看见变化，也看清依据。
从订单明细到收入贡献，让每一个结论都有可检查的计算过程。
本月收入，发生了什么？
分析 2026 年 8 月华东地区净收入变化，拆解订单量、渠道结构、渠道内客单价和退款贡献。
DeepSeek 连接设置 输入自己的 API Key，开启真实 SQL 生成
Key 仅发送给 api.deepseek.com，不保存到浏览器存储或 GitHub。真实分析会消耗你账户的 API 额度。刷新页面后需重新输入；基准演示无需 Key。
- ① 固定口径
- ② 生成 SQL
- ③ 明细核验
- ④ 贡献分解
先跑一次，理解整条分析链路。
点击“运行基准演示”，无需密钥即可查看真实计算结果。
接入 DeepSeek
后，SQL 由模型生成，仍需通过同一套独立明细核验。
分析结果
净收入变化贡献
金额 / 元订单量 × Σ（渠道订单占比 × 渠道内客单价）− 当月成功退款
怎样读这份结果
算术贡献不等于因果。流量、促销、质量等原因需要额外证据，当前数据不能验证。
渠道结构与经营明细
上期 → 本期| 渠道 | 支付订单 | 订单占比 | 渠道客单价 | 实付金额 | 成功退款 |
|---|
结果是怎样得到的
收入按支付月，退款按成功发生月；地区取订单收货快照。订单与退款分别汇总，避免多表连接重复计数。
运行后可查看每一次 SQL、核验状态与错误原因。
查看模拟数据库与来源
加载中…
整个项目，其实只有这几层
这里收集地区和月份，展示运行进度。本地完整版由官方 DB-GPT Agent 选择工具；网页版直接运行专用流程。
app.mjs / official_integration.py
DeepSeek 接收表结构与指标规则，返回候选 SQL。模型不直接计算报告中的金额。
model.mjs / workflow.py
SQL 在浏览器 SQLite 中运行，再用逐条订单和退款计算核对。未通过则最多修复一次，仍失败就停止。
query-worker.js / query.py
按六种替换顺序求平均边际变化，用精确分数确保贡献加总等于净收入变化，最后生成展示与证据。
core.mjs / analysis.py
这个网页无需自建后端。它是受限场景的浏览器移植版，不运行 Python AWEL，也不接入企业私有数据。完整官方版与服务器部署说明见项目 README。