ng-code/backup-original/app/services/mock-data.service.ts

import { Injectable } from '@angular/core';
import { Observable, of } from 'rxjs';
import { DocumentSession, DocumentType, createEmptyDocumentSessions } from '../models/document.model';

@Injectable({
  providedIn: 'root'
})
export class MockDataService {
  // 模拟项目ID
  private mockProjectId = 'proj_mock_001';
  
  // 模拟文档会话数据
  private mockDocumentSessions: DocumentSession[] = [
    {
      id: DocumentType.UserRequirement,
      sessionId: 'session_user_req_001',
      title: '用户原始需求',
      content: `帮我建立自动补货：要求先按销售业绩进行店铺分组，商品按爆畅平滞分类，后，按照售罄率进行补货等等来编写sql代码，分步骤建立临时表保存过度数据，最后测试通过，发布。

具体要求：
1. 店铺分组：按最近30天销售额分为A、B、C三类店铺
2. 商品分类：按销售表现分为爆款、畅款、平款、滞销款
3. 补货逻辑：基于售罄率计算补货数量
4. 临时表：每个步骤建立临时表保存中间结果
5. 最终输出：完整的补货建议报告`,
      type: DocumentType.UserRequirement,
      lastUpdated: new Date('2025-02-13T10:00:00'),
      isLoading: false,
      hasContent: true
    },
    {
      id: DocumentType.Requirement,
      sessionId: 'session_req_002',
      title: '需求文档',
      content: `# 自动补货系统需求文档

## 1. 业务目标
建立智能补货系统，基于销售数据和库存情况自动生成补货建议。

## 2. 核心功能
### 2.1 店铺分级
- 输入：店铺最近30天销售数据
- 逻辑：按销售额排序，分为A(前30%)、B(中间40%)、C(后30%)
- 输出：店铺分级表

### 2.2 商品分类
- 输入：商品销售数据（销量、销售额、库存）
- 逻辑：按销售表现分类：
  - 爆款：销量Top 20%，售罄率>80%
  - 畅款：销量中间60%，售罄率40-80%
  - 平款：销量较低但稳定
  - 滞销款：30天无销售或售罄率<20%
- 输出：商品分类表

### 2.3 补货计算
- 输入：商品分类、店铺分级、当前库存、销售预测
- 逻辑：基于售罄率计算建议补货数量
- 公式：建议补货量 = (销售预测 × 补货系数) - 当前库存
- 输出：补货建议表

## 3. 数据流程
1. 原始销售数据 → 店铺分级
2. 商品销售数据 → 商品分类
3. 分级+分类+库存 → 补货计算
4. 输出补货建议报告`,
      type: DocumentType.Requirement,
      lastUpdated: new Date('2025-02-13T11:30:00'),
      isLoading: false,
      hasContent: true
    },
    {
      id: DocumentType.Technical,
      sessionId: 'session_tech_003',
      title: '技术文档',
      content: `# 自动补货系统技术方案

## 1. 系统架构
### 1.1 数据层
- 数据源：销售事实表、店铺维度表、商品维度表
- 存储：MySQL + Redis缓存
- ETL：每日定时任务更新数据

### 1.2 计算层
- 临时表设计：
  \`\`\`sql
  -- 临时表1：店铺分级
  CREATE TEMPORARY TABLE tmp_store_level AS
  SELECT 
    store_id,
    sales_amount,
    CASE 
      WHEN sales_percentile <= 0.3 THEN 'A'
      WHEN sales_percentile <= 0.7 THEN 'B'
      ELSE 'C'
    END AS store_level
  FROM (
    SELECT 
      store_id,
      SUM(sales_amount) as sales_amount,
      PERCENT_RANK() OVER (ORDER BY SUM(sales_amount)) as sales_percentile
    FROM sales_fact
    WHERE sale_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
    GROUP BY store_id
  ) t;
  \`\`\`

### 1.3 业务层
- 补货算法实现
- 参数配置管理
- 结果输出接口

## 2. 关键技术
- SQL窗口函数（PERCENT_RANK）
- 临时表管理
- 参数化查询
- 批量数据处理`,
      type: DocumentType.Technical,
      lastUpdated: new Date('2025-02-13T13:15:00'),
      isLoading: false,
      hasContent: true
    },
    {
      id: DocumentType.Implementation,
      sessionId: 'session_impl_004',
      title: '业务实现',
      content: `# 自动补货SQL实现代码

## 步骤1：店铺分级
\`\`\`sql
-- 创建店铺分级临时表
DROP TEMPORARY TABLE IF EXISTS tmp_store_level;
CREATE TEMPORARY TABLE tmp_store_level AS
WITH store_sales AS (
  SELECT 
    s.store_id,
    st.store_name,
    SUM(f.sales_amount) as total_sales,
    COUNT(DISTINCT f.sale_date) as sales_days,
    ROW_NUMBER() OVER (ORDER BY SUM(f.sales_amount) DESC) as rank,
    COUNT(*) OVER () as total_stores
  FROM sales_fact f
  JOIN store_dim s ON f.store_id = s.store_id
  WHERE f.sale_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
  GROUP BY s.store_id, st.store_name
)
SELECT 
  store_id,
  store_name,
  total_sales,
  sales_days,
  CASE 
    WHEN rank <= total_stores * 0.3 THEN 'A'
    WHEN rank <= total_stores * 0.7 THEN 'B'
    ELSE 'C'
  END as store_level
FROM store_sales;
\`\`\`

## 步骤2：商品分类
\`\`\`sql
-- 创建商品分类临时表
DROP TEMPORARY TABLE IF EXISTS tmp_product_category;
CREATE TEMPORARY TABLE tmp_product_category AS
SELECT 
  p.product_id,
  p.product_name,
  SUM(f.quantity) as total_sales_qty,
  SUM(f.sales_amount) as total_sales_amount,
  AVG(p.current_stock) as avg_stock,
  CASE
    WHEN SUM(f.quantity) > PERCENTILE_CONT(0.8) WITHIN GROUP (ORDER BY SUM(f.quantity)) OVER () 
         AND (SUM(f.quantity) / (AVG(p.current_stock) + SUM(f.quantity))) > 0.8 
         THEN '爆款'
    WHEN SUM(f.quantity) > PERCENTILE_CONT(0.2) WITHIN GROUP (ORDER BY SUM(f.quantity)) OVER () 
         THEN '畅款'
    WHEN SUM(f.quantity) > 0 THEN '平款'
    ELSE '滞销款'
  END as product_category
FROM sales_fact f
JOIN product_dim p ON f.product_id = p.product_id
WHERE f.sale_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
GROUP BY p.product_id, p.product_name;
\`\`\`

## 步骤3：补货计算
\`\`\`sql
-- 最终补货建议
SELECT 
  s.store_id,
  s.store_name,
  s.store_level,
  p.product_id,
  p.product_name,
  p.product_category,
  p.current_stock,
  f.avg_daily_sales,
  ROUND(f.avg_daily_sales * 7 - p.current_stock, 0) as suggested_replenishment
FROM store_dim s
CROSS JOIN product_dim p
JOIN (
  SELECT 
    store_id,
    product_id,
    AVG(quantity) as avg_daily_sales
  FROM sales_fact
  WHERE sale_date >= DATE_SUB(CURDATE(), INTERVAL 30 DAY)
  GROUP BY store_id, product_id
) f ON s.store_id = f.store_id AND p.product_id = f.product_id
WHERE p.current_stock < f.avg_daily_sales * 3  -- 库存小于3天销量
ORDER BY s.store_level, p.product_category, suggested_replenishment DESC;
\`\`\``,
      type: DocumentType.Implementation,
      lastUpdated: new Date('2025-02-13T14:45:00'),
      isLoading: false,
      hasContent: true
    },
    {
      id: DocumentType.Test,
      sessionId: 'session_test_005',
      title: '测试文档',
      content: `# 自动补货系统测试方案

## 1. 测试数据准备
### 1.1 模拟数据
\`\`\`sql
-- 创建测试店铺数据
INSERT INTO store_dim (store_id, store_name, region, create_time) VALUES
('S001', '测试店铺A', '华东', NOW()),
('S002', '测试店铺B', '华南', NOW()),
('S003', '测试店铺C', '华北', NOW());

-- 创建测试商品数据
INSERT INTO product_dim (product_id, product_name, category, current_stock, create_time) VALUES
('P001', '测试商品1', '服装', 100, NOW()),
('P002', '测试商品2', '鞋类', 50, NOW()),
('P003', '测试商品3', '配件', 200, NOW());

-- 创建测试销售数据
INSERT INTO sales_fact (sale_id, store_id, product_id, sale_date, quantity, sales_amount) VALUES
(UUID(), 'S001', 'P001', DATE_SUB(CURDATE(), INTERVAL 1 DAY), 10, 1000),
(UUID(), 'S001', 'P002', DATE_SUB(CURDATE(), INTERVAL 2 DAY), 5, 750),
(UUID(), 'S002', 'P001', DATE_SUB(CURDATE(), INTERVAL 3 DAY), 8, 800);
\`\`\`

## 2. 功能测试用例
### 2.1 店铺分级测试
- 输入：30天销售数据
- 预期：正确分为A、B、C三级
- 验证：检查分级逻辑和比例

### 2.2 商品分类测试
- 输入：商品销售数据
- 预期：正确分为爆、畅、平、滞四类
- 验证：检查分类算法准确性

### 2.3 补货计算测试
- 输入：分级+分类+库存
- 预期：合理的补货建议
- 验证：检查计算公式和阈值

## 3. 性能测试
- 数据量：1000店铺 × 10000商品
- 响应时间：< 30秒
- 内存使用：< 2GB

## 4. 集成测试
- 数据流：源系统 → 临时表 → 结果表
- 异常处理：空数据、异常值、连接中断
- 恢复机制：失败重试、数据回滚`,
      type: DocumentType.Test,
      lastUpdated: new Date('2025-02-13T16:00:00'),
      isLoading: false,
      hasContent: true
    }
  ];

  constructor() { }

  /**
   * 获取项目文档会话数据
   */
  getProjectDocuments(projectId: string): Observable<DocumentSession[]> {
    if (projectId === this.mockProjectId) {
      return of(this.mockDocumentSessions);
    }
    // 其他项目返回空数据
    return of(createEmptyDocumentSessions(projectId));
  }

  /**
   * 获取项目文档会话映射
   */
  getProjectDocumentSessionIds(projectId: string): Observable<Record<DocumentType, string>> {
    const sessionIds: Record<DocumentType, string> = {
      [DocumentType.UserRequirement]: 'session_user_req_001',
      [DocumentType.Requirement]: 'session_req_002',
      [DocumentType.Technical]: 'session_tech_003',
      [DocumentType.Implementation]: 'session_impl_004',
      [DocumentType.Test]: 'session_test_005'
    };
    
    return of(sessionIds);
  }

  /**
   * 模拟SSE事件流
   * 在实际中将被真实的EventService替换
   */
  simulateSSEEvent(sessionId: string, content: string): Observable<string> {
    // 模拟打字机效果
    return new Observable<string>(observer => {
      let index = 0;
      const interval = setInterval(() => {
        if (index < content.length) {
          observer.next(content.charAt(index));
          index++;
        } else {
          clearInterval(interval);
          observer.complete();
        }
      }, 50);
    });
  }

  /**
   * 获取模拟AI回复
   */
  getMockAIResponse(): string {
    return `# 自动补货系统实现建议

我已经分析了您的需求，以下是完整的实现方案：

## 1. 架构设计
采用**分层临时表**策略，确保数据处理流程清晰：

1. **店铺分级表** (tmp_store_level)
2. **商品分类表** (tmp_product_category)  
3. **销售预测表** (tmp_sales_forecast)
4. **补货建议表** (tmp_replenishment_suggestion)

## 2. 关键技术点

### 2.1 窗口函数应用
\`\`\`sql
-- 使用PERCENT_RANK进行店铺分级
PERCENT_RANK() OVER (ORDER BY sales_amount) as sales_percentile
\`\`\`

### 2.2 临时表管理
\`\`\`sql
-- 创建临时表保存中间结果
CREATE TEMPORARY TABLE tmp_intermediate AS ...
\`\`\`

### 2.3 性能优化
- 索引优化：在store_id, product_id, sale_date上建立索引
- 分区策略：按日期分区销售事实表
- 批量处理：分批次处理大数据量

## 3. 完整实现代码
[详见业务实现文档]

## 4. 测试建议
1. 单元测试：每个临时表独立测试
2. 集成测试：完整流程测试
3. 性能测试：大数据量压力测试

## 5. 部署建议
1. 生产环境：每日凌晨执行
2. 监控：执行时间、数据质量
3. 报警：异常情况及时通知`;
  }
}