AI · Data · Prediction —— 智能汽车数据决策平台
基于 Spring Boot 3.2 + Vue 3 + Python FastAPI 的前后端分离 + AI 微服务架构。 打通 汽车信息管理、销量可视化、LSTM 深度学习预测、RAG 检索增强 AI 顾问、Redis 高并发优化五大能力, 让传统汽车管理系统从 "数据记录工具" 进化为 "智能决策大脑"。
6 个核心功能模块界面 · 拖动画廊可自由旋转浏览
悬停卡片放大 · 双击查看大图
围绕「数据管理 → 数据预测 → 数据智能问答」层层递进的 4 项核心能力,每项都有明确的业务价值与实现路径。
Vue → SSE → Spring Boot → FastAPI → LangChain → FAISS → qwen-plus全链路流式问答。 车型参数、说明书、评测资料经 DashScope text-embedding-v3 向量化后写入 FAISS 本地索引, 检索阶段按 cosine 相似度取 Top-K 文档拼接为 Prompt 上下文。AI 回答始终基于真实车型库而非"胡编", 有效抑制大模型幻觉。
用户点赞场景采用 Redis HyperLogLog 替代传统 Set 去重, 单键即可承载亿级 UV 去重统计,内存占用仅 12 KB。 点赞操作先写入 HyperLogLog 实时返回是否已赞,再通过 RabbitMQ 异步落库 持久化到 MySQL, 既保证互动即时反馈,又不因写库阻塞用户体验。
评论列表使用 Redis ZSet 按时间戳 + 点赞数组合分值排序, 支持分页查询与 动态权重调整(新评论热度加权)。 新增评论实时写入 ZSet,前端轮询或 SSE 推送增量更新,无需每次查询 MySQL。 写操作通过 Redisson 分布式锁 防重复提交,保证并发场景下评论顺序一致。
热点车型缓存 car:detail:{id} 采用 Cache-Aside 模式,
写操作先更新数据库,再删除缓存(延迟双删),
配合 TTL 兜底过期 保证最终一致性。启动时 缓存预热
加载热门车型数据,数据库 QPS 压减 90% 以上。
读多写少场景下兼顾性能与数据准确,避免缓存雪崩与击穿。
三层异构架构:前端 SPA → Java 业务中台 → Python AI 微服务,职责清晰、可独立扩容。
DEMO CREDENTIALS · 点击右侧按钮可一键复制