小老板开店前
风险扫描器
输入一个开店想法，AI Agent 会先拆解风险，再生成一份普通人看得懂的开店前财务体检报告。
很多小店不是开业后才出问题，而是在签租约、交转让费、装修、加盟时，风险结构就已经形成了。开店风险不只来自账本，也来自位置、路况、客群、竞品和用工。本 Demo 用 Agent 分析流程 + 多维风险矩阵，把"看起来可以做"的开店想法提前放进风险扫描器里验证。
Agent 分析流程
1
语义理解 Agent
从自然语言中提取关键参数
2
市场校准 Agent
判断品类竞争强度和消费场景
3
财务测算 Agent
计算保本订单和成本结构
4
风险审计 Agent
从财务、位置、环境、品类、用工五维审计
5
行动建议 Agent
输出签约前验证清单
Agent 分析 + 风险报告
输入你的开店想法支持任意城市 + 任意品类，AI Agent 将分析开店想法并生成风险报告。
默认使用稳定演示模式（规则模型+模拟Agent）；DeepSeek增强模式通过API生成真实Agent分析，失败会显示明确错误。
或选择一个示例案例快速体验：
每个输入都会触发 5 个 Agent 依次分析：语义理解 → 市场校准 → 财务测算 → 风险审计 → 行动建议，最终生成可视化风险报告。
Agent 分析进度0%
语义理解 Agent
等待输入...
市场校准 Agent
等待分析...
财务测算 Agent
等待测算...
风险审计 Agent
等待审计...
行动建议 Agent
等待输出...
手动测算模式
输入开店参数，生成风险扫描报告填写下方参数后点击"生成风险扫描报告"
高风险
82/100 财务硬风险分
红色高风险
当前方案不建议直接签约，需先验证客流
风险扫描报告
南宁·奶茶·35㎡ 风险扫描
基于开店参数的风险测算 · 规则模型 + AI解释思路 · 初赛展示Demo
前期现金投入249,000元
月保本订单4,464单
每日订单缺口59单
现金流压力压力偏高
保本销量测算
每天至少卖多少单才不亏钱？
月固定成本
单笔贡献利润
日保本订单
预计日订单
每日订单缺口
月销售额
成本结构分析
钱主要被哪些项目吃掉？
风险点分析
基于开店参数的风险识别与关键提醒
目标客群定位
以学生和上班族为主
行动建议核心竞争策略
差异化定位避开正面竞争
行动建议关键风险提示
高租金和高人力是主要压力
行动建议优先准备事项
先验证客流再签约
行动建议红黄绿风险灯
六大风险维度 · 与综合风险分联动
多维风险矩阵
开店亏损不只看财务，还要看位置、环境、品类和用工。
亏损点深度解释
不讲空话，讲清楚为什么这家店可能吃力
可能不是品类不行，而是固定成本太高
奶茶、咖啡本身都有机会，但如果租金和人工太重，店还没卖出一杯，每天的固定成本已经产生了。
客单价14元时，对订单量要求很高
单价低留下做贡献的钱有限，要覆盖租金和人工，必须靠高订单量支撑。
转让费和装修费拉长回本周期
前期投入越大，需要越长的时间和稳定的利润来回本。
外卖占比高时平台抽成压缩利润
外卖能带来订单，但每单的抽成会进一步降低贡献利润。
"看起来人流不错"不能替代数据
路过的人≠进店的人≠下单的人。必须记录不同时段、工作日的真实客流。
签约前验证清单
先验证再签约，避免把风险写入合同。按财务、位置、市场运营三类实地核查。
当前 Demo 已实现的能力
本 Demo 展示的核心能力
自然语言开店想法拆解
从用户输入中提取城市、品类、租金、转让费、客单价、预计订单等关键参数
Agent 分步分析流程展示
5个Agent依次分析：语义理解→市场校准→财务测算→风险审计→行动建议
城市与品类参数校准
29个城市成本系数 + 20个品类行业默认参数
保本销量测算
计算日保本订单、订单缺口、现金流压力
红黄绿风险灯
6大风险维度可视化：成本、客单、人工、选址、定位、现金
多维风险矩阵
从财务、选址、周边环境、品类匹配、运营用工五维综合评估开店风险
签约前验证清单
把分析结果转化为普通人能执行的签约前验证动作
可选 DeepSeek API 增强分析
部署到 Vercel 并配置 Key 后，通过安全代理调用 DeepSeek 生成真实 Agent 分析