PhoneMall

问题

传统商品筛选要求用户先看懂大量参数，而普通聊天模型又可能编造商品、价格或库存。PhoneMall 把完整商城流程和 RAG 智能导购放在同一套系统里，让模型根据当前真实商品数据给出建议。

解决方案

系统先从当前可售商品中找出候选，再把商品信息和用户限制交给模型生成建议，并通过 SSE 逐步返回。模型负责解释差异，商品、库存和订单状态仍然只由业务服务决定。

业务闭环

• 用户、商品、SKU、购物车、订单、库存、支付、取消与退款。
• 商家商品管理、履约处理和 AI 配置。
• Spring Cloud 服务治理、MySQL 持久化、Redis 缓存与 Docker 自托管部署。

验证证据

截至 2026-07-15 的审查快照包含 4 个后端服务和 39 个后端测试。仓库 CI 还验证后端、前端构建、Compose/Nginx 配置以及源码和镜像安全扫描。源码仓库现已公开，读者可以直接核对实现与发布记录；仓库尚未选择开源许可证，因此这里只标记为“公开仓库”。

取舍与限制

当前版本仍处于 Alpha。内存向量检索更适合中小规模商品集；前端 E2E、检索效果评测、实际负载下的性能数据和统一演示素材仍需补充。这里不会把它描述成已经公开上线或可以直接用于生产的系统。

下一步

• 补充脱敏界面截图、架构图和完整流程视频。
• 建立检索评测与性能基线。
• 增加前端端到端测试。
• 评估持久化向量索引。