bomx 0.0.1

AI-native PLM system for managing parts, BOMs, and documents

BOMX — AI-native PLM Agent

用自然语言管理零件和 BOM 的工程工具。
本文档面向学习者，重点解释"为什么这样设计"和"代码里值得学的地方"。

---

目录

1. 项目是什么
2. 技术栈选型
3. 整体架构
4. 目录结构详解
5. 数据模型
6. 后端详解（FastAPI）
7. AI Agent 详解
8. 前端详解（Vue 3）
9. 值得学习的设计模式
10. 快速启动
11. API 一览

---

1. 项目是什么

BOMX 是一个 PLM（产品生命周期管理） 工具，核心功能：

• 管理零件（Part）：编码、名称、类型、多版本
• 管理BOM（Bill of Materials，物料清单）：多级树状结构，支持草稿/发布状态
• 管理图文档：图纸、工艺、手册等文件，可关联到 BOM 行
• AI 驱动：通过自然语言对话完成以上所有操作（CLI + Web 双入口）

三种使用方式

用户
 ├── CLI（终端）  ──→  plm.py  ──→  LiteLLM + Tools  ──→  FastAPI
 ├── Web UI      ──→  Vue 3   ──→  /api/*            ──→  FastAPI
 └── Web AI 助手 ──→  Vue 3   ──→  /api/chat (SSE)   ──→  LiteLLM + Tools

---

2. 技术栈选型

后端

库	用途	学习重点
FastAPI	Web 框架	异步路由、依赖注入、Pydantic 自动校验
SQLAlchemy 2.0	ORM	async session、mapped_column 新语法、关系加载
aiosqlite	SQLite 异步驱动	单机开发无需 PostgreSQL
Pydantic v2	数据校验/序列化	BaseModel、字段校验、from_attributes
LiteLLM	LLM 多模型适配层	统一调用 OpenAI / Claude / Qwen，Tool Use 模式
python-multipart	文件上传解析	Form + File 同时接收

前端

库	用途	学习重点
Vue 3	UI 框架	Composition API、<script setup>、ref/computed
Element Plus	组件库	el-table、el-dialog、el-tree、el-tabs
Vite	构建工具	dev proxy、HMR、TypeScript 支持
Axios	HTTP 客户端	与 fetch 的对比；本项目 AI 聊天改用原生 fetch 读 SSE
Vue Router	路由	createWebHistory、动态路由参数

CLI Agent

库	用途
Typer	构建命令行工具，自动生成 --help
Rich	终端彩色输出、表格、树状图、Markdown 渲染
httpx	同步 HTTP 客户端（agent 调用后端 API）

---

3. 整体架构

┌─────────────────────────────────────────────────────────┐
│                      用户界面层                          │
│  ┌───────────────┐        ┌────────────────────────┐    │
│  │  CLI (plm.py) │        │   Web UI (Vue 3 :5173) │    │
│  │  Typer + Rich │        │   Element Plus         │    │
│  └──────┬────────┘        └───────────┬────────────┘    │
└─────────┼───────────────────────────────┼────────────────┘
          │ 自然语言                       │ REST / SSE
          ▼                               ▼
┌─────────────────────────────────────────────────────────┐
│                  AI Agent 层                             │
│  ┌──────────────────────────────────────────────────┐   │
│  │  LiteLLM  ←→  Tool Use Loop                      │   │
│  │  (Qwen / Claude / GPT 均可)                      │   │
│  │  工具: search_part / get_bom / create_part / ...  │   │
│  └──────────────────────┬───────────────────────────┘   │
└─────────────────────────┼───────────────────────────────┘
                          │ HTTP (httpx / fetch)
                          ▼
┌─────────────────────────────────────────────────────────┐
│               FastAPI 后端层 (:8001)                     │
│  ┌──────────┐ ┌──────────┐ ┌───────────┐ ┌──────────┐  │
│  │  /parts  │ │  /bom    │ │/documents │ │  /chat   │  │
│  └────┬─────┘ └────┬─────┘ └─────┬─────┘ └────┬─────┘  │
│       └────────────┴─────────────┴─────────────┘        │
│                    SQLAlchemy ORM (async)                │
└─────────────────────────────────────────────────────────┘
                          │
                          ▼
                    SQLite / bomx.db
                 (~/.plm/files/ 存文件)

关键设计决策

为什么 Agent 工具调用自己的 HTTP 接口，而不是直接调 DB？
保持关注点分离：Agent 层只知道"后端有哪些 API"，不关心数据库细节。这样 Agent 可以脱离后端单独测试，也方便未来指向远程服务器。

为什么 Web AI 聊天用 SSE 而不是 WebSocket？
SSE（Server-Sent Events）是单向流，只需要普通 HTTP，不需要握手协议，浏览器原生支持。工具调用进度推送场景天然适合 SSE。WebSocket 适合双向实时通信（如多人协作），此处过度设计。

---

4. 目录结构详解

bomx/
│
├── app/                        # FastAPI 后端
│   ├── main.py                 # 应用入口：注册路由、数据库初始化
│   │
│   ├── models/                 # SQLAlchemy ORM 模型（数据库表结构）
│   │   ├── base.py             # 公共 Mixin：UUID主键、创建/更新时间
│   │   ├── part.py             # 零件：Part + PartVersion（主版本模式）
│   │   ├── bom.py              # BOM：BomHeader + BomLine + BomLineDocument
│   │   ├── document.py         # 文档：Document + DocumentVersion + FileObject
│   │   ├── user.py             # 用户（占位，认证暂未实现）
│   │   └── audit.py            # 审计日志（SQLAlchemy event hook 自动记录）
│   │
│   ├── routers/                # FastAPI 路由处理器（Controller 层）
│   │   ├── part.py             # /api/parts — 零件 CRUD
│   │   ├── bom.py              # /api/bom   — BOM 增删改查、发布
│   │   ├── document.py         # /api/bom/lines/{id}/documents — BOM行附件
│   │   ├── documents.py        # /api/documents — 全局文档库（含独立上传）
│   │   └── chat.py             # /api/chat  — AI 对话（SSE 流式）
│   │
│   └── schemas/                # Pydantic 模型（请求体/响应体定义）
│       ├── part.py             # PartCreate、PartResponse 等
│       ├── bom.py              # BomHeaderCreate、BomLineResponse 等
│       └── document.py         # BomLineDocumentResponse 等
│
├── agent/                      # CLI AI Agent
│   ├── loop.py                 # REPL 主循环：读输入 → LLM → 工具 → 输出
│   ├── tools.py                # 工具定义（LiteLLM schema）+ 工具执行函数
│   ├── api.py                  # httpx 封装：调用后端 REST API
│   └── display.py              # Rich 渲染：零件表格、BOM 树状图
│
├── web/                        # Vue 3 前端
│   └── src/
│       ├── App.vue             # 应用外壳：顶栏、侧边栏、主内容区（CSS Grid）
│       ├── style.css           # 全局设计系统（CSS 变量、工具类）
│       ├── main.ts             # Vue 应用入口
│       │
│       ├── api/                # 前端 HTTP 客户端（axios 封装）
│       │   ├── part.ts
│       │   ├── bom.ts
│       │   └── document.ts
│       │
│       ├── components/         # 全局组件
│       │   ├── AIDrawer.vue    # ⌘I AI 聊天抽屉（SSE 流式 + 历史记录）
│       │   └── CommandPalette.vue  # ⌘K 命令面板
│       │
│       ├── views/              # 页面组件
│       │   ├── PartList.vue    # 零件列表（搜索、过滤、新建）
│       │   ├── PartDetail.vue  # 零件详情（版本管理）
│       │   ├── BomList.vue     # BOM 列表（新建向导）
│       │   ├── BomDetail.vue   # BOM 详情（可拖拽分栏、多级树、文档关联）
│       │   └── DocumentList.vue # 文档库（上传、预览、下载）
│       │
│       └── router/index.ts     # 路由配置
│
├── database.py                 # 数据库连接：引擎创建、session 工厂
├── plm.py                      # CLI 入口：Typer app，读取 .env
├── seed_examples.py            # 示例数据：智能手环 + 电动自行车两个产品
├── seed.py                     # 最小种子：系统用户
│
├── start.bat                   # Windows：同时启动后端 + 前端
├── stop.bat                    # Windows：按窗口标题关闭服务
└── restart.bat                 # Windows：stop + start

---

5. 数据模型

核心概念：主记录 + 版本记录

项目采用"主记录不可变，变更产生版本"的模式：

Part (身份)  ──< PartVersion (历史版本)
  code             version: "A", "B", "1.0"
  name             is_current: true/false
  part_type        current_version_id ──┐
  └──────────────────────────────────── ┘ 快速查当前版

这是工业 PLM 系统的标准设计，好处是：

• 零件的"身份"（编码）永远不变
• 每次改设计参数，产生新版本，旧版本完整保留
• BOM 可以固定引用某个版本（child_ver_rule = "fixed"）

完整 ER 关系

Part ──────────────< PartVersion
  │                      │
  │                      └──── BomHeader ──────< BomLine
  │                                                 │
  │                                        child_part_id (→ Part)
  │                                                 │
  │                                           BomLineDocument
  │                                                 │
  └────── PartDocument                         Document
                │                                   │
                └──────────────────────────── DocumentVersion
                                                    │
                                               FileObject
                                          (MD5去重，物理文件)

多级 BOM 的实现方式

每个总成零件有自己独立的 BomHeader。多级结构通过递归查询实现：

查询 BAND-001 的BOM树：
  1. 找 BAND-001 的 BomHeader → 得到直属子件列表
  2. 对每个子件，检查它是否也有 BomHeader（即它是否也是总成）
  3. 如果是，递归获取其 BomHeader
  4. 组装成树（DFS，Set 防循环）

---

6. 后端详解（FastAPI）

异步数据库 Session 管理

database.py 是理解异步 SQLAlchemy 的核心：

# 创建异步引擎
engine = create_async_engine(DATABASE_URL, echo=False)

# Session 工厂
AsyncSessionLocal = async_sessionmaker(engine, expire_on_commit=False)

# 依赖注入函数（每个请求获得独立 session）
async def get_db() -> AsyncGenerator[AsyncSession, None]:
    async with AsyncSessionLocal() as session:
        async with session.begin():   # 自动提交/回滚
            yield session

FastAPI 依赖注入用法：

@router.get("/parts")
async def list_parts(db: AsyncSession = Depends(get_db)):
    # db 由框架自动注入，请求结束后自动关闭

Pydantic + SQLAlchemy 分层

项目严格分离了两种模型：

层	文件位置	作用
ORM 模型	app/models/	定义数据库表结构，SQLAlchemy 使用
Schema 模型	app/schemas/	定义 API 请求/响应格式，Pydantic 使用

ORM 模型转 Pydantic 靠 model_config = {"from_attributes": True}，让 Pydantic 可以直接读 SQLAlchemy 对象的属性。

文件去重：MD5 内容寻址

app/routers/documents.py 中的 _get_or_create_file_object()：

md5 = hashlib.md5(data).hexdigest()
existing = await db.scalar(select(FileObject).where(FileObject.md5 == md5))
if existing:
    return existing  # 相同内容不重复存储
# 否则写入磁盘 → ~/.plm/files/{md5[:2]}/{md5}/{原文件名}

这是内容寻址存储（Content-Addressable Storage）的简化版，Git 也用同样思路。

审计日志：SQLAlchemy Event Hook

app/models/audit.py 注册了 after_flush 事件，无需在每个接口里手写日志：

@event.listens_for(Session, "after_flush")
def _after_flush(session, flush_context):
    for obj in session.new:      # 新增的对象
        _log(session, obj, "create")
    for obj in session.dirty:    # 修改的对象
        _log(session, obj, "update", 记录字段变化)
    for obj in session.deleted:  # 删除的对象
        _log(session, obj, "delete")

SSE 流式响应

app/routers/chat.py 展示了如何用 FastAPI 发送 SSE：

def generate():          # 普通生成器函数
    yield "data: {...}\n\n"   # SSE 格式：data: + JSON + 双换行
    yield "data: {...}\n\n"

return StreamingResponse(generate(), media_type="text/event-stream")

StreamingResponse 接收生成器，FastAPI 把它放入线程池运行（因为是同步 def），边计算边推送。

---

7. AI Agent 详解

Tool Use（工具调用）模式

这是项目的核心 AI 技术，流程：

用户输入
    │
    ▼
LLM（带工具定义）
    │
    ├── 直接回答？ ──→ 输出文本，结束
    │
    └── 需要调工具？
            │
            ▼
        解析 tool_calls（LLM 告诉我们调哪个工具、传什么参数）
            │
            ▼
        execute_tool()（Python 代码真正调用 API）
            │
            ▼
        把工具结果塞回 history
            │
            ▼
        再次调用 LLM ──→ 循环，直到 LLM 不再调工具

agent/tools.py 里，每个工具有两部分：

# 1. Schema（告诉 LLM 这个工具能做什么、参数是什么）
{
    "type": "function",
    "function": {
        "name": "search_part",
        "description": "按编码或名称搜索零件",
        "parameters": {
            "type": "object",
            "properties": {
                "query": {"type": "string", "description": "搜索关键词"}
            },
            "required": ["query"]
        }
    }
}

# 2. 执行函数（真正干活的 Python 代码）
def _search_part(query: str, base_url: str = None) -> str:
    parts = api.list_parts(query=query, base_url=base_url)
    return f"找到 {len(parts)} 个零件：..."

LiteLLM 的价值

# 调用 Claude
litellm.completion(model="claude-sonnet-4-6", messages=..., tools=...)

# 调用 Qwen（只改 model 和 api_base，代码完全一样）
litellm.completion(model="openai/qwen-plus", api_base="https://...", messages=..., tools=...)

LiteLLM 统一了不同 LLM 厂商的 API 差异，项目切换模型只需改 .env 里的 PLM_MODEL。

history 的结构

LLM 对话历史是一个消息列表，工具调用时结构较复杂：

history = [
    {"role": "user", "content": "查看手环的BOM"},
    # LLM 决定调工具，返回这样的消息：
    {"role": "assistant", "content": "", "tool_calls": [
        {"id": "call_xxx", "function": {"name": "get_bom", "arguments": '{"part_code":"BAND-001"}'}}
    ]},
    # 工具执行结果，必须用 tool_call_id 对应：
    {"role": "tool", "tool_call_id": "call_xxx", "content": "BOM已渲染，直属子件6个..."},
    # LLM 看到工具结果后，给出最终回答：
    {"role": "assistant", "content": "BAND-001 手环的BOM包含6个直属子件..."}
]

---

8. 前端详解（Vue 3）

Composition API + <script setup>

项目全部使用 Vue 3 最新写法：

<script setup lang="ts">
import { ref, computed, onMounted } from 'vue'

// ref: 响应式基本值
const loading = ref(false)
const parts = ref<Part[]>([])

// computed: 依赖 parts 自动重算
const activeParts = computed(() => parts.value.filter(p => p.status === 'active'))

// 生命周期
onMounted(() => load())

async function load() { ... }
</script>

相比 Options API（data(), methods:, computed:），Composition API 把相关逻辑组织在一起，更适合复杂组件。

CSS Grid 应用外壳

App.vue 用 CSS Grid 实现固定布局（不出现双滚动条的关键）：

.bx-app {
  display: grid;
  grid-template-columns: 220px 1fr;    /* 侧边栏 | 主内容 */
  grid-template-rows: 52px 1fr 28px;  /* 顶栏 | 内容 | 底栏 */
  height: 100vh;
  overflow: hidden;  /* 整体不滚动 */
}

.bx-main {
  overflow-y: auto;  /* 只有主内容区滚动 */
}

BomDetail 的可拖拽分栏

BomDetail.vue 实现了鼠标拖拽调整左右面板宽度：

function startResize(e: MouseEvent) {
  resizing.value = true
  const startX = e.clientX
  const startW = treeWidth.value

  function onMove(e: MouseEvent) {
    treeWidth.value = Math.min(600, Math.max(220, startW + (e.clientX - startX)))
  }
  function onUp() {
    resizing.value = false
    window.removeEventListener('mousemove', onMove)
    window.removeEventListener('mouseup', onUp)
  }
  window.addEventListener('mousemove', onMove)
  window.addEventListener('mouseup', onUp)
}

核心思路：记录起始鼠标位置和起始宽度，在 mousemove 里计算差值，注意在 mouseup 时清除监听器防止内存泄漏。

SSE 流式接收（AIDrawer）

fetch 原生支持流式读取，比 EventSource 更灵活（支持 POST）：

const res = await fetch('/api/chat', { method: 'POST', body: ... })
const reader = res.body.getReader()
const decoder = new TextDecoder()
let buffer = ''

while (true) {
  const { done, value } = await reader.read()
  if (done) break

  buffer += decoder.decode(value, { stream: true })
  const lines = buffer.split('\n')
  buffer = lines.pop() ?? ''  // 保留不完整的行，等下次 read()

  for (const line of lines) {
    if (line.startsWith('data: ')) {
      const event = JSON.parse(line.slice(6))
      // 处理事件...
    }
  }
}

buffer = lines.pop() 是处理 TCP 分包的关键：一次 read() 可能只收到半行，需要缓存等待后续数据。

API 层封装

web/src/api/ 目录把所有 HTTP 调用集中管理：

// part.ts
const http = axios.create({ baseURL: '/api' })

export const partApi = {
  list: (params?) => http.get<Part[]>('/parts', { params }).then(r => r.data),
  get: (code) => http.get<PartDetail>(`/parts/${code}`).then(r => r.data),
  create: (data) => http.post<Part>('/parts', data).then(r => r.data),
}

好处：所有接口地址集中在一处，修改时不用找遍所有 Vue 文件。

---

9. 值得学习的设计模式

1. 主记录 + 版本记录（Master-Version Pattern）

Part → PartVersion，Document → DocumentVersion。工业软件的经典模式，保留完整历史，current_version_id 外键提供快速查当前版本的能力。

2. 依赖注入（FastAPI Depends）

每个路由函数通过 Depends(get_db) 自动获得数据库 session，框架负责生命周期管理。这是控制反转（IoC）思想的实践。

3. 内容寻址存储（Content-Addressable Storage）

文件按 MD5 存储，相同内容只存一份。Git 对象库、Docker 镜像层都用同样思路。

4. SSE for Server Push

后端用生成器函数 yield 事件，前端用 ReadableStream 读取。比轮询高效，比 WebSocket 简单，适合"服务端单向推送进度"场景。

5. LLM Tool Use 循环

"LLM → 调工具 → 结果回填 → 再次 LLM"的循环模式，是 AI Agent 的基础架构。理解这个循环，就理解了 ChatGPT Plugins、Claude Tool Use、OpenAI Function Calling 的底层逻辑。

6. 输入历史（Arrow Key Navigation）

history.unshift(content) 记录，historyIndex 跟踪位置，inputDraft 保存未发送草稿。这是命令行 shell 历史的 Web 版实现。

---

10. 快速启动

环境要求

• Python 3.11+
• Node.js 18+

安装

# 克隆项目
git clone https://github.com/zhangyida-lab/bomx.git
cd bomx

# 安装 Python 依赖
pip install -e .

# 安装前端依赖
cd web && npm install && cd ..

# 配置环境变量
cp .env.example .env  # 编辑 .env，填入 LLM API Key

.env 配置

# 使用阿里千问（推荐）
PLM_LLM_API_KEY=sk-你的key
PLM_LLM_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
PLM_MODEL=openai/qwen-plus

# 或使用 Claude
# ANTHROPIC_API_KEY=sk-ant-...
# PLM_MODEL=claude-sonnet-4-6

# 后端地址（通常不用改）
PLM_API_URL=http://localhost:8001

启动服务

# Windows（推荐）：同时启动后端 + 前端
start.bat

# 或手动启动：
# 终端1 - 后端
uvicorn app.main:app --reload --host 0.0.0.0 --port 8001

# 终端2 - 前端
cd web && npm run dev

初始化示例数据

python seed_examples.py

创建两个产品：智能健康手环（BAND-001） 和 城市电动自行车（EB-001），各含 4 级 BOM。

访问

服务	地址
Web UI	http://localhost:5173
API 文档	http://localhost:8001/docs
CLI Agent	python plm.py

停止 / 重启

stop.bat      # 停止
restart.bat   # 重启

---

11. API 一览

零件

方法	路径	说明
GET	/api/parts	列表（支持 q / part_type / status 过滤）
POST	/api/parts	创建零件
GET	/api/parts/{code}	详情（含版本列表）
PATCH	/api/parts/{code}	更新
POST	/api/parts/{code}/versions	新增版本
PATCH	/api/parts/{code}/versions/{id}/activate	设为当前版本

BOM

方法	路径	说明
GET	/api/bom	BOM 列表
POST	/api/bom	创建 BOM（传 part_version_id）
GET	/api/bom/{id}	BOM 详情（含明细行）
POST	/api/bom/{id}/release	发布（发布后只读）
POST	/api/bom/{id}/lines	添加 BOM 行
PATCH	/api/bom/lines/{id}	修改 BOM 行
DELETE	/api/bom/lines/{id}	删除 BOM 行

文档

方法	路径	说明
GET	/api/documents	全局文档列表（含未关联文档）
POST	/api/documents	上传独立文档
POST	/api/bom/lines/{id}/documents	上传并关联到 BOM 行
POST	/api/bom/lines/{id}/documents/attach	关联已有文档到 BOM 行
GET	/api/bom/lines/{id}/documents/{link_id}/file	下载/预览文件
DELETE	/api/bom/lines/{id}/documents/{link_id}	移除关联

AI 聊天

方法	路径	说明
GET	/api/chat/config	返回当前模型名
POST	/api/chat	发送消息（SSE 流式响应）

---

CLI Agent 工具清单

工具	说明
search_part(query)	模糊搜索零件
get_bom(part_code)	获取多级 BOM 树（终端渲染 + 返回文字摘要）
create_part(code, name, part_type)	创建零件
update_part(code, ...)	更新零件信息
add_bom_line(parent_code, child_code, quantity)	添加 BOM 行（自动建草稿）
remove_bom_line(line_id)	删除 BOM 行