StockSense AI
开源零售分析工具，采用确定性Python后端计算销售与库存指标，可选本地语言模型仅负责解释证据，实现计算与解释分离
时间轴 (近 90 天)
StockSense AI 是开发者 sleepyaishik69 在 GitHub 上开源的零售分析 MVP，仓库地址为 https://github.com/sleepyaishik69/Stock-Sense
StockSense AI 的核心设计原则是传统分析后端负责生成证据，可选的本地语言模型只负责解释证据；如果模型不可用，核心仪表盘照常工作
StockSense 使用 Python 的 Decimal 类型而非浮点数进行金额运算，因为二进制浮点数无法精确表示 0.1 这类十进制小数，累加多次后会出现分位偏差
StockSense 的 AI 路径通过本地 Ollama 服务调用，配置模型为 gemma2:2b，且模型没有 SQL 工具权限，无法修改库存或下单
StockSense 的界面会标注答案是来自核心分析、Gemma 模型还是核心分析回退，并展示日期范围和支撑的指标、商品、库存证据
StockSense 的净销售额定义为总销售额减去折扣再减去退款，税费虽被存储但不计入净销售额
StockSense 采用只追加的库存变动账本，记录期初盘点、实物盘点、到货、损坏和修正，销售导入不会悄悄覆盖当天库存
StockSense 的库存账本只能记录用户开始录入之后的变动，无法重建从未被捕获的库存历史
StockSense 的技术栈为：前端 Next.js 16、React 19、TypeScript、Tailwind CSS、Recharts；API 为 Python、FastAPI、SQLAlchemy、Pydantic；本地开发用 SQLite，Docker Compose 路径用 PostgreSQL；使用 Alembic 迁移
StockSense 的营销视图使用支持度、置信度和提升度指标呈现购物篮共购模式，且仅在存在可用交易 ID 时生效；这些描述性模式不能证明因果关系
还有 3 条时间轴事件
全部知识事实 (13)
StockSense AI 是开发者 sleepyaishik69 在 GitHub 上开源的零售分析 MVP，仓库地址为 https://github.com/sleepyaishik69/Stock-Sense
50%待验证StockSense AI 的核心设计原则是传统分析后端负责生成证据，可选的本地语言模型只负责解释证据；如果模型不可用，核心仪表盘照常工作
50%待验证StockSense 使用 Python 的 Decimal 类型而非浮点数进行金额运算，因为二进制浮点数无法精确表示 0.1 这类十进制小数，累加多次后会出现分位偏差
50%待验证StockSense 的 AI 路径通过本地 Ollama 服务调用，配置模型为 gemma2:2b，且模型没有 SQL 工具权限，无法修改库存或下单
50%待验证StockSense 的界面会标注答案是来自核心分析、Gemma 模型还是核心分析回退，并展示日期范围和支撑的指标、商品、库存证据
50%待验证StockSense 的净销售额定义为总销售额减去折扣再减去退款，税费虽被存储但不计入净销售额
50%待验证StockSense 采用只追加的库存变动账本，记录期初盘点、实物盘点、到货、损坏和修正，销售导入不会悄悄覆盖当天库存
50%待验证StockSense 的库存账本只能记录用户开始录入之后的变动，无法重建从未被捕获的库存历史
50%待验证StockSense 的技术栈为：前端 Next.js 16、React 19、TypeScript、Tailwind CSS、Recharts；API 为 Python、FastAPI、SQLAlchemy、Pydantic；本地开发用 SQLite，Docker Compose 路径用 PostgreSQL；使用 Alembic 迁移
50%待验证StockSense 的营销视图使用支持度、置信度和提升度指标呈现购物篮共购模式，且仅在存在可用交易 ID 时生效；这些描述性模式不能证明因果关系
50%待验证StockSense 的补货估算使用所选周期的日均件数、提前期和配置的补货阈值，不建模季节性、已确认的进货订单、供应商包装规格或需求不确定性，也永远不会自动生成采购订单
50%待验证StockSense 的导入流程接受 CSV 和 Excel 文件，日期、数量和单价为必填，交易 ID、SKU、商品名、品类、折扣、税费、单位成本和退货标识为可选；后端会拒绝非正数量与重复行，并可将被拒行及原因记入导入历史
50%待验证StockSense 的早期版本曾出现用户询问'哪个商品卖得最多'却返回无法判断、而证据面板显示销售总额的问题，以及询问'如何卖得更多'得到与商品和数据无关的宽泛营销建议
50%