# AttributionAnalysis

**Repository Path**: luzhongmilu/attribution-analysis

## Basic Information

- **Project Name**: AttributionAnalysis
- **Description**: 经营归因分析系统
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-16
- **Last Updated**: 2026-10-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 经营归因分析系统

面向企业核心经营场景的智能多维归因分析系统。设计依据：

- PRD：《docs/PRD-经营归因分析系统.md》v0.3.1
- 技术方案：《docs/Spec-经营归因分析系统.md》v0.1

## 架构

前后端分离 + 模块化单体（FastAPI）+ ARQ 异步任务 + SSE 事件流；
PostgreSQL 16 单实例双库（attribution 系统库 / warehouse 数仓库，容器端口 3308）；
沙箱为 Docker 一次性容器（internal 网络，只读账号，资源配额）。

## 目录结构

```
app/                  后端模块化单体
  common/             配置双轨(.env + config.yaml)、错误码、JWT、审计、SSE
  models/             全量 ORM 模型（Spec 5.1/5.2）
  auth/  admin/       认证、用户角色、审计查询、配置重载
  metrics/ engine/    指标字典、拆解引擎（差额/LMDI/Shapley/What-If 代数）
  agent/ sandbox/ stats/   LLM 接入、沙箱执行器、统计检验
  workspace/          会话/回合/SSE（已实现基础链路）
  dashboard/          异动大盘（指标卡/异常标识/一键发起，已实现）
  events/ whatif/ reports/ notify/   业务域路由（TODO 桩）
  worker.py pipeline.py    ARQ Worker 与归因流水线编排
frontend/             Vue 3 + Element Plus + ECharts（大盘页已实现）
docker/               compose（pg 3308 + redis）、沙箱镜像、initdb SQL
alembic/              迁移环境
scripts/              seed_rbac / seed_warehouse + warehouse_fixtures（造数数据集）
                      seed_metrics（指标字典 + 三个健康指标）
tests/                守恒属性测试（S1）、下钻/统计/沙箱/大盘等
```

## 快速开始（dev）

```bash
# 1. Python 依赖（uv，国内镜像）
uv sync --extra dev

# 2. 基础设施（postgres 3308 双库 + redis；首次自动执行 initdb）
docker compose -f docker/compose.yaml up -d

# 3. 配置
cp .env.example .env         # 填 LLM_API_KEY / LLM_MODEL 等
# 业务阈值默认用 config.default.yaml；如需覆盖则 cp config.default.yaml config.yaml

# 4. 建表与种子
uv run alembic revision --autogenerate -m "init schema"
uv run alembic upgrade head
uv run python scripts/seed_rbac.py
uv run python scripts/seed_warehouse.py     # 三场景造数 + sandbox_ro 授权 + DATA_SOURCE（自带自检）
uv run python scripts/seed_metrics.py       # 指标字典（下钻依赖的 source_mapping）
uv run python scripts/seed_events.py        # 业务事件日历（T-11 匹配演示，锚点对齐 seed_warehouse）

# 5. 沙箱镜像（T-09 起必需；容器内 pip 拉取失败时加 --network=host）
docker build --network=host -t attribution-sandbox:latest -f docker/sandbox/Dockerfile docker/sandbox

# 6. 启动
uv run python main.py                # API :8000（含 /api/docs）
uv run arq app.worker.WorkerSettings # Worker

# 7. 前端
cd frontend && npm install --registry=https://registry.npmmirror.com
npm run dev                          # :5173，/api 代理到 :8000
```

管理员账号：`admin / admin@123`（仅 dev）。

## 已实现 / TODO 对照（任务清单见 Spec 第 10 节）

| 模块 | 状态 |
|------|------|
| 配置双轨、错误码、JWT 认证、审计基础、模型全量、SSE 通道 | 已实现 |
| 拆解引擎（加法差额 / LMDI / Shapley / What-If 代数）+ 守恒测试 | 已实现 |
| 多维交叉下钻装配（source_mapping 驱动 + 快照 schema + 差额高亮） | 已实现(T-05) |
| 会话 CRUD / 分析回合 / 假设看板 / 证据链审核（基础链路） | 已实现 |
| 示例数仓三场景造数 + sandbox_ro 只读授权 + DATA_SOURCE 内置记录 | 已实现(T-04) |
| 指标字典数据（指标域/指标/口径版本/弹性系数，供下钻取数） | 已实现(T-05 前置) |
| LLM 接入：意图解析 / 执行规划 / 假设生成 / 结论生成（LLM 优先 + 规则兜底） | 已实现(T-08) |
| 统计检验：方法选择 + 多重比较校正 + 置信度 + 自动排除（FR-14/15） | 已实现(T-10) |
| 沙箱验证：一次性容器 + 只读账号 + 越权预检与审计（FR-13/16） | 已实现(T-09) |
| 看板落库 + GET /sessions/{id}/board + 阶段耗时（T-07 数据侧，AC-04） | 已实现(T-07) |
| 因子贡献瀑布图（FR-31，含守恒校验）+ 工作台看板接入 | 已实现(T-07 前端) |
| 动态透视表（FR-33：层级折叠/列头排序/差额染色/一键导出） | 已实现(T-07 前端) |
| 异动大盘：指标卡 + 异常标识 + 一键发起归因（FR-23~25） | 已实现(T-06) |
| 前端大盘页：筛选条 + 指标卡（迷你趋势/红绿对比）+ 异常列表 + 一键归因 | 已实现(T-06) |
| 指标字典 CRUD / 事件 / 报告 / 简报 / 用户管理路由 | 指标字典 CRUD 已实现(T-03)；事件关联/日历 已实现(T-11)；报告/简报/用户管理已实现(T-13/14/02) |
| 前端三栏工作台可视化（瀑布图 / 透视表 / What-If 仿真器 / 因果证据链） | 已实现(T-07/T-12/T-11) |
| 指标字典页（左指标树 + 右详情：公式/来源/拆解树/弹性系数/口径版本） | 已实现(T-03 前端) |
| 业务事件日历页（列表/筛选/新建/编辑） | 已实现(T-11 前端) |
| 因果证据链（异动窗口 ±window_days 匹配 + 证据等级 A/B/C + 驳回/恢复） | 已实现(T-11) |
| 报告归档页（七章预览 / 批注 / MD·Excel·PDF 导出 / 发布 / 授权共享） | 已实现(T-13 前端) |
| 简报订阅页（周/月订阅 / 退订 / 站内通知 / 手动生成） | 已实现(T-14 前端) |
| 系统管理页（用户/角色 / 审计查询 / 任务耗时 P50·P95 / 阈值热重载 / 数据源） | 已实现(T-15/T-16 前端) |
| 工作台「生成归因报告」一键装配入口（FR-35） | 已实现(T-13 前端) |

CI（`.github/workflows/ci.yml`）会拉起 compose、跑迁移与三份 seed 后执行 pytest；
拆解引擎的守恒属性测试为 CI 强制项（Spec 8.4）。

## LLM 接入（T-08）

统一策略：**LLM 优先、规则兜底**。模型未配置、调用失败、返回非法 JSON 或字段越界时，
自动切换到确定性规则路径，保证链路始终可跑（PRD 第 5 节可靠性），降级原因全部记日志。

| 模块 | 职责 | 兜底规则 |
|------|------|---------|
| `agent/intent.py` | 意图解析 + 执行规划 | 关键词识别指标（含 GMV 等英文代号）、"近 N 天/上周/上月"推导周期、同比/环比判定 |
| `agent/hypothesis.py` | 3~5 条候选假设（FR-12） | 按因子贡献率排序生成 + 外生事件/数据质量/集中度三条常备视角 |
| `agent/conclusion.py` | 核心归因结论 | 严格只引用 facts 中已有的数值，不编造 |
| `agent/guard.py` | 出域合规（AC-13） | 白名单字段过滤 + 手机号/邮箱/密钥脱敏；命中连接串或私钥直接拒绝 |
| `agent/llm.py` | OpenAI 兼容客户端 | 主力→降级模型；token 配额（LLM_002）；调用与降级事件落 LLM_CALL_LOG（AC-12） |
| `agent/prompts.py` | 模板与版本 | 版本 `{purpose}-v1`，同步进 PROMPT_VERSION 表，会话冻结 prompt_version（AC-18） |

模型臆造的表/维度会被收敛回指标声明的白名单（`_validate_hypotheses`）。

环境已配百炼 `qwen3.8-flash` 时实测：一句"分析最近30天 GMV 环比下滑的原因"，
模型自行定位到付费搜索转化率下降及 3C/服饰/家居三个品类——与造数时植入的异动一致。

## 统计检验（T-10）

`app/stats/verify.py` 检验引擎 + `app/stats/sampling.py` 样本取数。

方法选择规则（FR-14）：

| 数据类型 | 条件 | 方法 |
|---------|------|------|
| continuous | 样本量 ≥8 且两组均通过 Shapiro 正态性检验 | Welch t 检验（不等方差） |
| continuous | 小样本 / 非正态 / 常量序列 | Mann-Whitney U 非参数 |
| proportion | 输入 `[成功数, 总数]` | 双比例 z 检验 |
| categorical | 两组等长频数（2×k 列联表） | 卡方独立性检验 |

批量流程：逐条算原始 p → 多重比较校正（config `stats.correction`：fdr / bonferroni / none）
→ 按校正后 p 映射置信度 → 低于 `hypothesis.confidence_threshold` 自动置"已排除"（FR-15）。

样本取自数仓：按假设关注的维度切片聚合出指标日序列，切成基期/分析期两组。
切片由假设文本匹配下钻行标签得到（假设提到"付费搜索"即定位该渠道）；
规则兜底生成的假设不含标签时，按下钻显著性依次分配不同切片以保证区分度。

实测（mom 窗口）：

- 电商 GMV：三条假设全部落到付费搜索三个品类，p 2.0e-04~3.1e-07，置信度 0.95，全部确认；
  其中一条通过正态性检验走 t 检验，另两条走 Mann-Whitney——方法选择确实在生效
- SaaS 续约率：只有植入异动的中型客户切片置信度 0.70 被确认，
  enterprise(0.118) 与 smb(0.267) 均被自动排除——FR-15 伪相关过滤生效

## 示例数据（T-04）

三个场景各植入一处主因明确的异动，`seed_warehouse.py` 跑完会用已实现的拆解引擎自检，
三场景全部 PASS 才返回 0（保证后续演示链路可稳定拆出主因）：

| 场景 | 模型 | 植入异动 | 自检结果 |
|------|------|---------|---------|
| 电商 GMV | 乘法 / LMDI | 付费搜索渠道转化率 3.2%→1.73%（分析期后 20 天） | GMV 环比约 -10%；转化率贡献 >100%；下钻到渠道可见付费搜索 -29% |
| 快消利润率 | 加法 / 差额法 | 棕榈油单价 +35% + 运费 +8% | 营收 +3% 但利润率 -4.2pp（增收不增利）；原材料贡献 >130% |
| SaaS 续约率 | 分层下钻 | 中型客户续约率 88%→55%，报表导出功能使用量 -75%、故障工单 ×3 | 整体续约率 -20pp；下钻到分层可见 midmarket 为唯一主因 |

窗口：分析期 30 天 / 环比基期 30 天 / 缓冲 30 天 / 同比对齐 30 天；
`--anchor YYYY-MM-DD` 固定锚点日可完全复现同一份数据。

## 下钻装配（T-05）

`app/engine/drilldown.py` 依据 `METRIC.source_mapping` 从数仓取数，一次扫描同时聚合
基期与分析期（同一条 SQL，两期口径必然一致），产出透视表结构供 FR-33 渲染。

`source_mapping` 三种形态：

| 形态 | 写法 | 用途 |
|------|------|------|
| 加总型 | `"value": {"expr": "gmv"}` | GMV 等可加总指标 |
| 比率型 | `"value": {"numerator": "revenue - raw_material_cost", "denominator": "revenue"}` | 利润率等，先分别聚合再相除，避免辛普森悖论 |
| 条件计数 | `"value": {"numerator": "1", "denominator": "1", "numerator_filter": "renewed"}` | 续约率 = 已续约数 / 到期数 |

维度若不在主表，用 `table` + `join_on` 声明（如 SaaS 的 `segment` 需 JOIN `customers`）；
`label_table/label_key/label_column` 用于取可读名称（`CH_PAI` → 付费搜索）。

表名/列名/表达式均经白名单校验后才拼进 SQL，未声明的维度一律拒绝。
传入 `snapshot_schema` 即切换到会话冻结的快照，防口径漂移（FR-41A）。

已验证的下钻结果（mom，对齐最新数据窗口）：

- `ecom_gmv × channel`：付费搜索 -202,650（贡献率 +103.4%，高亮），其余两渠道小幅正增长
- `ecom_gmv × channel × category`：9 个交叉单元，付费搜索三个品类全部高亮
- `fmcg_profit_margin × channel`：三个渠道利润率同步下滑约 4pp
- `saas_renewal_rate × segment`：整体 90%→70%，midmarket 贡献 +59.7% 居首

## 沙箱（T-09）

`app/sandbox/`：一次性容器执行探查代码，四层纵深防御。

| 层 | 位置 | 作用 |
|---|---|---|
| 容器边界 | docker：internal 网络（无外网）+ 非特权用户 + CPU/内存/pids 配额 | 真正的隔离边界 |
| 应用侧预检 | `permissions.py` | DDL/DML 关键字拦截 + 引用表白名单；`snapshot.*` 永不放行 |
| 执行环境 | `docker/sandbox/runner.py` | 受限内建（无 open/exec/eval）+ import 白名单 |
| DB 权限层 | `sandbox_ro` 只读账号 | 越权查询被拒（SQLSTATE 42501 → SBX_003），审计留痕 |

错误分类：`SBX_001` 超时 / `SBX_002` 资源或环境 / `SBX_003` 越权 / `SBX_004` 脚本错误。

执行后端（`config.yaml sandbox.backend`）：
- `docker`（生产必选）：一次性容器；
- `local`：镜像不可用时的进程内降级，需 `allow_local_fallback: true`（生产置 false）。

必须说明的一点：CPython 无法提供真正安全的进程内沙箱，熟练攻击者仍可经对象图逃逸。
因此 import 拦截的目标是"防误用与防 LLM 生成代码的越界冲动"，真正的安全边界是
**容器 + 只读账号**，而非这里的白名单。

已验证（真实容器）：SQL 与 pandas 探查正常返回，`import os` / `open()` 被拒，
越权表与 DDL 在预检阶段即被拦下。

## 端到端

关键路径 T-01 → T-04 → T-05 → T-08 → T-09 → T-10 已全部打通，
`run_pipeline` 六个阶段可完整跑通（电商场景约 2.7s）：

```
intent_parse  -> decompose -> hypothesize -> sandbox_verify -> stat_test -> conclude
  规则/LLM        LMDI/差额     3~5 条假设      容器探查       校正+置信度     结论
```

## 看板落库与断点恢复（T-07）

此前流水线结果只通过 SSE 推送一次，**刷新即丢失**，看板也无数据可读。
现在每阶段完成后把产出合并进 `attribution_session.board`（JSONB）：

```
GET /api/v1/sessions/{id}/board
```

返回拆解 / 下钻 / 沙箱 / 检验 / 结论五个板块 + `stages`（各阶段状态与耗时）
+ 复现五要素。假设不走看板存储——它已持久化在 `HYPOTHESIS` 表，接口直接读
**检验后**的状态，避免同一份数据两个源头、两种状态。

`board` 与 `context_snapshot` 的分工：board 记录"这一轮算出了什么"，
context_snapshot 记录"聊过什么"（多轮上下文继承）。

几个实现要点：

- **合并而非覆盖**：追问轮次会重跑整条流水线，只刷新对应板块，不抹掉上一轮结论；
- **阶段耗时落 `task_stage_timing`**（第 5 节可观测性 / S8），失败与未实现阶段
  同样留痕，便于判断任务断在哪；
- **先记时再落库**：except 分支里必须先把 `stage_timings` 写了，否则失败阶段耗时永远是 0；
- **结论读检验后的假设**：曾用 hypothesize 阶段的候选清单生成结论，而那是检验**之前**
  的快照，导致"已确认假设 N 条"永远不会出现（已修，有测试固化）。

## 端到端验收（T-17 / AC-09）

`scripts/run_acceptance.py` 对照 Spec 第 10 节任务清单，对**两个代表性场景**
（电商 GMV 乘法/LMDI、快消利润率 加法/差额法）做全链路验收，覆盖：

- T-13 报告：看板 → 七章结构化装配（AC-08 章数与标题与 PRD 6.3 一致）→ MD/Excel 导出 → 派生存量行动项（FR-22）；
- T-14 简报：周/月订阅（BIZ_005 上限 10）→ 退订 → 手动生成一期简报 → 站内通知；
- T-15 配置重载：`/admin/config/reload` 热重载并审计（AC-11）；
- T-16 可观测：审计日志分页查询 + 任务阶段 P50/P95 聚合；
- 看板导出入口：工作台「生成归因报告」一键装配。

运行（需可达的 Postgres 双库，本地沙箱无仓库连接时由 `requires_db` 自动跳过）：

```bash
uv run python scripts/run_acceptance.py
```

> 纯函数装配 `assemble_seven_chapters` 与导出渲染不依赖 LLM/沙箱，故即使在 LLM 未配置
> 或沙箱不可用的环境下，报告/简报链路仍可端到端跑通（LLM 优先、规则兜底）。

全部模块（T-01~T-17）均已落地并随 CI 回归：拆解守恒（S1）、下钻/统计/沙箱/大盘、
指标字典/事件/报告/简报/用户管理、前端大盘/工作台/字典/日历/报告/简报/管理页。

## 因子贡献瀑布图（FR-31）

工作台右栏「贡献瀑布图」Tab 消费 `GET /sessions/{id}/board` 的
`decomposition` 板块，渲染 基期 → 各因子增减 → 现期 的守恒瀑布：

- 每根柱子由「透明占位层 + 可见段」两层堆叠而成，下降的因子视觉上从上往下长；
- 柱顶标注绝对贡献值与贡献率，tooltip 补充拉动方向；
- 配色遵循 A 股惯例：拉动上升红、拉动下降绿、期初/期末总量灰；
- **守恒校验常驻展示**：各级因子贡献之和与总变动的差（AC-02 要求 ≤0.1%），
  超差时红色告警——守恒是这套拆解方法的立论之本，不该藏在测试里。

实测电商 GMV：`202.18万 →(-2.92万 客单价)(-20.53万 转化率)(+3.85万 访客数)→ 182.58万`，
三项之和 -19.60万 与总变动 -19.60万 一致，守恒误差 1.75e-9。

因子展示名来自 `source_mapping.factors[code].label`（T-05 新增该字段），
不再裸露 `cvr` / `aov` 这类代号；未配置 label 时退回代号。

两个前端坑（都已修）：

1. **图表容器不能放在 `v-if` 里**：看板数据是异步拉取的，mount 时 `data` 还是 null，
   容器根本不存在，`echarts.init` 永远不会执行，数据到了也不画。容器必须常驻。
2. **ECharts 不跟随容器尺寸变化**：容器高度随数据从 0 变为 300px，需显式
   `chart.resize()`；且 `watch` 默认在 DOM 更新前触发，必须 `flush: 'post'`
   才能读到新尺寸（否则 resize 读到的还是 0）。

## 动态透视表（FR-33）

工作台右栏「下钻透视表」Tab 消费 `board.drilldown`，基于 Element Plus 表格自研
（ADR-07：需求面窄且与差额染色深度耦合，第三方 pivot 组件体积大、定制难）：

- **多维层级折叠**：按第一维分组，分组行是可展开的小计；
- **列头排序**：点击表头排序，子行跟随分组一起排（否则展开后顺序跳变）；
- **差额高亮染色**：贡献率超阈值的行标"高亮"并淡红底纹，差额按 A 股惯例涨红跌绿；
- **一键导出 CSV**：按**当前排序与折叠状态**导出，所见即所得；附带总计行，
  避免导出物脱离总量语境后被误读。

两个容易做错的点：

1. **分组小计的贡献率必须重新算**（小计差额 / 总差额），不能把子行比率相加——
   比率不可加，加了就是错的。
2. **覆盖率提示**：下钻按 |差额| 取前 N 切片，表头显示"已覆盖总变动 +100.0%"。
   这个数字小于 100% 时说明看到的是局部，用户该去瀑布图看全量——不提示的话，
   一张只覆盖 60% 的表很容易被当成全量事实。

代码中统一以 `TODO(T-xx)` 标注，编号对应 Spec 任务分解清单。

## 异动大盘（T-06）

`GET /api/v1/dashboard/metrics?domain_id=&period_start=&period_end=&refresh=`（API-02）

返回指标卡数组与异常列表。指标口径与归因工作台**完全同源**——共用同一份
`METRIC.source_mapping` 与同一套装配规则，不会出现"大盘一个数、下钻另一个数"：

| 指标形态 | 取数方式 |
|---|---|
| 加总型（GMV/访客数/营收） | 窗口内 `SUM(表达式)` |
| 比率型（利润率） | 先分别聚合分子分母再相除，绝不做"每日比率再平均"（辛普森悖论） |
| 条件计数（续约率） | 分子带 `numerator_filter`，分母不带 |

一次扫描取出整个回溯区间的日序列，环比/同比/迷你趋势/异常检测全部基于同一份序列，
避免多次查询落在不同快照而导致口径漂移（FR-41A）。结果按 60s TTL 缓存（Spec 8.2），
`refresh=true` 可强制重算。

**异常标识（FR-24）**分两层：
- 期间级：环比变动率跌破 `config.yaml anomaly.mom_drop_threshold` → 卡片标"异常"；
- 起始日：日序列上以扫描起点前的 7 天为"正常水位"参考，找滚动均值跌破阈值、
  且其后 3 天原值均值同样跌破的日子。

起始日刻意**不做单日环比比较**：日环比天然带噪声（演示库 GMV 日波动 ±12%），
单日跌幅超阈值会频繁误报。前视确认同样是必须的——一次仅 2 天的 20% 下跌会让
7 日均线在阈值下方停留 6 天以上，只看滚动均值会把瞬态扰动误判为持续异动
（`tests/test_dashboard.py` 固化了该场景）。

演示库六个指标刻意做成三红三绿，异常标识在有对照时才说得上话：

| 指标 | 环比 | 异动起始 | 造数植入的真实起点 |
|---|---|---|---|
| 电商 GMV | -9.70% | 2026-09-29 | 2026-09-26（+3 天，滚动均值固有滞后） |
| 快消利润率 | -12.80% | 2026-09-26 | 2026-09-26（精确命中） |
| SaaS 续约率 | -22.22% | 2026-09-16 | 当期批次起点（低续约率客群自此进入） |
| 电商访客数 / 快消营收 / SaaS 活跃用户数 | +2.02% / +2.90% / -2.69% | — | 未植入异动 |

**一键发起归因（FR-25 / AC-01）**：`POST /api/v1/dashboard/metrics/{metric_id}/attribution-session`，
预填指标、时间范围与基期类型创建会话，委派 `workspace.create_session` 走完全同一条
创建路径（口径版本冻结、审计留痕），返回 `workspace_url` 供前端跳转。

前端 `views/Dashboard.vue` + `components/MetricCard.vue` + `components/Sparkline.vue`：
筛选条、指标卡（现期值/环比/同比/差额/迷你趋势/异常角标）、异常列表与归因入口。
涨跌配色遵循 A 股惯例（涨红跌绿）。

启动大盘：

```bash
uv run python scripts/seed_metrics.py     # 指标字典 + 三个健康指标
uv run uvicorn app.main:app --port 8000
cd frontend && npm run dev               # http://localhost:5173/dashboard
```

## What-If 情景推演（T-12）

工作台右栏「What-If」Tab 消费 `GET /sessions/{id}/whatif/meta` + `POST /sessions/{id}/whatif`
（API-08，FR-20/21，AC-06：纯代数、无 LLM/沙箱，单次推演亚秒级）：

- **元信息**：基期值取会话看板 `decomposition.current_total`（即上一次归因算出的当期指标值），
  可干预因子与弹性系数读 `METRIC_ELASTICITY`（已在 `seed_metrics` 为电商 GMV / 快消利润率 /
  SaaS 续约率播种）；未做归因（无基期值）时前端提示先跑分析。
- **推演模型**：常弹性 `指标相对变动 ≈ Σ(弹性ᵢ × 因子相对变动ᵢ)`（`app/engine/whatif_calc.simulate_scenario`）。
  因子滑块范围 ±20%，落库 `WHATIF_SCENARIO` 并返回预期值 / 预期变动 / 收益区间（±20% 弹性不确定性）
  与因子效应分解。
- **多情景对比（FR-21）**：每次推演即保存一个情景，右栏下方列出各情景的调整项、预期值与变动，
  便于横向比较"若转化率 +5%""若原材料成本 -10%"等假设性干预。

演示库可直接推演的指标：`ecom_gmv`（访客数/转化率/客单价）、`fmcg_profit_margin`
（营收/原材料成本/物流履约/渠道佣金，成本项负弹性）、`saas_renewal_rate`（各客群续约因子）。
健康指标（访客数/营收/活跃用户）未配弹性系数，不支持推演。

行动项跟进（FR-22）绑定报告模块，待 T-13 落地后实现。