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 sqlite3Docker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