Vue3+NestJS实战：纺织行业AI进销存系统架构设计

摘要：本文分享一个面向纺织行业的AI进销存管理系统——轻账LightLedger的完整技术架构。从Vue3+Element Plus前端到NestJS后端，从批号追踪到AI智能查询，详解如何将大模型能力融入传统ERP业务场景。文末附产品试用链接和开源组件推荐。
摘要：本文分享一个面向纺织行业的进销存管理系统技术架构。从Vue3+Element Plus前端到NestJS后端，从批号追踪到AI智能查询，详解如何将大模型能力融入传统ERP业务场景。文中包含完整的代码示例和架构设计思路。

一、为什么选择纺织行业？

纺织行业（纱线、面料、坯布）的进销存管理有几个特殊痛点：

1. 颜色/缸号/色号管理：同一款纱线可能有几十种颜色变体，每种颜色还有不同缸号批次
2. 批号全程追溯：从采购入库→库存调拨→销售出库，必须能追溯到具体批次
3. 多单位换算：公斤、米、码、卷之间的转换是日常操作
4. 委外加工复杂：原料发出→工序加工→成品收回，成本核算困难

通用ERP很难满足这些需求，我们决定用现代技术栈重新构建一套轻量级解决方案。
通用ERP很难满足这些需求，需要用现代技术栈构建一套轻量级解决方案。

二、技术选型与架构概览

2.1 整体架构

─────────────────────────────────────────────┐
│                  前端层                       │
│  Vue 3 + TypeScript + Element Plus          │
│  (PC端)    Vant 4 (移动端)                    │
└──────────────────┬──────────────────────────┘
                   │ HTTPS / JWT Auth
┌──────────────────▼──────────────────────────┐
│                  后端层                       │
│  NestJS + TypeORM + MySQL 8.0               │
│  (RESTful API + WebSocket实时推送)            │
└──────────────────┬──────────────────────────┘
└────────────────────────────────────────────┘
                   │
┌──────────────────▼──────────────────────────┐
──────────────────▼──────────────────────────┐
│              AI服务层                         │
│  DeepSeek / OpenAI API (服务端代理)           │
│  自然语言查询 → SQL生成 → 数据返回             │
└──────────────────┬──────────────────────────┘
                   │
┌──────────────────▼──────────────────────────┐
│              基础设施层                        │
│  Docker Compose / 阿里云OSS / 短信服务         │
│  Docker Compose / 对象存储 / 短信服务         │
└─────────────────────────────────────────────┘

2.2 为什么选这套技术栈？

SELECT * FROM batch_transactions
WHERE batch_number = 'G20240901-01'
ORDER BY created_at DESC;

-- 结果：
-- 2024-09-15 销售出库 -500kg (订单SO-20240915-001)
-- 2024-09-10 库存调拨 +200kg (从A仓到B仓)
-- 2024-09-01 采购入库 +700kg (采购单PO-20240901-003)

### 3.3 AI智能查询：自然语言查数据

这是产品的差异化亮点。用户可以用自然语言查询业务数据：
用户可以用自然语言查询业务数据，提升操作效率：

**用户输入**：`"上个月藏青色纱线的销售情况"`

**系统处理流程**：

1. 前端发送用户问题到后端
2. 后端调用DeepSeek API，附带Schema描述
3. DeepSeek生成SQL查询语句
4. 后端执行SQL并返回结果

5. 前端展示结构化数据

   
      userId: user.id,
      query: dto.message,
      tokensUsed: response.usage.total_tokens
    });
   
    return response;
   }
   }
   

4.3 打印模板：可视化拖拽设计