一、引言\n\n随着企业规模的扩大和数字化转型的深入，办公用品采购作为企业日常运营的重要环节，传统采购模式存在流程繁琐、信息不透明、库存管理混乱、审批效率低等问题。与此人工智能大模型技术在自然语言处理、智能推荐、智能客服等领域展现出强大能力。本文设计并实现了一个基于AI大模型、SpringBoot和Vue的企业办公用品采购商城系统，旨在通过智能化手段提升采购效率、优化用户体验、降低采购成本。\n\n## 二、系统需求分析\n\n### 2.1 功能需求\n\n系统面向企业员工、采购管理员和系统管理员三类角色，主要功能包括：\n\n- 商品浏览与搜索：员工可浏览办公用品分类（文具、耗材、设备、清洁用品等），支持关键词搜索和智能推荐。\n- 智能购物车与下单：支持购物车管理、批量下单、订单跟踪。\n- 智能采购助手：基于AI大模型，提供自然语言采购咨询、商品推荐、预算分析等功能。\n- 审批流程管理：采购订单需经过部门审批、财务审批，支持多级审批流转。\n- 库存管理：实时库存监控、低库存预警、自动补货建议。\n- 数据统计分析：采购报表、部门消费统计、趋势分析。\n- 系统管理：用户管理、角色权限管理、商品分类管理。\n\n### 2.2 非功能需求\n\n- 系统响应时间不超过2秒；\n- 支持不低于500并发用户访问；\n- 具备良好的可扩展性和安全性；\n- 前后端分离架构，便于维护和升级。\n\n## 三、系统架构设计\n\n### 3.1 总体架构\n\n系统采用前后端分离的B/S架构，分为表现层、业务逻辑层、数据访问层和数据存储层，并集成AI大模型服务层：\n\n- 前端：Vue 3 + Element Plus + Axios + Vue Router + Pinia，构建响应式单页应用。\n- 后端：SpringBoot 3 + Spring Security + MyBatis-Plus + Redis，提供RESTful API。\n- 数据库：MySQL 8.0存储业务数据，Redis缓存会话与热点数据。\n- AI服务层：通过API调用大模型（如通义千问、DeepSeek等），实现智能对话、商品推荐和采购建议。\n- 文件存储：采用MinIO或阿里云OSS存储商品图片。\n\n### 3.2 技术选型说明\n\n- SpringBoot：简化配置、快速开发，内置Tomcat，生态丰富。\n- Vue 3：组合式API，响应式性能优异，组件化开发效率高。\n- MyBatis-Plus：简化CRUD操作，支持分页、条件构造器。\n- Redis：缓存商品分类、热门商品、用户会话，提升访问速度。\n- AI大模型：通过Prompt工程实现采购咨询、智能推荐和审批辅助。\n\n## 四、数据库设计\n\n系统核心数据表包括：\n\n| 表名 | 说明 |\n|------|------|\n| user | 用户表（员工、审批人、管理员） |\n| role | 角色表 |\n| product | 商品表（名称、分类、价格、库存、图片） |\n| category | 商品分类表 |\n| cart | 购物车表 |\n| order | 订单表（状态、总金额、审批流） |\n| orderitem | 订单明细表 |\n| approval | 审批记录表 |\n| stocklog | 库存变动日志表 |\n| aichatlog | AI对话记录表 |\n\n关键字段设计示例：\n\n`sql\nCREATE TABLE product (\n id BIGINT PRIMARY KEY AUTOINCREMENT,\n name VARCHAR(100) NOT NULL,\n categoryid BIGINT NOT NULL,\n price DECIMAL(10,2) NOT NULL,\n stock INT NOT NULL DEFAULT 0,\n description TEXT,\n imageurl VARCHAR(255),\n status TINYINT DEFAULT 1,\n createtime DATETIME DEFAULT CURRENT_TIMESTAMP\n);\n`\n\n## 五、系统核心功能实现\n\n### 5.1 用户认证与权限控制\n\n后端采用Spring Security + JWT实现认证，用户登录后颁发Token，前端通过Axios拦截器携带Token。权限控制基于RBAC模型，通过注解@PreAuthorize限制接口访问。\n\n### 5.2 商品浏览与智能搜索\n\n前端使用Vue实现商品列表分页展示，支持按分类筛选和关键词搜索。后端SearchController调用ProductService，结合Elasticsearch（可选）或MySQL全文索引实现高效搜索。基于用户历史采购记录，系统可调用AI大模型生成个性化推荐列表：\n\n`java\npublic List getRecommendations(Long userId) {\n List history = orderService.getUserHistory(userId);\n String prompt = \