[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-80933":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":13,"openIssues":14,"contributorsCount":14,"subscribersCount":14,"size":14,"stars1d":14,"stars7d":14,"stars30d":14,"stars90d":14,"forks30d":14,"starsTrendScore":14,"compositeScore":15,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":16,"fork":16,"defaultBranch":17,"hasWiki":18,"hasPages":16,"topics":19,"createdAt":10,"pushedAt":10,"updatedAt":20,"readmeContent":21,"aiSummary":22,"trendingCount":14,"starSnapshotCount":14,"syncStatus":23,"lastSyncTime":24,"discoverSource":25},80933,"Sova-ai","Zev55555\u002FSova-ai","Zev55555","面向业务指标异动场景的 AI 归因分析工作台，支持多轮澄清、数据上传、DuckDB 分析、图表、证据链和报告草稿生成。","https:\u002F\u002Fsova-ai-ten.vercel.app",null,"Python",32,1,0,37.9,false,"main",true,[],"2026-06-11 04:07:22","# SOVA AI｜指标异动分析工作台\n\n> 把一句模糊的业务问题，转成可计算、可复查、可汇报的指标异动分析流程。\n\n## 🚀 在线体验 \u002F Live Demo\n\n你可以根据所在地区选择更稳定的访问入口：\n\n| 使用地区 | 访问入口 | 说明 |\n|---|---|---|\n| 🌍 海外用户 | [sova-ai-ten.vercel.app](https:\u002F\u002Fsova-ai-ten.vercel.app\u002F) | 适合海外网络环境，部署于 Vercel |\n| 🇨🇳 国内用户 | [sovaai.filegear-sg.me](https:\u002F\u002Fsovaai.filegear-sg.me) | 适合中国大陆网络环境，访问更稳定 |\n\n> 如果某个入口访问较慢，建议切换到另一个入口尝试。\n\n建议使用流程：\n\n1. 打开网站\n2. 点击右上角 **API 设置**\n3. 填入自己的 API Key、模型名称和 API Base URL\n4. 从 Step 1 开始输入业务指标问题\n5. 上传数据后，按流程生成分析计划、指标计算、可视化分析、证据链和报告草稿\n6. 默认接入DeepSeek-v4-flash模型，但是DeepSeek在长文本和结构化 JSON 分析任务中响应较慢，尤其是上传数据后的字段语义识别。如果你更看重速度和稳定性，建议在这里选择 OpenAI 并使用自己的 OpenAI API。\n\n---\n\nSOVA AI 是一个面向 **数据分析 \u002F 商业分析 \u002F AI 产品展示** 的指标异动分析工作台。  \n它可以帮助用户从“最近转化率下降了”“胜率为什么突然变低”“SLA 超时率为什么升高”这类模糊问题出发，逐步确认指标口径、上传数据、执行聚合计算，并生成 Top movers、可视化拆解、证据链和报告草稿。\n## 界面预览\n\n### 深色 AI 指标分析工作台\n\n![SOVA AI 深色工作台界面](assets\u002Fsova-workspace.png)\n\n---\n\n## SOVA AI 解决什么问题？\n\n在真实业务分析中，很多需求一开始并不是清晰的 SQL 题，而是一句很模糊的话：\n\n```text\n最近转化率下降了，帮我看看是不是渠道、设备、页面加载导致的。\n```\n\n或者：\n\n```text\n这周胜率为什么突然下降？\n客服 SLA 超时率最近为什么变高？\n物流配送延迟率是不是某些仓库或天气因素导致的？\n```\n\n这类问题真正难的地方不是“写一条 SQL”，而是先把问题拆清楚：\n\n- 到底要分析什么指标？\n- 指标口径是什么？\n- 分子和分母分别是什么？\n- 应该比较哪个时间段？\n- 应该按哪些维度拆解？\n- 哪些分组变化最大？\n- 哪些辅助指标能支持判断？\n- 最后如何整理成可复查的分析结论？\n\nSOVA AI 的目标就是把这个过程产品化，让用户从一个模糊问题开始，逐步得到结构化、可解释的分析结果。\n\n---\n\n## 核心流程\n\nSOVA AI 的分析流程如下：\n\n```text\n业务问题\n→ 指标口径确认\n→ 对比周期选择\n→ 分析维度选择\n→ 数据上传\n→ 字段语义识别\n→ Metric Spec 生成\n→ DuckDB 指标计算\n→ 主指标结果\n→ Top movers\n→ 可视化分析\n→ 证据链生成\n→ 报告草稿生成\n```\n\n这个流程强调三点：\n\n1. **先理解业务问题**\n2. **再生成可控的指标计算规格**\n3. **最后用数据结果生成证据链和报告**\n\n相比直接让 AI 随便写 SQL，这种方式更安全，也更适合真实的数据分析工作流。\n\n---\n\n## 产品工作流\n\n当前产品采用 Step 1–10 的分步式工作流：\n\n```text\nStep 1  描述业务问题\nStep 2  确认指标口径\nStep 3  确认对比周期\nStep 4  确认分析维度\nStep 5  确认近期变化因素\nStep 6  上传数据\nStep 7  生成分析计划\nStep 8  执行指标计算与可视化分析\nStep 9  生成证据链\nStep 10 生成报告草稿\n```\n\n每一步都会逐步减少问题的不确定性，让用户从“我感觉某个指标变差了”走到“我知道哪些分组变化最大，并且有证据支持这个判断”。\n\n---\n\n## 核心能力\n\n### 1. 业务问题澄清\n\n用户只需要输入一句自然语言业务问题。  \n系统会帮助识别：\n\n- 分析目标\n- 指标名称\n- 可能的指标口径\n- 分子字段\n- 分母字段\n- 时间字段\n- 推荐拆解维度\n- 可能的变化因素\n\n---\n\n### 2. 指标口径确认\n\nSOVA AI 不会直接跳到计算，而是先帮助用户确认指标口径。\n\n例如：\n\n```text\n转化率 = 转化人数 \u002F 总访问人数\n激活率 = 激活用户数 \u002F 新注册用户数\nSLA 超时率 = 超时工单数 \u002F 总工单数\n胜率 = 胜场数 \u002F 总场数\n```\n\n这样可以减少“指标定义不清楚”带来的分析偏差。\n\n---\n\n### 3. Metric Spec 驱动计算\n\nSOVA AI 会将用户确认后的分析需求转成结构化 Metric Spec。\n\nMetric Spec 通常包括：\n\n- 指标名称\n- 指标公式\n- 分子字段\n- 分母字段\n- 时间字段\n- 对比周期\n- 拆解维度\n- 辅助指标字段\n\n这个设计可以让分析计算更可控，而不是让 LLM 自由写 SQL。\n\n---\n\n### 4. DuckDB 安全聚合分析\n\nSOVA AI 使用 DuckDB 执行本地聚合分析，支持：\n\n- 本期 vs 上期指标对比\n- 分子 \u002F 分母变化\n- 维度拆解\n- Top movers\n- 辅助指标对比\n\n这样可以让结果更稳定，也更容易复查。\n\n---\n\n### 5. Top Movers 分析\n\n系统会识别导致指标变化最大的分组。\n\n例如：\n\n- 哪个渠道转化率下降最多？\n- 哪个仓库延迟率上升最明显？\n- 哪个客服团队 SLA 超时率贡献最大？\n- 哪张地图胜率下降最明显？\n- 哪类设备的转化率变化最异常？\n\nTop movers 可以帮助用户从“指标发生变化”进一步走到“主要变化来自哪里”。\n\n---\n\n### 6. 可视化分析\n\n指标计算完成后，用户可以生成可视化分析。\n\n可视化分析用于帮助用户更直观地理解：\n\n- 整体指标变化\n- 分组表现差异\n- Top movers\n- 辅助指标变化\n- 可能的异常模式\n\n在当前产品流程中，可视化分析被作为 Step 8 的重要步骤展示，而不是隐藏在底部的二级功能。\n\n---\n\n### 7. 证据链生成\n\nSOVA AI 会根据计算结果生成证据链。\n\n证据链会把这些内容串起来：\n\n```text\n指标变化\n→ 主要变化分组\n→ 辅助指标对比\n→ 支撑性发现\n→ 可复查结论\n```\n\n它的目的不是直接替代人工判断，而是帮助用户快速形成一组可验证的分析线索。\n\n---\n\n### 8. 报告草稿生成\n\n最后，系统会根据指标结果和证据链生成报告草稿。\n\n报告草稿适合用于：\n\n- 业务复盘\n- 小组讨论\n- 分析作业\n- 面试作品展示\n- 后续人工修改\n\n报告内容可以复制出来继续编辑。\n\n---\n\n## 支持场景\n\nSOVA AI 适合分析“某个指标最近变好或变差”的问题。\n\n目前重点测试过的场景包括：\n\n### 物流配送延迟率\n\n```text\n配送延迟率 = 延迟配送订单数 \u002F 总配送订单数\n```\n\n可用于分析：\n\n- 仓库\n- 承运商\n- 地区\n- 天气\n- 包裹大小\n\n---\n\n### SaaS 新用户 7 日激活率\n\n```text\n7 日激活率 = 7 日内完成激活的新用户数 \u002F 新注册用户数\n```\n\n可用于分析：\n\n- 获客渠道\n- 用户套餐\n- 注册来源\n- 核心配置完成情况\n- 产品使用行为\n\n---\n\n### 客服 SLA 超时率\n\n```text\nSLA 超时率 = SLA 超时工单数 \u002F 总工单数\n```\n\n可用于分析：\n\n- 工单类型\n- 客服团队\n- 问题类别\n- 系统模块\n- 处理优先级\n\n---\n\n### Valorant 排位胜率\n\n```text\n胜率 = 胜场数 \u002F 总场数\n```\n\n可用于分析：\n\n- 地图\n- 特工\n- 队列类型\n- 服务器\n- ACS\n- K\u002FD\n\n---\n\n### 营销落地页转化率\n\n```text\n试用转化率 = 免费试用注册数 \u002F 页面访问人数\n```\n\n可用于分析：\n\n- 流量渠道\n- 设备类型\n- 页面版本\n- 跳出行为\n- 表单错误\n- 加载时间\n\n---\n\n## 与普通 Chat with CSV 的区别\n\n| 对比项 | 普通 Chat with CSV | SOVA AI |\n|---|---|---|\n| 交互方式 | 用户直接问数据问题 | 先澄清业务目标，再确认指标口径 |\n| 计算方式 | 可能依赖 LLM 直接写 SQL | Metric Spec + DuckDB 可控计算 |\n| 分析重点 | 回答单个问题 | 完整指标异动排查流程 |\n| 输出内容 | 通常是文字解释 | 指标结果、Top movers、可视化、证据链、报告草稿 |\n| 可复查性 | 取决于模型输出 | 指标口径和计算过程更结构化 |\n| 适用场景 | 临时数据问答 | 业务指标复盘、分析报告、作品集展示 |\n\n---\n\n## UI 设计方向\n\n当前 UI 采用深色 AI 工作台风格。\n\n设计关键词：\n\n- 深色 AI workspace\n- 左侧分析驾驶舱\n- 右侧主 workflow 区\n- 顶部 step navigation\n- 彩色 workflow 面板\n- 细边框\n- 大圆角\n- 克制霓虹渐变\n- 异步生成过程反馈\n- 结果区自动过渡\n- 报告预览优化\n\n---\n\n## 技术架构\n\n```text\nFrontend\n├── Next.js \u002F React\n├── TypeScript\n├── Tailwind CSS\n├── Workflow UI\n├── API Settings\n├── Async Process Feedback\n├── Evidence Chain Preview\n└── Report Draft Preview\n\nAnalysis Layer\n├── Data Upload\n├── Schema Detection\n├── Semantic Field Mapping\n├── Scenario Profiles\n├── Metric Spec Builder\n├── Metric Spec Executor\n├── DuckDB Aggregation\n├── Evidence Chain Generation\n└── Report Draft Generation\n```\n\n---\n\n## 技术栈\n\n### 前端\n\n- Next.js\n- React\n- TypeScript\n- Tailwind CSS\n\n### 数据分析\n\n- DuckDB\n- CSV \u002F Excel 表格数据\n- Metric Spec 驱动的聚合分析\n\n### AI \u002F LLM\n\n- 业务问题澄清\n- 字段语义识别\n- 分析计划生成\n- 证据链生成\n- 报告草稿生成\n\n---\n\n## 核心设计原则\n\nSOVA AI 的一个重要原则是：**业务理解和数据计算分离**。\n\n```text\nLLM 负责：\n- 理解业务问题\n- 生成澄清路径\n- 辅助识别字段语义\n- 整理证据链\n- 生成报告草稿\n\nDuckDB 负责：\n- 指标聚合计算\n- 周期对比\n- 维度拆解\n- Top movers\n- 辅助指标对比\n```\n\n这种设计可以降低让大模型直接执行自由 SQL 的风险，也更适合做成可复查的数据分析流程。\n\n---\n\n## 快速开始\n\n### 1. 安装依赖\n\n```bash\nnpm --prefix frontend install\n```\n\n### 2. 启动前端\n\n```bash\nnpm --prefix frontend run dev\n```\n\n### 3. 类型检查\n\nWindows PowerShell：\n\n```bash\nnpm.cmd --prefix frontend run typecheck\n```\n\nmacOS \u002F Linux：\n\n```bash\nnpm --prefix frontend run typecheck\n```\n\n---\n\n## 环境变量\n\n如需配置 API Key，可以创建：\n\n```bash\nfrontend\u002F.env.local\n```\n\n示例：\n\n```env\nOPENAI_API_KEY=your_api_key_here\n```\n\n注意：不要提交 `.env` 或 `.env.local`。\n\n---\n\n## 项目结构\n\n```text\nSova-ai\n├── frontend\n│   ├── app\n│   │   └── globals.css\n│   ├── components\n│   │   ├── metricflow-workspace.tsx\n│   │   ├── api-settings.tsx\n│   │   ├── evidence-chain.tsx\n│   │   ├── report-draft.tsx\n│   │   └── analysis-charts.tsx\n│   └── ...\n├── backend\n│   └── ...\n├── README.md\n├── PROJECT_CONTEXT.md\n├── CODEMAP.md\n└── UI_REGRESSION_NOTES.md\n```\n\n---\n\n## 当前进度\n\n当前版本已经支持从模糊业务问题到报告草稿的完整流程。\n\n已完成能力包括：\n\n- 业务问题澄清\n- 指标口径选择\n- 对比周期选择\n- 分析维度选择\n- 数据上传\n- 字段语义识别\n- Metric Spec 生成\n- DuckDB 指标计算\n- Top movers\n- 辅助指标对比\n- 可视化分析\n- 证据链生成\n- 报告草稿生成\n- 异步过程反馈\n- 深色 AI 工作台 UI\n\n---\n\n## 版本进展\n\n### MVP 1.0 — 核心流程\n\n完成指标异动分析的基础流程，包括业务问题澄清、指标口径确认、对比周期选择、分析维度选择、数据上传和初步分析链路。\n\n### Workflow 2.0 — 分步式分析流程\n\n将产品重构为 Step 1–10 的引导式工作流，覆盖从业务问题输入到报告草稿输出的完整流程。\n\n### Analysis 3.0 — Metric Spec + DuckDB 计算链路\n\n接入 metric-spec-driven analysis workflow，通过结构化 Metric Spec 和 DuckDB 实现安全、可控的指标计算。\n\n### Result UX 4.0 — 结果展示与证据链流程优化\n\n优化 Step 8–10 的结果体验，让指标结果、可视化分析、证据链和报告草稿都能在对应步骤中清晰展示。\n\n### Scenario 5.0 — 多场景回归测试\n\n完成物流、SaaS、客服 SLA、Valorant、营销转化等多个场景的主流程测试。\n\n### Dark Workspace 6.0 — 深色 AI 工作台 UI\n\n将界面重构为深色 AI workspace，包括左侧分析驾驶舱、右侧主 workflow 区、统一彩色面板和顶部步骤导航。\n\n### Interaction 7.0 — 异步过程反馈与结果过渡\n\n增加 checklist 式 AI 生成过程、结果整理过渡、轻微 reveal 动画，以及生成完成后的结果区自动滚动。\n\n### Report 8.0 — 报告预览优化\n\n优化报告草稿预览格式，提升章节层级、深色卡片排版、中文可读性和复制报告内容体验。\n\n---\n\n## 后续计划\n\n后续可以继续完善：\n\n- 历史分析记录\n- 数据文件管理\n- 常用指标模板\n- 报告导出\n- 更丰富的图表交互\n- 更强的业务场景泛化能力\n- 更稳定的字段语义识别\n- 多文件联合分析\n- 团队协作与分享流程\n\n---\n\n## 一句话总结\n\nSOVA AI 可以把模糊的业务指标问题转成结构化 Metric Spec，并用 DuckDB 执行安全聚合分析，最终生成指标变化、Top movers、可视化拆解、证据链和报告草稿。\n","SOVA AI 是一个面向业务指标异动场景的 AI 归因分析工作台，支持多轮澄清、数据上传、DuckDB 分析、图表生成、证据链和报告草稿生成。其核心功能包括通过自然语言输入识别业务问题，确认指标口径，生成结构化 Metric Spec，使用 DuckDB 进行安全聚合分析，并提供可视化分析和 Top movers 识别。SOVA AI 适用于需要从模糊的业务问题出发，逐步得到结构化、可解释分析结果的数据分析、商业分析和 AI 产品展示场景。该工具特别适合那些希望从一句模糊的问题开始，最终获得清晰、可复查的分析结论的用户。",2,"2026-06-11 04:02:53","CREATED_QUERY"]