AI导哈

智能零售管理系统

一个专为零售酒类商店和熟食店设计的智能库存、定价和运营管理平台，利用AI分析和MCP服务器自动化工作流程，优化定价并提高效率。

  • by juniorrash-d
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 juniorrash-d/deli_store_system

使用说明

人工智能驱动的熟食和酒类商店管理系统

为零售酒类商店和熟食店设计的智能库存、定价和运营管理平台。该系统使用 AI驱动分析 和 MCP（模型上下文协议）服务器 自动化工作流程、优化定价、检测利润损失并提高整体商店效率。

📑 目录

🧠 介绍

这 人工智能驱动的熟食和酒类商店管理系统 通过将库存管理、定价自动化和发票分析集成到一个智能平台中，简化了日常零售业务。
使用 人工智能模型, 流线型UI，以及 MCP服务器，该系统帮助企业：

  • 维持库存水平
  • 识别供应商的价格变动
  • 自动计算货架定价
  • 跟踪产品位置
  • 跨多个门店扩展运营

🚀 特性

  • 基于人工智能的库存查询
    立即查找产品详细信息和店内位置。

  • 自动价格变化检测
    上传供应商发票以检测增长（例如，“检测到12%的增长”）。

  • 动态价格计算
    添加具有自动生成零售定价的新产品。

  • 基于MCP的微服务
    在隔离的服务器中运行AI逻辑，以实现可扩展、安全的操作。

  • 跨平台部署
    支持本地、基于Docker和云生产环境。

🧰 技术

  • 溪流 --Web应用程序界面
  • SQLite --默认本地数据库
  • PostgreSQL --推荐用于生产
  • 码头工人 --MCP服务器的容器化
  • Python 3.8+ --后端逻辑和AI工具
  • 主控程序 --模型上下文协议架构

📦 先决条件

1.安装Python 3.8+

  • 从python.org下载
  • 检查 “将Python添加到PATH” 在安装期间

2.安装所需的Python包

pip install streamlit pandas sqlite3

本地部署：

# Clone the repository
git clone https://github.com/yourusername/deli_store_system.git
cd deli_store_system

# Create virtual environment (optional)
python -m venv .venv

# Activate virtual environment
# Windows:
.venv\Scripts\activate
# Mac/Linux:
source .venv/bin/activate

# Install dependencies
pip install streamlit pandas sqlite3

Docker部署：

docker-compose up -d
streamlit run app.py

演示示例：

  • 库存查询 --搜索“杰克·丹尼尔斯”
  • 价格分析 --sample_invoice.csv
  • 添加产品的

⚙️ 配置

数据库设置：

  • 违约： SQLite（包括在内）
  • 生产： 更新app.py中的连接字符串

MCP服务器

  • 在docker-compose.yml中启用
  • 在应用程序设置中配置端口

相关 MCP