
type AnalysisUseCase = {
parseIntent(question: string): Intent;
buildPlan(intent: Intent, context: BusinessContext): AnalysisPlan;
authorize(plan: AnalysisPlan, user: UserScope): GuardResult;
enqueue(plan: AnalysisPlan): AnalysisJob;
stream(jobId: string): AsyncIterable<ExecutionEvent>;
summarize(result: QueryEvidence[]): Insight;
};