家政O2O多品类服务平台开发架构设计:保洁、维修等上门服务的一体化系统方案

简介: 本文设计了一套多品类一体化家政服务平台架构,通过“品类中心+统一订单模型+多维派单引擎”实现高扩展性:支持品类零代码配置、流程状态机编排、技能标签精准匹配及加权智能派单,兼顾灵活性与可维护性,助力家政平台高效拓展保洁、维修等多业务线。

家政社区服务1.jpg 家政社区服务2.jpg 家政社区服务3.jpg

一、业务背景与设计目标

家政上门到家平台在发展过程中,往往会从单一品类(如日常保洁)逐步扩展到多品类(家电维修、管道疏通、搬家搬运、深度清洗等)。不同品类在服务项目、定价模型、服务人员技能要求、服务流程上差异显著,如果每新增一个品类就单独开发一套系统,会导致系统臃肿、维护成本飙升。

本文探讨如何设计一套多品类一体化的家政服务平台,核心设计目标包括:

  • 品类可扩展:新增品类时只需配置,不需要改动核心代码。
  • 服务流程可编排:不同品类有不同的服务流程(如保洁是"下单→上门→完成",维修是"下单→上门检测→报价→确认→维修→验收"),流程需要可配置。
  • 服务人员技能匹配:同一个服务人员可能同时具备保洁和维修技能,派单时需要按技能标签精准匹配。
  • 统一订单模型:所有品类共用一套订单主流程,品类差异通过扩展字段和策略模式处理。

二、整体架构设计

品类中心

品类中心是整个系统的元数据管理模块,负责定义所有服务品类的结构化信息。每个品类包含以下核心属性:

  • 品类编码与层级:支持多级品类树,如"家政保洁 > 日常保洁"、"家电维修 > 空调维修"。
  • 服务项目模板:每个品类下挂载若干标准服务项目,定义服务时长、计价方式(按小时/按次/按面积)、基础价格等。
  • 服务流程模板:以状态机形式定义该品类的订单流转节点,如保洁品类流程为CREATED → ASSIGNED → IN_PROGRESS → COMPLETED,维修品类流程为CREATED → ASSIGNED → INSPECTING → QUOTED → CONFIRMED → IN_PROGRESS → COMPLETED。
  • 技能要求标签:定义该品类服务人员需要具备的技能标签,如空调维修需要["空调拆装", "制冷系统"]。

订单中心

订单中心采用"主订单 + 品类扩展"的设计模式。主订单记录所有品类通用的字段(用户信息、地址、时间、金额、状态等),品类扩展表记录各品类的特有字段(如维修品类的故障描述、报价明细,保洁品类的房屋面积、清洁范围等)。

订单状态流转由品类流程模板驱动,通过策略模式为不同品类注入不同的状态处理逻辑。

服务人员中心

服务人员档案中包含技能标签列表,与品类中心的技能要求标签对应。注册时由运营审核其技能资质,派单时根据订单品类所需的技能标签进行筛选匹配。

派单调度中心

派单时综合考量三个维度:技能匹配(服务人员是否具备订单品类所需技能)、区域匹配(服务人员所属服务网格)、负载与评分(当前接单量和历史评分)。三个维度通过加权打分选出最优人选。


三、核心代码实现

品类配置与订单流程引擎

以下代码实现了品类配置管理和基于状态机的订单流程引擎,支持不同品类定义不同的订单流转路径。

from dataclasses import dataclass, field
from typing import Optional
from enum import Enum
from collections import defaultdict


class OrderStatus(Enum):
    CREATED = "created"
    ASSIGNED = "assigned"
    INSPECTING = "inspecting"
    QUOTED = "quoted"
    CONFIRMED = "confirmed"
    IN_PROGRESS = "in_progress"
    COMPLETED = "completed"
    CANCELLED = "cancelled"


@dataclass
class ServiceCategory:
    """服务品类配置"""
    category_id: str
    category_name: str
    parent_id: Optional[str] = None
    pricing_model: str = "per_hour"       # per_hour / per_time / per_area
    base_price: float = 0.0
    required_skills: list = field(default_factory=list)
    workflow: list = field(default_factory=list)  # 状态流转路径


@dataclass
class Order:
    """统一订单模型"""
    order_id: str
    user_id: str
    category_id: str
    status: OrderStatus = OrderStatus.CREATED
    worker_id: Optional[str] = None
    user_paid_amount: float = 0.0
    category_ext: dict = field(default_factory=dict)  # 品类扩展字段


class CategoryRegistry:
    """品类注册中心"""

    def __init__(self):
        self.categories = {}

    def register(self, category: ServiceCategory):
        self.categories[category.category_id] = category

    def get(self, category_id: str) -> Optional[ServiceCategory]:
        return self.categories.get(category_id)

    def get_categories_by_skill(self, skill_tag: str) -> list:
        """根据技能标签反查关联品类"""
        return [
            cat for cat in self.categories.values()
            if skill_tag in cat.required_skills
        ]


class OrderFlowEngine:
    """订单流程引擎,基于品类配置驱动状态流转"""

    def __init__(self, registry: CategoryRegistry):
        self.registry = registry
        self.orders = {}

    def create_order(self, order: Order) -> Order:
        category = self.registry.get(order.category_id)
        if not category:
            raise ValueError(f"品类 {order.category_id} 未注册")
        order.status = OrderStatus.CREATED
        self.orders[order.order_id] = order
        return order

    def transition(self, order_id: str, target_status: OrderStatus) -> Order:
        """
        执行状态流转,校验是否符合品类流程定义
        """
        order = self.orders.get(order_id)
        if not order:
            raise ValueError(f"订单 {order_id} 不存在")

        category = self.registry.get(order.category_id)
        workflow = category.workflow

        current_index = workflow.index(order.status.value) \
            if order.status.value in workflow else -1

        if current_index == -1:
            raise ValueError(f"当前状态 {order.status} 不在品类流程中")

        if current_index >= len(workflow) - 1:
            raise ValueError("订单已处于终态,无法继续流转")

        next_status_value = workflow[current_index + 1]
        if target_status.value != next_status_value:
            raise ValueError(
                f"非法状态跳转:{order.status.value} → {target_status.value},"
                f"期望下一步为 {next_status_value}"
            )

        order.status = target_status
        return order

    def get_available_transitions(self, order_id: str) -> list:
        """获取当前订单可执行的下一步状态"""
        order = self.orders.get(order_id)
        if not order:
            return []
        category = self.registry.get(order.category_id)
        workflow = category.workflow
        current_index = workflow.index(order.status.value) \
            if order.status.value in workflow else -1
        if current_index == -1 or current_index >= len(workflow) - 1:
            return []
        next_status = workflow[current_index + 1]
        return [OrderStatus(next_status)]

多技能匹配派单服务

以下代码实现了基于技能标签、区域和综合评分的多维度派单匹配逻辑。

from dataclasses import dataclass, field
from typing import Optional
from collections import defaultdict


@dataclass
class WorkerProfile:
    """服务人员档案"""
    worker_id: str
    name: str
    skills: list = field(default_factory=list)       # 技能标签列表
    grid_ids: list = field(default_factory=list)      # 所属服务网格
    rating: float = 0.0                               # 综合评分
    current_orders: int = 0                           # 当前进行中订单数
    max_concurrent: int = 5                           # 最大并发接单数
    category_stats: dict = field(default_factory=dict)  # 各品类完成单量

    @property
    def is_available(self):
        return self.current_orders < self.max_concurrent


@dataclass
class DispatchRequest:
    """派单请求"""
    order_id: str
    category_id: str
    required_skills: list
    grid_id: str
    user_id: str


class MultiSkillDispatcher:
    """多技能匹配的派单调度器"""

    def __init__(self):
        self.workers = {}                    # worker_id -> WorkerProfile
        self.grid_index = defaultdict(list)  # grid_id -> [worker_id]
        self.skill_index = defaultdict(list) # skill_tag -> [worker_id]

    def register_worker(self, worker: WorkerProfile):
        """注册服务人员并建立多维索引"""
        self.workers[worker.worker_id] = worker
        for grid_id in worker.grid_ids:
            self.grid_index[grid_id].append(worker.worker_id)
        for skill in worker.skills:
            self.skill_index[skill].append(worker.worker_id)

    def find_candidates(self, request: DispatchRequest) -> list:
        """
        根据派单请求筛选候选服务人员
        筛选条件:技能全覆盖 + 区域匹配 + 当前可接单
        """
        # 取所有必需技能对应服务人员的交集
        skill_sets = [
            set(self.skill_index.get(skill, []))
            for skill in request.required_skills
        ]
        if not skill_sets:
            return []
        skill_matched = set.intersection(*skill_sets)

        # 区域过滤
        grid_matched = set(self.grid_index.get(request.grid_id, []))
        candidates_ids = skill_matched & grid_matched

        # 可用性过滤
        candidates = [
            self.workers[wid] for wid in candidates_ids
            if self.workers[wid].is_available
        ]
        return candidates

    def rank_candidates(self, candidates: list,
                        request: DispatchRequest) -> list:
        """
        对候选人员进行综合打分排序
        打分维度:技能匹配度(40%) + 评分(30%) + 负载(30%)
        """
        scored = []
        for worker in candidates:
            # 技能匹配度:具备的技能中与该品类相关的占比
            matched_skills = len(
                set(worker.skills) & set(request.required_skills)
            )
            skill_score = matched_skills / max(len(request.required_skills), 1)

            # 评分归一化(假设满分5分)
            rating_score = worker.rating / 5.0

            # 负载得分(剩余容量占比)
            remaining = worker.max_concurrent - worker.current_orders
            load_score = remaining / max(worker.max_concurrent, 1)

            total_score = (
                skill_score * 0.4 +
                rating_score * 0.3 +
                load_score * 0.3
            )
            scored.append((worker, round(total_score, 4)))

        scored.sort(key=lambda x: x[1], reverse=True)
        return [worker for worker, _ in scored]

    def dispatch(self, request: DispatchRequest) -> Optional[WorkerProfile]:
        """执行派单,返回最优服务人员"""
        candidates = self.find_candidates(request)
        if not candidates:
            return None
        ranked = self.rank_candidates(candidates, request)
        return ranked[0] if ranked else None

四、关键设计要点

关于品类扩展的开放性:新增品类时,只需在品类注册中心添加一条ServiceCategory配置,定义好计价方式、技能标签和流程模板即可。订单引擎和派单调度器无需修改代码,天然支持新品类接入。

关于流程引擎的灵活性:上述实现采用线性状态链,实际项目中可以扩展为支持分支和并行网关的流程定义(如维修品类中"报价"后用户可选择"接受"或"取消"),此时可将workflow改为邻接表结构,transition方法改为查表校验。

关于技能匹配的严格程度:上述代码要求服务人员必须覆盖订单的全部必需技能(取交集)。实际场景中可以考虑"核心技能必须匹配 + 辅助技能加分"的软匹配策略,提高派单成功率。

关于数据隔离与权限:多品类平台中,不同品类的运营团队可能相互独立。建议在订单和服务人员数据上增加品类维度的权限控制,确保各品类运营人员只能查看和操作自己负责的数据。

关于前端展示的统一与差异化:用户端下单页面可以根据品类配置动态渲染表单(如保洁品类展示面积选择器,维修品类展示故障描述输入框),避免为每个品类单独开发页面。后端通过品类扩展字段category_ext统一接收和存储。


以上是家政O2O多品类服务平台的整体架构设计与核心代码实现。核心思路是"品类配置驱动 + 统一订单模型 + 多维派单匹配",通过元数据配置而非硬编码来应对品类扩展需求,适合从单品类向多品类演进的家政服务平台参考落地。

相关文章
|
18天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
7717 57
|
3天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
1452 0
|
5天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
18天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5676 68
|
6天前
|
云安全 人工智能 安全
|
13天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
2903 9
|
5天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
3天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
1899 0
|
10天前
|
人工智能 安全 API
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(dsh)是DeepSeek AI于2026年开源的轻量级Agent运行框架,基于Cordis内核,践行“一切皆插件”理念。支持Web/桌面双端,开箱即用;内置多模型接入、丰富插件生态(超3.5万),适配编程、办公、创作等场景。(239字)
1869 1