系统概述

“新能源智选”是一套面向新能源汽车消费者和汽车数据管理人员的销售数据分析与购车推荐系统。系统以 MySQL 中的车型、销量、评分和用户评论数据为基础，使用 Pandas、NumPy 完成数据清洗、统计分析、指标标准化和推荐计算，并通过 Flask 向用户端和管理端提供服务。

系统主要解决以下问题：

• 汽车参数、价格、销量与口碑信息分散，消费者难以快速形成统一判断。
• 不同预算区间内车型数量较多，仅比较单一价格或评分容易产生片面结论。
• 传统排行榜缺少个性化能力，无法体现用户对空间、舒适、动力等属性的不同偏好。
• 数据分析结果专业性较强，普通用户不容易理解推荐分数和车型之间的取舍。

为此，系统围绕“数据分析、性价比推荐、车型对比、AI 辅助决策、后台管理”五个方面展开建设。游客可以浏览车型与公开分析数据；普通用户登录后可以收藏、评分、保存购车偏好并获得个性化推荐；管理员可维护车型、销量、评论和推荐权重，并查看运营数据与系统日志。

系统创新点

1 “确定性推荐 + 大模型解释”的双层架构

系统将可复现的数据算法与生成式 AI 分离：第一层负责预算过滤、指标计算和稳定排序；第二层负责推荐解释、对比总结和自然语言问答。该设计既利用了大语言模型良好的人机交互能力，又避免模型幻觉直接控制推荐结果。

2 融合价格、销量、评分和评论的多指标评价

系统不以最低价格、最高销量或最高评分作为唯一标准，而是将七类指标统一标准化并加权计算，使“性价比”由可量化的多维数据共同决定。

3 面向小样本评论的贝叶斯平滑

对于评论数量很少但好评率极高的车型，直接使用原始好评率容易造成排序偏差。系统引入全站平均先验和固定平滑强度，提高不同评论规模车型之间比较的公平性。

4 推荐结果可解释、可调节、可追溯

用户可以修改预算、能源类型、车型类型和关注重点，页面结果随条件实时更新。管理员可以调整七项推荐权重、执行算法试算并查看推荐日志。每次推荐都保留算法版本和结果车型编号，便于复核。

5 冷启动与行为个性化结合

新用户通过预算和偏好问卷获得综合推荐；当收藏和高评分行为积累到一定数量后，系统自动融合用户画像相似度，实现从规则推荐到个性化推荐的平滑过渡。

6 可复现的时间序列数据构造

在缺少完整历史月销量的条件下，系统采用固定随机种子生成连续 12 个月演示数据，并保证最后一期与原始快照一致。该方法兼顾了趋势分析演示、结果可复现和数据来源可说明性。

7 AI 安全与可靠性设计

API 密钥仅保存在服务端环境变量中，不进入前端、数据库或日志。系统还设置输入长度限制、评论不可信标记、调用限流、结果缓存、超时重试和错误降级，避免 AI 服务异常影响主业务。