餐饮数据分析专家系统-Mobo

该产品定位为“餐饮数据分析专家系统”，背景是餐饮门店数据（菜品、利润、库存、指标波动等）分散且分析门槛高，依赖人工出报表效率低。目标是让经营人员用自然语言直接发起分析，系统自动生成专业提示词并调用数据接口获取结构化结果，再通过多模型分层分析输出可读的 Markdown 报告。核心模块包括：专家模式（提示词选择/自动生成、SSE实时日志、深度报告）、助理模式（多轮对话、历史保存、图片上传分析）、提示词库管理（prompt.json）、报告下载与展示。典型流程：前端选择/生成提示词→后端按ID加载prompt→调用报表API取数并做空结果重试→按菜品整合并分块并行分析→汇总生成报告→前端展示与保存对话

整体采用“前端模板+静态JS + 后端API”的分层结构：routes.py 提供MOBO入口与页面路由；expert_api.py 提供专家模式接口与SSE推送；process_request.py 负责prompt装配与外部报表API调用（含空charts双层重试）；agent_system.py 负责数据按菜品整合、分块（默认每块5个菜品）并行分析（asyncio.gather），再用V3总结、R1输出宏观报告并落盘为Markdown；助理侧在 app.py 中实现对话/图片上传（base64）与历史存储。我负责专家链路的核心打通（prompt→取数→分块分析→报告生成）、SSE日志实时回传与前端EventSource联调，以及“空charts”重试兜底与编码/循环导入稳定性治理；结果上实现了最多7次重试保障取数成功率、前端最多保存50条历史对话、对话上下文截断10条控制成本、日志显示最多10000字符防卡顿。主要难点在于：SSE连接易断与消息格式不稳（用心跳+重连与标准化返回结构解决）、中文编码与stdout捕获（统一UTF-8与拦截输出流）、循环导入（延迟导入/蓝图注册时机调整）、以及模型返回JSON/Markdown混杂（做JSON清洗与Markdown渲染/代码高亮兜底）。