AI PLATFORM · 产品线 6 · 功能清单与排期建议
PL6 AI 开发平台 · 17 项需求功能清单与排期建议
CINEPILOT · PL6 AI DEVELOPMENT PLATFORM — FEATURE LIST & SCHEDULE
本文档依据《影院经营智能驾驶舱 产品功能清单》PL6 产品线 17 项功能，逐项展开功能描述、依赖前置、技术要点与工作量估算，并给出分阶段排期建议，作为 PL6 立项与开发排期的输入依据。PL1-PL5 已进入 MVP 开发阶段，PL6 定位为第二阶段（AI 深化）建设。
📦 功能规模：5 大模块 / 17 项
⚖️ P1：11 项 · P2：6 项
⏱ 预估工期：11-12 周
👥 建议投入：4-5 人（后端×2 / 前端×1 / 算法×1-2）
01PL6 概述与优先级分布
PL6「AI 开发平台」面向集团 AI 能力的中台化与开放化，包含 5 大模块 17 项功能：AI 开发平台（M1）让运营人员用自然语言或低代码快速生成经营应用；AI 营销 Agent（M2）实现目标驱动的营销策略自动生成与下发；智能问答助手（M3）提供知识库问答、数据问数与报表解读；模型与算法管理（M4）统一管理垂类模型生命周期；开放能力（M5）对外提供标准化数据 API。
| 模块 | 功能数 | P1 | P2 | 核心价值 |
|---|
| M1 AI 开发平台 | 4 | 3 | 1 | 让运营零代码/低代码自建经营应用 |
| M2 AI 营销 Agent | 4 | 3 | 1 | 营销策略自动生成与一键下发 |
| M3 智能问答助手 | 3 | 0 | 3 | 全员自然语言取数与知识检索 |
| M4 模型与算法管理 | 3 | 3 | 0 | 模型训练/评估/部署/门禁闭环 |
| M5 开放能力 | 3 | 2 | 1 | 数据 API 标准化与生态开放 |
与现状衔接：PL6 各项能力建立在已交付的 PL1-PL5 之上——数据问数（NL2SQL）复用现有六大模块指标 API；模型管理将现有「规则引擎 + 统计模型」升级为可训练/可回测的模型体系；AI 营销 Agent 复用 CDP 人群圈选与券引擎；OpenAPI 复用票房/排片/预警模块的数据契约。
02详细功能清单（17 项）
M1 · AI 开发平台（4 项）
| 编号 | 功能名称 | 优先级 | 用户 | 功能描述 | 依赖前置 | 技术要点 | 工作量 |
|---|
PL6-M1-F01 | 自然语言生成应用 | P1 | 运营人员 | 自然语言描述需求（如"做一个今日票房异动看板"）→ 自动生成可运行应用；可预览、修改、发布，交付 ≤ 4 小时 | M4-F03 大模型底座；现有指标 API | NL 意图解析 + 图表组件代码生成 + 沙箱预览 | 15-20 人日 |
PL6-M1-F02 | 低代码可视化编排 | P1 | 运营人员 | 可视化画布编排应用：数据源、指标组件拖拽、过滤条件、联动；与 NL 生成结果可互转 | M1-F01 | 组件库 + 画布引擎 + 配置 JSON 双向互转 | 20-25 人日 |
PL6-M1-F03 | 应用模板市场 | P2 | 运营人员 | 沉淀常用模板（票房异动/竞对速报/场次效率/会员运营看板），支持复用、自定义、团队分享与使用统计 | M1-F01/F02 | 模板元数据 + 分享权限 + 使用统计 | 6-8 人日 |
PL6-M1-F04 | 应用运行监控 | P1 | 数据团队 | 监控已发布应用的运行状态、数据更新时效、访问量；异常自动告警；支持一键下线与版本回退 | M1-F01 | 运行探针 + 数据时效检测 + 版本管理 | 8-10 人日 |
M2 · AI 营销 Agent（4 项）
| 编号 | 功能名称 | 优先级 | 用户 | 功能描述 | 依赖前置 | 技术要点 | 工作量 |
|---|
PL6-M2-F01 | 目标驱动策略生成 | P1 | 会员运营 | 输入经营目标（提升首周末票房/唤醒沉睡会员）→ Agent 产出营销策略（人群圈选建议、活动形式、预算分配），附依据说明，人工确认后执行 | M4-F03；CDP 人群/RFM | 目标→策略规则链 + 人群圈选接口 + 预算测算 | 10-12 人日 |
PL6-M2-F02 | 内容与发券规则生成 | P1 | 会员运营 | 自动生成活动文案（多版本）、优惠券规则（券种/面额/适用场次/有效期）；人工审核后生效，留痕 | M2-F01；券引擎 | 文案生成 + 券规则结构化生成 + 审核流 | 8-10 人日 |
PL6-M2-F03 | 渠道排期与一键下发 | P1 | 会员运营 | 编排多渠道排期（小程序/短信/企微），一键下发；下发前频控与合规检查（退订排除）；结果实时反馈 | M2-F02；触达通道 | 排期引擎 + 频控/合规检查 + 下发回执 | 8-10 人日 |
PL6-M2-F04 | 转化追踪与策略自优化 | P2 | 会员运营 | 追踪转化率（核销/到店/复购），对比 Agent 与人工策略效果；沉淀策略效果库驱动生成优化 | M2-F03；活动归因 | 转化归因 + 策略效果库 + 生成权重迭代 | 8-10 人日 |
M3 · 智能问答助手（3 项）
| 编号 | 功能名称 | 优先级 | 用户 | 功能描述 | 依赖前置 | 技术要点 | 工作量 |
|---|
PL6-M3-F01 | 经营知识库问答 | P2 | 全员 | 基于经营知识库（指标口径/流程制度/政策法规）回答提问；引用来源，无匹配时明确"未找到答案"并引导人工 | M4-F03；知识库建设 | RAG 检索增强生成 + 来源引用 + 兜底引导 | 8-10 人日 |
PL6-M3-F02 | 数据问数（NL2SQL） | P2 | 全员 | 自然语言转指标查询并返回图表；查询前展示"将执行的数据口径"；支持追问澄清；低置信度转人工 | M3-F01；指标 API 语义层 | NL2SQL/语义层映射 + 口径展示 + 置信度分级 | 12-15 人日 |
PL6-M3-F03 | 多模态报表解读 | P2 | 总部运营 | 上传报表截图/文件，自动识别并解读关键指标与异常点；标注识别置信度，低置信度提示人工核对 | M4-F03（多模态） | OCR + 视觉理解 + 指标异常解读 | 8-10 人日 |
M4 · 模型与算法管理（3 项）
| 编号 | 功能名称 | 优先级 | 用户 | 功能描述 | 依赖前置 | 技术要点 | 工作量 |
|---|
PL6-M4-F01 | 模型训练/评估/部署 | P1 | 算法团队 | 统一管理票房预测、需求预测、定价优化、偏好模型等垂类模型的训练、评估与部署；评估维度：准确率/覆盖率/稳定性，不达标不得上线 | 现有规则引擎+统计模型升级 | 训练流水线 + 评估指标体系 + 部署通道 | 10-12 人日 |
PL6-M4-F02 | 模型版本与回测门禁 | P1 | 算法团队 | 模型版本管理与历史回测（预测 vs 实际）；新版本须过回测门禁与灰度观察，支持快速回退 | M4-F01；predict_backtest 已有 | 版本管理 + 门禁流水线 + 灰度/回退 | 6-8 人日 |
PL6-M4-F03 | 大模型底座接入管理 | P1 | 数据团队 | 统一接入国产大模型底座（通义/豆包等）与本地化部署模型；管理 API Key、调用配额与成本；按场景路由模型并观察效果 | —（PL6 基础能力） | 模型网关 + Key/配额管理 + 场景路由 + 成本核算 | 8-10 人日 |
M5 · 开放能力（3 项）
| 编号 | 功能名称 | 优先级 | 用户 | 功能描述 | 依赖前置 | 技术要点 | 工作量 |
|---|
PL6-M5-F01 | 数据 OpenAPI | P1 | 数据团队 | 向集团内部分系统与授权伙伴开放标准化数据 API（指标/排片/预警）；文档、示例、沙箱齐备；调用量可计费可审计 | PL1-PL5 各模块数据契约 | API 网关 + OpenAPI 文档 + 沙箱 + 计量 | 10-12 人日 |
PL6-M5-F02 | 权限与密钥管理 | P1 | 数据团队 | API 调用权限按角色/数据范围控制；密钥轮换与调用审计；超限自动限流，异常调用告警 | M5-F01；现有 RBAC | AK/SK 体系 + 限流 + 审计 | 8-10 人日 |
PL6-M5-F03 | 生态伙伴应用接入 | P2 | 生态运营 | 生态伙伴（卖品/异业/内容方）应用接入规范与审核流程，支撑非票业务协同；安全评估后上架 | M5-F01/F02 | 接入审核流 + 安全评估 + 应用上架 | 8-10 人日 |
工作量汇总：17 项合计约 175-200 人日（含联调与文档）。其中 P1（11 项）约 120-135 人日，P2（6 项）约 50-60 人日。
03依赖关系与实施策略
PL6 内部存在清晰的依赖链，决定了实施顺序：M4-F03（大模型底座）是全局前置，M1/M2/M3 的 AI 能力均依赖它；M1-F01 → M1-F02 → M1-F03/F04 构成应用平台链路；M2 依赖 CDP 与券引擎（已交付）；M3 依赖指标语义层（现有 API）；M5 依赖 PL1-PL5 数据契约（已就绪）。
| 依赖层 | 功能 | 说明 |
|---|
| 第 0 层（底座） | M4-F03 大模型底座接入 | 全部 AI 能力（NL 生成/NL2SQL/Agent/多模态）的统一网关，必须最先建设 |
| 第 1 层（AI 能力） | M4-F01/F02 模型管理；M3-F01 知识库问答；M3-F03 多模态解读 | 依赖底座，可并行；模型管理同时服务于 M1/M2 的预测/推荐 |
| 第 2 层（应用与助手） | M1-F01/F02/F03/F04；M3-F02 NL2SQL；M2-F01 策略生成 | 依赖第 1 层；M1 应用平台与 M2 营销 Agent 可并行 |
| 第 3 层（营销闭环） | M2-F02 内容/券生成 → F03 排期下发 → F04 转化自优化 | 串行链，按 F02→F03→F04 顺序交付 |
| 第 4 层（开放） | M5-F01/F02/F03 | 依赖全部业务模块数据契约；可最早并行做 API 网关骨架 |
并行策略：M5 开放能力（F01 网关骨架）可与第 0 层并行启动；M4 模型管理（F01/F02）与 M3 知识库问答可并行；M1 应用平台与 M2 营销 Agent 在第 2 层并行。5 个模块最多可拆 3 条并行线。
04排期建议（5 阶段 / 12 周）
按「底座先行 → AI 能力 → 应用/助手 → 营销闭环 → 开放」推进，3 人（后端×2 + 前端×1）主力 + 算法 1 人配合；若增加至 5 人可压缩至 9-10 周。
阶段 6AAI 底座与模型管理M4-F03 大模型底座接入 · M4-F01 模型训练/评估/部署 · M4-F02 版本与回测门禁
第 1-2 周
阶段 6B智能问答助手M3-F01 知识库问答（RAG） · M3-F02 数据问数 NL2SQL · M3-F03 多模态报表解读
第 3-4 周
阶段 6CAI 开发平台M1-F01 自然语言生成应用 · M1-F02 低代码可视化编排 · M1-F03 模板市场 · M1-F04 应用运行监控
第 5-7 周
阶段 6DAI 营销 AgentM2-F01 目标驱动策略生成 · M2-F02 内容与发券生成 · M2-F03 渠道排期与一键下发 · M2-F04 转化追踪与自优化
第 7-9 周
阶段 6E开放能力与生态M5-F01 数据 OpenAPI · M5-F02 权限与密钥管理 · M5-F03 生态伙伴应用接入
第 10-12 周
阶段明细
| 阶段 | 周期 | 交付内容 | 里程碑验收 | 人力 |
|---|
| 6A AI 底座 | 第 1-2 周 | 大模型网关（通义/豆包接入、Key/配额/成本）、模型训练评估部署框架、版本回测门禁（复用 predict_backtest） | 模型可注册/训练/评估/上线回退；大模型 API 可用 | 后端×2 + 算法×1 |
| 6B 智能问答 | 第 3-4 周 | 知识库（指标口径/流程/法规）接入 RAG 问答、NL2SQL（指标语义层映射 + 口径展示 + 置信度分级）、报表截图解读 | 3 个问答能力可演示，引用来源正确 | 后端×2 + 前端×1 |
| 6C AI 开发平台 | 第 5-7 周 | NL 生成应用（意图→图表组件→沙箱预览→发布）、低代码画布编排、模板市场、应用运行监控 | 运营可 NL 生成看板并发布；画布可反向编辑 NL 产物 | 后端×2 + 前端×1 |
| 6D 营销 Agent | 第 7-9 周 | 目标→策略生成（人群圈选）、文案/券规则生成+审核、渠道排期一键下发（频控合规）、转化追踪自优化 | 端到端：输入目标→策略→审核→下发→回执闭环 | 后端×2 + 前端×1 |
| 6E 开放能力 | 第 10-12 周 | 数据 OpenAPI（指标/排片/预警标准化 + 文档沙箱计量）、AK/SK 权限密钥与限流审计、生态应用接入审核 | API 网关可计费可审计；伙伴应用可接入 | 后端×2 |
P2 项穿插安排
| P2 功能 | 建议排期 | 说明 |
|---|
| M1-F03 应用模板市场 | 6C 末（第 7 周） | 随应用平台上线沉淀首批 4 类模板 |
| M2-F04 转化追踪自优化 | 6D 末（第 9 周） | 依赖活动归因，先做效果对比，自优化灰度 |
| M3-F03 多模态报表解读 | 6B（第 4 周） | 依赖多模态模型，可后置到 6B 末 |
| M3-F01/M3-F02（P2 问答） | 6B 全程 | P2 但为全员高频能力，建议按 P1 节奏交付 |
| M5-F03 生态伙伴接入 | 6E 末（第 12 周） | 依赖 OpenAPI 与权限体系 |
05风险提示与验收建议
关键风险：
- 大模型选型与成本：国产大模型（通义/豆包）能力与计费差异大，建议 6A 阶段完成 POC 对比（NL 生成、NL2SQL 准确率）后再定底座 [待确认]
- NL2SQL 准确率门槛：功能清单标注 [待确认]，建议设定验收门槛（如典型问数准确率 ≥ 90%），低置信度兜底转人工
- 低代码画布复杂度：M1-F02 为 PL6 最重功能（20-25 人日），建议先交付 NL 生成（F01）验证价值，画布二期增强
- 数据开放合规：M5 对外开放范围与计费模式 [待确认]，涉及数据安全与个保法，需法务与安全评审
分阶段验收建议
| 阶段 | 验收标准（示例） |
|---|
| 6A | 大模型网关可用；票房预测模型完成一次训练→回测→门禁→上线→回退全流程 |
| 6B | 「今日票房环比」问数返回图表且口径展示正确；知识库问题带来源引用 |
| 6C | 运营从描述到发布看板 ≤ 4 小时（对标凤凰云智 3.0） |
| 6D | 「唤醒沉睡会员」目标端到端生成策略→审核→下发→回执闭环 |
| 6E | OpenAPI 文档/沙箱/计量齐备；密钥轮换与限流生效；一次伙伴应用接入演练 |