AI Dashboard Generator

Веб-приложение на FastAPI, которое принимает CSV/XLS/XLSX, очищает данные, отправляет профиль набора данных в LLM, строит 5 графиков через Plotly и формирует PDF-отчёт.

Дополнительно реализованы три механики для аналитиков:

• Chat with Data — чат с данными на естественном языке
• Anomaly Radar — автоматический поиск аномалий и сильных корреляций
• Forecast Oracle — быстрые прогнозные сигналы по числовым метрикам

Структура проекта

• upload_station/ — приём файла и защита загрузки
• cleaning_department/ — очистка, нормализация, типизация
• ai_brain/ — промпты, LLM-адаптеры, парсинг ответа
• chart_factory/ — blueprint, построение графиков, инсайты, галерея
• report_studio/ — HTML-шаблон и генерация PDF
• web_face/ — SPA-интерфейс на Alpine.js
• shared_kernel/ — Pydantic-контракты, настройки, хранилище сессий
• analysis_laboratory/ — аномалии и прогнозные сигналы
• chat_operator/ — чатовый слой для вопросов к данным

Запуск локально

1. Создайте .env на основе .env.example.
2. Установите зависимости:

   pip install -r requirements.txt

3. Запустите сервер:

   uvicorn app:app --reload

4. Откройте http://localhost:8000.

Docker

docker build -t ai-dashboard-generator .
docker run --rm -p 8000:8000 --env-file .env ai-dashboard-generator

Переменные окружения

• OPENAI_API_KEY
• OPENAI_MODEL
• YANDEX_API_KEY
• YANDEX_FOLDER_ID
• YANDEX_MODEL_URI
• GENERIC_AI_API_KEY
• GENERIC_AI_BASE_URL
• GENERIC_AI_MODEL
• ADMIN_API_KEY
• JWT_SECRET_KEY
• AI_PROVIDER
• MAX_FILE_SIZE_MB
• SESSION_TTL_MINUTES
• RATE_LIMIT_REQUESTS
• RATE_LIMIT_WINDOW_SECONDS
• CHART_ROW_LIMIT
• AI_TIMEOUT_SECONDS

Enterprise-улучшения

• асинхронный конвейер обработки: POST /api/upload -> job_id, GET /api/job/{job_id} -> статус
• облегчённый слой постоянного хранения на SQLite как переходный этап к PostgreSQL
• хранение сессий, job, чатов и каталога отчётов
• JWT RBAC с ролями analyst, manager, admin
• типизированные API-ответы и endpoint проверки состояния: GET /api/health
• rate limiting для upload endpoint
• TTL-очистка слоя в памяти и безопасные имена директорий сессий
• структурированное логирование и время ответа в X-Process-Time-Ms
• fallback-план графиков при ошибке AI
• устойчивое чтение CSV с несколькими кодировками
• ограничение числа строк для charting, чтобы интерфейс не деградировал на больших файлах
• универсальный provider-слой для LLM через AI_PROVIDER
• поддержка OpenAI, Yandex и generic OpenAI-compatible API
• admin endpoints с заголовком X-Admin-API-Key
• provider SDK-контракты для chart planning, chat answering, insight generation

Подключение любой нейросети после продажи

Если у заказчика есть провайдер с OpenAI-compatible API, достаточно задать:

AI_PROVIDER=generic
GENERIC_AI_API_KEY=...
GENERIC_AI_BASE_URL=https://vendor.example.com/v1
GENERIC_AI_MODEL=vendor-model-name

После этого пайплайн будет работать без переписывания бизнес-логики.

Если у нового провайдера не OpenAI-compatible контракт, добавляется один новый адаптер в папку ai_brain/ и одна ветка в provider_registry.py.

Новые API второго этапа

• POST /api/auth/demo-login — получить демонстрационный JWT
• POST /api/upload — поставить файл в очередь
• GET /api/job/{job_id} — проверить статус обработки
• POST /api/chat/{session_id} — чат с данными
• GET /api/catalog/session/{session_id} — каталог отчётов по сессии
• GET /api/admin/session/{session_id} — инспекция полной сессии
• GET /api/admin/job/{job_id} — инспекция job