新手进阶Python：给办公看板加AI能力，自动总结数据、识别异常

大家好！我是CSDN的Python新手博主～上一篇我们把办公看板部署到了云服务器，实现了异地团队协同访问，但很多小伙伴反馈“每天看完美化看板，还得花半小时写数据总结，异常数据（比如某部门销售额骤降）也得逐行找，很耗时”。今天就带来超落地的新手实战项目——给云端办公看板集成ChatGPT API，实现AI智能数据洞察！本次基于之前的“云端带权限看板”代码，集成OpenAI的ChatGPT API，

2301_80843055

773人浏览 · 2026-01-14 19:33:40

2301_80843055 · 2026-01-14 19:33:40 发布

本次基于之前的“云端带权限看板”代码，集成OpenAI的ChatGPT API，新增3大核心AI功能：① 自动生成每日销售总结（支持多角色视角，领导看全量总结、员工看本部门总结）；② 智能识别异常数据（比如销售额骤降、达标订单数异常）；③ 自然语言查询数据（比如“销售一部本周总销售额多少”“张三近3天业绩如何”）。全程代码修改量小，注释详细，新手只需获取ChatGPT API密钥，跟着步骤复制配置就能成功，让你的办公工具秒变“AI数据助手”～

一、本次学习目标

了解OpenAI API的基础使用，学会获取ChatGPT API密钥；
掌握在Flask项目中集成ChatGPT API的方法，实现AI对话调用；
学会设计AI提示词（Prompt），让AI精准生成报表总结、识别异常数据；
实现“自然语言查询→AI解析→数据响应”的全流程，支持灵活数据查询；
将AI功能与现有权限体系联动，确保AI仅返回当前角色可访问的数据。

二、前期准备

安装核心依赖库

安装OpenAI库（用清华源加速）

pip3 install openai -i https://pypi.tuna.tsinghua.edu.cn/simple

确保已有依赖库正常（Flask、Flask-Login等）

pip3 install --upgrade flask flask-login gunicorn openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple

获取ChatGPT API密钥（关键！）
打开OpenAI官网（https://platform.openai.com/），注册/登录账号（需科学上网）；
登录后，点击右上角头像→「View API keys」→「Create new secret key」；
生成API密钥后，立即复制保存（仅显示一次，丢失无法找回）；
（可选）查看免费额度：点击「Settings→Billing→Usage」，新手免费额度足够测试1-2周。

重要提醒：API密钥是敏感信息，切勿泄露（比如不要写在公开代码里），后续我们会用环境变量或配置文件存储。

代码与环境准备

基础代码：复用之前“云服务器部署的带权限看板”代码（app.py、templates/dashboard.html等）；
环境配置：在云服务器上创建配置文件，存储API密钥（避免硬编码）；
数据准备：确保服务器上的Excel报表有足够数据（至少包含日期、部门、姓名、销售额等字段），方便AI分析。

三、实战：给云端看板集成AI功能

第一步：配置API密钥（安全存储，避免泄露）

（1）在服务器项目目录创建配置文件

进入项目目录

cd /home/office_dashboard

创建并编辑配置文件

vim config.py

config.py 配置文件

OPENAI_API_KEY = “sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx” # 你的ChatGPT API密钥
OPENAI_MODEL = “gpt-3.5-turbo” # 使用gpt-3.5-turbo模型（性价比高，适合办公场景）

（2）在app.py中导入配置

导入OpenAI库和配置文件

from openai import OpenAI
from config import OPENAI_API_KEY, OPENAI_MODEL

初始化OpenAI客户端

client = OpenAI(
api_key=OPENAI_API_KEY,
# 若无法直接访问OpenAI（国内服务器），需配置代理（新手可选国内镜像，或用科学上网）
# base_url=“https://api.openai-proxy.com/v1” # 示例代理地址，需替换为可用的
)

全局变量：存储历史数据（用于AI多轮查询）

HISTORY_DATA = {} # 结构：{日期: {summary: 汇总数据, detail: 详细数据}}

国内服务器访问问题：如果云服务器在国内，直接访问OpenAI会失败，新手可使用可靠的OpenAI代理（需自行寻找正规代理），或把项目暂时放在本地测试（本地可科学上网）。

第二步：编写AI核心函数（生成总结、识别异常、自然语言查询）

def ai_generate_summary(date, summary_data, user_role, user_dept=“”, user_name=“”):
“”“AI生成销售总结（按角色适配内容）”“”
try:
# 构建提示词（Prompt）：明确AI的角色、任务、数据范围
role_prompt = “”
if user_role == “leader”:
role_prompt = “作为公司领导，需要全面了解各部门销售情况，总结需包含整体业绩、各部门表现、达标率，给出简要建议；”
elif user_role == “dept”:
role_prompt = f"作为{user_dept}的员工，总结需聚焦本部门销售业绩、达标订单情况，对比整体平均水平，给出部门内改进建议；"
else:
role_prompt = f"作为员工{user_name}，总结需聚焦个人销售业绩、达标情况，对比本部门平均水平，给出个人提升建议；"

    prompt = f"""
    {role_prompt}
    请根据以下销售数据，生成一份简洁明了的每日销售总结（不超过300字）：
    统计日期：{date}
    总销售额：{summary_data['total_sales']}元
    达标订单数：{summary_data['qualified_orders']}
    涉及部门数：{summary_data['dept_count']}
    各部门销售额：{summary_data['dept_sales']}
    查看范围：{summary_data['view_range']}
    
    总结格式要求：
    1. 开头明确统计日期和查看范围；
    2. 核心数据突出（总销售额、达标情况）；
    3. 针对性建议（符合当前角色定位）；
    4. 语言简洁，无冗余内容。
    """
    
    # 调用ChatGPT API
    response = client.chat.completions.create(
        model=OPENAI_MODEL,
        messages=[
            {"role": "system", "content": "你是专业的办公数据分析师，擅长简洁、精准的销售数据总结。"},
            {"role": "user", "content": prompt}
        ],
        temperature=0.3  # 温度越低，输出越精准稳定
    )
    
    # 提取AI回复
    summary = response.choices[0].message.content.strip()
    return {"success": True, "data": summary}
except Exception as e:
    return {"success": False, "error": f"AI生成总结失败：{str(e)}"}

def ai_detect_abnormal(date, detail_data, summary_data):
“”“AI识别异常数据（比如销售额骤降、达标率过低）”“”
try:
# 先获取历史数据（近3天），用于对比异常
recent_dates = sorted(HISTORY_DATA.keys(), reverse=True)[:3]
recent_summaries = [HISTORY_DATA[d][“summary”] for d in recent_dates if d in HISTORY_DATA]

    prompt = f"""
    作为数据异常检测专员，需要对比历史数据，识别当前销售数据中的异常情况（比如某部门销售额骤降、达标订单数异常低、个人销售额为0等）。
    请根据以下数据，输出异常点和可能原因（不超过200字）：
    当前统计日期：{date}
    当前数据汇总：{summary_data}
    近3天历史汇总：{recent_summaries if recent_summaries else "无历史数据"}
    当前详细数据：{detail_data[:5]}（仅展示前5条，如需更多可说明）
    
    输出要求：
    1. 若有异常，列出具体异常点（含部门/姓名、异常数据）；
    2. 给出1-2个可能的原因（基于办公场景合理推测）；
    3. 若无异常，输出“未检测到异常数据，各指标正常。”
    """
    
    response = client.chat.completions.create(
        model=OPENAI_MODEL,
        messages=[
            {"role": "system", "content": "你是严谨的办公数据异常检测师，仅基于提供的数据进行客观分析，不编造信息。"},
            {"role": "user", "content": prompt}
        ],
        temperature=0.2
    )
    
    abnormal_result = response.choices[0].message.content.strip()
    return {"success": True, "data": abnormal_result}
except Exception as e:
    return {"success": False, "error": f"AI识别异常失败：{str(e)}"}

def ai_natural_query(query, user_role, user_dept=“”, user_name=“”):
“”“AI自然语言查询数据（比如“销售一部本周销售额多少”）”“”
try:
# 限制查询范围（基于用户角色）
scope_prompt = “”
if user_role == “leader”:
scope_prompt = “可查询全公司所有部门、所有员工的历史销售数据；”
elif user_role == “dept”:
scope_prompt = f"仅可查询{user_dept}的相关销售数据，无法查询其他部门数据；"
else:
scope_prompt = f"仅可查询你个人（{user_name}）的销售数据，无法查询其他员工或部门数据；"

    prompt = f"""
    你是办公销售数据查询助手，需根据用户的自然语言问题，从历史销售数据中提取答案。
    {scope_prompt}
    历史数据范围：{list(HISTORY_DATA.keys())}（仅含这些日期的数据）
    数据字段说明：统计日期、部门、姓名、销售额、达标订单（销售额>2000为达标）
    
    请回答以下查询：{query}
    
    回答要求：
    1. 基于现有历史数据回答，若数据不足无法回答，直接说明“暂无足够数据回答该问题”；
    2. 答案简洁明了，含具体数据（比如“销售一部2026-01-10销售额为5000元”）；
    3. 若查询超出当前角色权限，输出“无权限查询该范围数据”。
    """
    
    # 调用ChatGPT API
    response = client.chat.completions.create(
        model=OPENAI_MODEL,
        messages=[
            {"role": "system", "content": "你是精准的销售数据查询助手，严格遵守权限范围，不泄露超出权限的数据。"},
            {"role": "user", "content": prompt}
        ],
        temperature=0.1
    )
    
    query_result = response.choices[0].message.content.strip()
    return {"success": True, "data": query_result}
except Exception as e:
    return {"success": False, "error": f"AI查询失败：{str(e)}"}

第三步：修改后端路由（新增AI功能接口，联动权限）

@app.route(“/”)
@login_required
def dashboard():
“”“看板首页：新增历史数据缓存”“”
selected_date = request.args.get(“date”, TODAY)
available_dates = get_available_dates()

# 根据角色获取数据
if current_user.role == "leader":
    summary, detail_data = get_excel_data(selected_date, filter_type="all")
elif current_user.role == "dept":
    summary, detail_data = get_excel_data(selected_date, filter_type="dept", filter_value=current_user.dept)
else:
    summary, detail_data = get_excel_data(selected_date, filter_type="user", filter_value=current_user.name)

# 缓存当前日期数据到全局变量（用于AI分析）
HISTORY_DATA[selected_date] = {"summary": summary, "detail": detail_data}

chart_path = get_chart_path(selected_date)
return render_template(
    "dashboard.html",
    summary=summary,
    detail_data=detail_data,
    chart_path=chart_path,
    available_dates=available_dates,
    selected_date=selected_date,
    current_user=current_user
)

@app.route(“/ai/summary”, methods=[“POST”])
@login_required
def ai_summary():
“”“AI生成总结接口（前端AJAX调用）”“”
data = request.get_json()
date = data.get(“date”, TODAY)
summary_data = HISTORY_DATA.get(date, {}).get(“summary”, {})

if not summary_data:
    return {"success": False, "error": f"未找到{date}的数据"}

# 调用AI生成总结
result = ai_generate_summary(
    date=date,
    summary_data=summary_data,
    user_role=current_user.role,
    user_dept=current_user.dept,
    user_name=current_user.name
)
return result

@app.route(“/ai/abnormal”, methods=[“POST”])
@login_required
def ai_abnormal():
“”“AI识别异常接口”“”
data = request.get_json()
date = data.get(“date”, TODAY)
summary_data = HISTORY_DATA.get(date, {}).get(“summary”, {})
detail_data = HISTORY_DATA.get(date, {}).get(“detail”, [])

if not summary_data or not detail_data:
    return {"success": False, "error": f"未找到{date}的数据"}

result = ai_detect_abnormal(date, detail_data, summary_data)
return result

@app.route(“/ai/query”, methods=[“POST”])
@login_required
def ai_query():
“”“AI自然语言查询接口”“”
data = request.get_json()
query = data.get(“query”, “”)

if not query:
    return {"success": False, "error": "请输入查询内容"}

result = ai_natural_query(
    query=query,
    user_role=current_user.role,
    user_dept=current_user.dept,
    user_name=current_user.name
)
return result

第四步：优化前端页面（新增AI功能模块，实现交互）

AI数据助手

生成今日销售总结识别异常数据

<!-- AI总结/异常结果展示区 -->
<div id="aiResultArea" style="margin-bottom: 20px; padding: 15px; border-radius: 4px; background-color: white; min-height: 80px;">
    <p style="color: #666;">AI生成的总结/异常分析将显示在这里...</p>
</div>

<!-- 自然语言查询区 -->
<div style="display: flex; gap: 10px;">
    <input type="text" id="naturalQueryInput" placeholder="请输入查询（比如“销售一部本周销售额多少”“张三近3天业绩如何”）" style="flex: 1; padding: 10px; border: 1px solid #ddd; border-radius: 4px; font-size: 16px;">
    <button id="queryBtn" style="padding: 10px 20px; background-color: #2ecc71; color: white; border: none; border-radius: 4px; cursor: pointer;">查询</button>
</div>