FastAPI构建AI进销存系统：CLI与自然语言双模式实践-代码聚汇网

FastAPI构建AI进销存系统：CLI与自然语言双模式实践

胖厨胡学斌

1. 项目概述：AI助手与进销存系统的完美结合

这个项目构建了一个专为AI助手设计的进销存管理系统，其核心创新点在于将传统企业管理系统与AI交互能力深度融合。系统采用FastAPI作为后端框架，HTML作为前端展示层，同时内置完整的CLI命令接口，实现了自然语言与命令行双模式操作。

在实际仓库管理中，工作人员经常需要快速查询库存、记录出入库信息。传统系统要么需要复杂的GUI操作，要么缺乏适合程序化调用的接口。而这个项目的设计恰好解决了这些痛点——AI助手可以通过自然语言指令（如"查询当前库存低于10的商品"）或标准CLI命令（如stock list --low）来操作系统，极大提升了管理效率。

2. 技术架构解析

2.1 后端核心：FastAPI的灵活运用

系统后端采用FastAPI框架，主要考虑到以下几个技术优势：

异步支持：轻松处理AI助手可能产生的高并发请求
自动文档生成：内置的Swagger UI方便调试和API探索
数据验证：利用Pydantic模型确保CLI和HTTP接口的数据一致性

关键代码结构示例：

python复制@app.post("/cli/execute")
async def execute_command(cmd: str):
    """统一处理来自AI助手或终端的命令"""
    result = parse_and_execute(cmd)
    return {"output": result}

2.2 数据库设计：轻量但完整

虽然可以使用SQLite作为轻量级数据库，但设计上仍然遵循了完整的进销存业务模型：

python复制# 简化的数据库模型
products = Table(
    "products",
    metadata,
    Column("id", Integer, primary_key=True),
    Column("code", String(20), unique=True),
    Column("name", String(100)),
    Column("stock_qty", Float, default=0),
    Column("min_stock", Float, default=0),
    # 其他字段...
)

2.3 CLI接口设计原则

系统的CLI接口设计遵循了Unix哲学：

单一职责：每个命令只做一件事（如stock in只处理入库）
组合性：命令输出可被其他命令处理（如stock list | grep "预警"）
一致性：保持与常见CLI工具相似的参数风格（如--help）

3. 前端实现：HTML终端的独特体验

3.1 终端仿真界面设计

前端采用HTML+CSS实现了终端仿真效果，关键设计点包括：

CRT显示器风格的视觉效果（扫描线、绿色磷光）
响应式布局适配不同设备
快捷键支持（如Ctrl+`唤出终端）

核心样式代码片段：

css复制.terminal-output {
    font-family: 'Fira Code', monospace;
    background: #0a120a;
    color: #00cc33;
    padding: 12px;
    white-space: pre-wrap;
}

3.2 与AI助手的交互模式

系统为AI助手设计了两种集成方式：

直接命令模式：AI发送预定义格式的CLI命令
```
code复制add product P100 "商品A" 1 10.5 15.8
```

自然语言转译模式：AI将自然语言转换为系统命令

code复制用户：请添加一个新商品，编码P100，名称商品A...
AI → 系统：add product P100 "商品A"...

4. 核心功能实现细节

4.1 库存管理命令集

系统实现了一套完整的库存操作命令：

命令格式	功能描述	示例
`stock in <产品ID> <数量> [单价]`	商品入库	`stock in 101 50 12.5`
`stock out <产品ID> <数量>`	商品出库	`stock out 101 20`
`stock list [--low]`	库存列表	`stock list --low`
`stock search <关键词>`	库存搜索	`stock search "电子"`

4.2 自动化预警机制

系统内置了库存预警功能，当执行相关操作时会自动检查：

python复制def check_stock_levels():
    """检查低库存商品"""
    with db_session() as conn:
        low_stock = conn.execute("""
            SELECT code, name, stock_qty, min_stock 
            FROM products WHERE stock_qty <= min_stock
        """).fetchall()
        
    if low_stock:
        return format_as_table(low_stock, 
            headers=["编码", "名称", "当前库存", "最低库存"])
    return "✓ 所有商品库存正常"

4.3 销售与报表功能

销售相关命令支持完整的业务流程：

code复制sales create <客户> <产品ID1,数量1> [产品ID2,数量2...]
sales list [--today]
report profit [--month=2023-10]

5. 开发实践与部署建议

5.1 开发环境配置

推荐使用Python 3.8+环境：

bash复制# 创建虚拟环境
python -m venv venv
source venv/bin/activate

# 安装依赖
pip install fastapi uvicorn sqlalchemy

# 运行开发服务器
uvicorn main:app --reload

5.2 生产部署方案

对于生产环境，建议：

使用Nginx作为反向代理
配置Gunicorn作为应用服务器
考虑迁移到PostgreSQL等更健壮的数据库

示例Nginx配置：

nginx复制location / {
    proxy_pass http://localhost:8000;
    proxy_set_header Host $host;
}

5.3 安全注意事项

CLI接口需要实现适当的认证机制
所有数据库操作应使用参数化查询
限制敏感命令的执行权限

6. 扩展与定制思路

6.1 多AI平台适配

系统可以轻松扩展支持不同AI平台：

python复制# 适配不同AI助手的入口
@app.post("/api/ai/{ai_platform}")
async def handle_ai_request(ai_platform: str, request: Request):
    if ai_platform == "dialogflow":
        return await handle_dialogflow(request)
    elif ai_platform == "rasa":
        return await handle_rasa(request)

6.2 移动端适配

通过响应式设计，终端界面可以良好适配移动设备：

css复制@media (max-width: 768px) {
    .terminal-popup {
        width: 95vw;
        height: 60vh;
    }
}

6.3 插件系统设计

可以考虑实现插件机制来扩展功能：

code复制plugins/
   ├── export_csv.py
   ├── wechat_notify.py
   └── barcode_scan.py

这个项目的创新之处在于打破了传统管理软件的使用范式，通过CLI接口和自然语言处理能力，让AI助手成为企业与系统交互的桥梁。开发者可以基于此架构，继续扩展物联网设备集成、语音交互等前沿功能，打造更智能的企业管理系统。