SUV 数据底座与 AI 派活 Demo

本地 Streamlit MVP：从 Copy of 公司数据底座.xlsx 的 业务&团队 和 项目交付物 工作表读取数据，规范化合并单元格，再以 SQLite 查询生成可追溯的 SUV 派活计划。

本地运行

python -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python scripts/extract_data.py
streamlit run app.py

打开终端显示的本地地址。应用启动时会比较工作簿与 data/suv_foundation.sqlite 的更新时间；工作簿更新后会自动重建派生数据。

pytest

测试覆盖合并单元格的规范化、模块受控匹配、分类，以及实际工作簿的代表性交付物。应用不会生成不存在的模块、任务、责任人或交付时间。

应用以 AI 理解用户的自由文本任务描述。复制 .env.example 为本机 .env 并填入密钥后，应用会自动读取该文件：

export OPENAI_API_KEY="你的 OpenAI API 密钥"
export OPENAI_ROUTER_MODEL="gpt-5.6-luna"  # 可选
streamlit run app.py

密钥绝不能提交到 Git。AI 只接收用户的请求和当前交付模块名称列表，并通过严格 JSON Schema 从该列表选择一个模块（或拒绝匹配）；程序会再次验证选择后才查询 SQLite。任务、责任人、交付时间和数据质量提醒始终来自工作簿。

目前暂未收费实操 被视为未运营状态而非人员；缺少交付时间、未在名册找到的人员、以及疑似名称缩写都会在界面中显示提示。派生活动数据存放在 data/，权威来源始终是 Excel 工作簿。