中枢 · 款多多品牌运营智能中枢 战略蓝图
| 项目 |
内容 |
| 文档名称 |
中枢 · 品牌运营智能中枢 战略蓝图 |
| 版本 |
V1.0（文档） |
| 发布时间 |
2026-08-24 |
| 系统版本 |
V8.7.1（2026-08-21） |
| 来源 |
款多多（aimo.kddauto.com） |
| 参考对标 |
地枢战略蓝图 V7.3（d.kddauto.com/lantu） |
一、系统定位
品牌运营智能中枢（Brand Operations AI Brain）——让每个品牌的每一次经营决策都"有数据、有算法、有智能"。
中枢 = 算法引擎（预测/补货/流失/推荐/定价/归因）+ 业务平台（看板/报告/驾驶舱/客服）+ 多AI协同（Hermes子代理） 三位一体的品牌运营大脑。
一句话：别人做数据看板，极少数做智能决策，中枢卖的是"品牌经营结果"——预测准了、补货对了、流失防了、推荐灵了、定价优了。
在中枢生态中的定位（五元协同）
| 系统 |
平面 |
职责 |
| 天枢 |
控制 |
88 Agent 编排 · Ed25519 · 多AI指挥 |
| 知微 |
数据 |
情报 · GraphRAG · 13源 |
| 灵枢 |
数据 |
Agent工厂 · 金睛18维 |
| 中枢 |
业务 |
品牌运营 · 算法中枢 · 报告引擎 · 多AI协同驾驶舱 |
| 地枢 |
执行 |
双算法 · 4000仓 · 渠道资产 |
二、核心模块（八大引擎）
| 引擎 |
定位 |
核心能力 |
| 数据看板 |
经营实况 |
营收趋势/渠道对比/品类分布/地理分布/FAST四阵地作战室/门店经营 |
| 报告引擎 |
智能成文 |
日/周/月/复盘四类报告（FAST口径统一+DeepSeek生成+持久化） |
| 算法中枢 |
决策大脑 |
需求预测/智能补货/客户流失/异常检测/交叉推荐/动态定价/算法效果基线 |
| 对话驾驶舱 |
自然语言 |
NL2SQL 20高频场景 + AI归因 + 预测建议 |
| 情报引擎 |
外部感知 |
行业新闻/品牌简报/运营案例（每日08:30自动采集） |
| Agent工厂 |
能力复用 |
8业务Agent注册 + 模板实例化 + MCP工具化 |
| 开放API |
对外能力 |
85 MCP工具注册表 + 配额 + 审计 |
| 行业模板 |
场景沉淀 |
模板CRUD + 实例化生成报告 |
| 多AI协同驾驶舱 |
协同可视化 |
Hermes子代理并行 + 岗位泳道 + 最终报告（新增V8.7.0） |
| 智能客服 |
全流程服务 |
售前推荐/售中订单/售后工单 + MiniMax-M2.7优先 |
三、算法体系（核心资产）
3.1 六算法现状（已实现·有效果基线）
| 引擎 |
算法 |
效果基线（实测） |
优化目标 |
| 需求预测 |
LightGBM(分位数P10/P50/P90) / SARIMA / Naive |
wMAPE 49.47% |
预测误差↓ |
| 客户流失 |
XGBoost 二分类 |
AUC 0.7584 |
流失识别↑ |
| 异常检测 |
多模型融合（统计+ML） |
召回率 69.7% |
异常召回↑ |
| 交叉推荐 |
ALS 协同过滤 |
命中率 21.97% |
推荐命中↑ |
| 动态定价 |
价格弹性系数 |
覆盖率 100% |
价格优化 |
| 智能补货 |
SS=Z×0.3×DD×√LT + ROP |
预测驱动覆盖率 80.8% |
缺货率↓ |
决策闭环：4 类算法联动（预测→补货→定价→推荐），效果基线月度重训对比（before/after）。
3.2 算法全景规划（现状6类 + 深度学习全家桶 + 前沿）
中枢可用的完整算法矩阵（含原理详见《中枢_算法体系全景_V1.0.md》）：
传统机器学习 LightGBM✅ / XGBoost✅ / CatBoost / 随机森林 / 逻辑回归 / SVM
时序预测 SARIMA✅ / Naive✅ / Prophet / ETS / 指数平滑
深度学习时序 LSTM/GRU / Transformer(Informer) / 1D-CNN / TCN / N-BEATS / 分位数回归
深度学习非时序 CNN(门店图片/货架识别) / AutoEncoder(异常) / TabNet(表格DL)
图神经网络 GNN 门店网络 / 商品关联图 / 渠道图谱 / 时序GNN(TGN)
强化学习 RL DQN/PPO(动态定价) / 补货策略 / 推荐EE
推荐系统 ALS✅ / Item2Vec / 双塔DSSM / 图推荐(PinSage)
聚类分群 K-Means(RFM客户/门店分群) / DBSCAN / 层次聚类
关联规则 Apriori / FP-Growth(商品关联)
因果推断 Uplift模型 / 双重差分(DID) / 工具变量
生存分析 客户生命周期 / 流失时间预测
集成学习 Stacking / Bagging / Boosting
在线学习 Thompson Sampling / 在线梯度
联邦学习 FedAvg(多品牌/门店数据不出域)
迁移学习 跨品牌知识迁移(新品牌冷启动)
大模型 LLM NL2SQL✅ / 报告生成✅ / 智能客服✅ / RAG知识库 / 多AI协同✅
"不断提升系统AI/算法能力"的闭环：算法效果基线（月度重训 before/after）→ 退化趋势告警 → 择优保留/替换 → 新算法灰度 → 效果对比 → 全量推广。
四、技术栈（五层架构）
| 层级 |
技术内容 |
| 业务层 |
AIMO前端(React+Vite+TS, 6001) · FastAPI(6003) · 飞书登录/统一Key |
| 算法层 |
LightGBM/XGBoost/SARIMA/ALS/安全库存 · 六算法效果基线 · 分位数回归 |
| AI层 |
Hermes Agent(zhongshu) · MiniMax-M2.7/deepseek-v4-flash · MCP 85工具 · 子代理并行 |
| 数据层 |
MySQL(CynosDB) 47.1万订单/62品牌/1203门店 · 算法效果基线表 · MO快照 |
| 协议层 |
REST/WebSocket · MCP · Ed25519身份 · 天枢X-API-Key(中枢工作区) |
五、版本与路线图
| 版本 |
代号 |
时间 |
核心交付 |
状态 |
| v1 启枢 |
Initiate |
2026-05~06 |
品牌BOCH→中枢 · 运营看板 · 数据清洗(34亿数据治理) |
✅ 完成 |
| v2 明枢 |
Illuminate |
2026-06~07 |
报告引擎 · 对话驾驶舱 · Agent工厂 · 行业模板 |
✅ 完成 |
| v3 映枢 |
Mirror |
2026-07~08 |
算法中枢V7.1-7.3(预测/补货/定价) · 效果基线 · 飞书登录 |
✅ 完成 |
| v4 联枢 |
Connect |
2026-08~09 |
多AI协同驾驶舱 · MiniMax客服 · 子代理并行 · 算法全景扩 |
📋 进行中 |
| v5 慧枢 |
Wisdom |
2026-10~12 |
深度学习时序(LSTM/Transformer) · GNN图谱 · RL定价 |
📋 计划 |
| v6 耀枢 |
Radiance |
2027 |
联邦学习 · 迁移学习冷启动 · SaaS品牌运营 · MCP 100工具 |
📋 计划 |
六、关键验收指标
| 维度 |
指标 |
目标 |
| 算法 |
需求预测 wMAPE |
49.47% → ≤35%（深度学习后） |
|
客户流失 AUC |
0.7584 → ≥0.85 |
|
异常召回率 |
69.7% → ≥85% |
|
推荐命中率 |
21.97% → ≥40% |
|
补货缺货率 |
→ ↓30% |
|
动态定价毛利 |
→ +5pp |
| 协同 |
多AI协同报告生成 |
5子代理并行·必出实质报告 |
|
客服满意度 |
售前/售中/售后全流程 |
| 数据 |
品牌覆盖 |
62品牌 → 全品牌 |
|
决策闭环 |
4算法联动 → 6算法全联动 |
七、数据来源与证据链
- 本地文档：docs/工作流/中枢V7.1-V8.7系列设计文档、docs/产品蓝图/中枢_算法体系全景_V1.0.md
- 实测数据：六算法效果基线（wMAPE 49.47 / AUC 0.7584 / 召回 69.7% / 命中 21.97% / 覆盖 100% / 补货 80.8%）· 47.1万订单
- 外部对标：需求预测终极指南（LightGBM/Prophet）· 深度学习供应链预测（LSTM/Transformer）· 地枢双算法联邦学习（FedAvg 4000仓）
八、市场定位
- 目标：款多多品牌矩阵 62 品牌 + 即时零售全域品牌运营
- 差异化：「别人卖看板，极少数卖算法，中枢卖的是品牌经营结果」
- 三步走：运营工具(已达成) → 算法中枢(进行中) → 品牌智能大脑(规划)