edu-industry/docs/plan/from-hk/10-技术方案-供需会智能分析系统.md

# 供需会智能分析系统 — 技术方案

> **项目名称**：杭州科技职业技术学院 供需会智能分析系统  

## 目录

- [一、项目背景与目标](#一项目背景与目标)
- [二、系统总体架构](#二系统总体架构)
- [三、核心功能设计](#三核心功能设计)
- [四、AI能力详解](#四ai能力详解)
- [五、数据安全与部署方案](#五数据安全与部署方案)
- [六、实施计划](#六实施计划)
- [七、投资估算](#七投资估算)

## 一、项目背景与目标

### 1.1 项目背景

高校供需对接是高等教育服务区域经济发展的核心环节。杭州科技职业技术学院覆盖32个专业方向，每年为杭州及周边地区输送大量技术技能型人才。供需会作为学校与行业企业对接的重要机制，承担着人才培养方向校准、校企合作推进、就业质量提升等多重使命。

当前，学校在供需对接方面面临以下挑战：

| 挑战 | 现状 |
|------|------|
| **数据分散** | 校内实习数据、就业数据、市场招聘数据分散在不同系统，无法统一分析 |
| **分析依赖人工** | 供需匹配主要靠人工调研和经验判断，缺少数据化、智能化的分析手段 |
| **报告产出效率低** | 32个专业的人才需求报告需逐一手工编写，耗时长、口径难统一 |
| **决策缺少数据支撑** | 课程调整、专业建设、企业合作等决策缺乏市场数据的量化支撑 |
| **展示手段单一** | 缺少直观、专业的数据可视化展示手段 |

### 1.2 建设目标

建设一套 **AI驱动的供需会智能分析系统**，实现以下目标：

1. **数据汇聚**：打通校内实习平台、就业系统与外部就业市场数据，建立统一的供需数据底座
2. **智能分析**：运用大模型和数据分析技术，自动完成岗位匹配、技能解析、缺口识别、薪资对标
3. **报告自动化**：一键生成32个专业的人才需求分析报告，支持供需会材料批量导出
4. **辅助决策**：为学院提供AI驱动的课程调整建议和企业合作推荐
5. **可视化展示**：提供供需会专用数据大屏，直观呈现人才培养与市场需求的对接成果

## 二、系统总体架构

### 2.1 总体架构图

```
┌─────────────────────────────────────────────────────────────────────┐
│                         应用展示层                                    │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌───────────┐  │
│  │  学院工作台   │  │ 校级管理台   │  │  系统管理台  │  │  展示大屏  │  │
│  │  · 专业分析  │  │ · 全校总览   │  │ · 数据管理  │  │ · 供需总览│  │
│  │  · 报告导出  │  │ · 缺口汇总   │  │ · 用户权限  │  │ · 匹配排行│  │
│  │  · 企业推荐  │  │ · 材料导出   │  │ · 系统运维  │  │ · 缺口地图│  │
│  │  · 就业指导  │  │ · 大屏管理   │  │ · 分析任务  │  │ · 薪资对比│  │
│  └─────────────┘  └─────────────┘  └─────────────┘  └───────────┘  │
├─────────────────────────────────────────────────────────────────────┤
│                       AI 智能分析引擎                                 │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐            │
│  │ JD智能解析│  │ 岗位匹配  │  │ 缺口识别  │  │ 报告生成  │            │
│  │  大模型   │  │  引擎     │  │  引擎     │  │  引擎     │            │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘            │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐                          │
│  │ 技能图谱  │  │ 薪资分析  │  │ 课程建议  │                          │
│  │  构建     │  │  引擎     │  │ AI生成    │                          │
│  └──────────┘  └──────────┘  └──────────┘                          │
├─────────────────────────────────────────────────────────────────────┤
│                       数据治理层                                      │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐            │
│  │ 数据清洗   │  │ 岗位归一  │  │ 质量监控  │  │ 数据仓库  │            │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘            │
├─────────────────────────────────────────────────────────────────────┤
│                        数据源层                                       │
│  ┌───────────────────────┐  ┌───────────────────────────────────┐  │
│  │       校内数据          │  │           外部数据                 │  │
│  │  · 实习平台（含工资）   │  │  · 杭州就业网 · 杭州本地人才网     │  │
│  │  · 就业管理系统         │  │  · 政策/行业报告                  │  │
│  └───────────────────────┘  └───────────────────────────────────┘  │
└─────────────────────────────────────────────────────────────────────┘
```

### 2.2 架构设计原则

| 原则 | 说明 |
|------|------|
| **一体化部署** | 一套系统覆盖全部功能，统一部署维护，降低学校信息中心的运维负担 |
| **数据驱动** | 从数据采集到报告生成形成完整链路，所有分析结论均可溯源至原始数据 |
| **AI原生** | 大模型能力深度集成于分析引擎，而非简单的功能叠加，确保智能分析的精准性 |
| **渐进增强** | 系统分阶段交付，核心功能优先上线，AI高级功能逐步丰富，不影响基础使用 |
| **安全可控** | 支持校内私有化部署，数据不出校园；大模型可对接私有化部署的模型服务 |

## 三、核心功能设计

### 3.1 数据接入与治理

数据是系统的基础。本模块负责从多方数据源汇聚数据，并经过清洗、标准化后，形成统一的供需数据底座。

#### 3.1.1 校内数据对接

| 数据源 | 接入数据 | 对接方式 |
|--------|---------|---------|
| 校内实习平台 | 实习岗位、实习企业、实习工资（新增） | 优先API对接，兜底Excel导入 |
| 就业管理系统 | 就业岗位、就业薪资、就业企业、就业去向 | 优先API/数据库视图对接 |

> 系统提供可视化的数据对接配置界面，支持字段映射、同步频率设置和连接测试，无需修改代码即可适配学校现有系统。

#### 3.1.2 外部数据采集

| 数据源 | 采集内容 | 采集策略 |
|--------|---------|---------|
| 杭州就业网 | 岗位需求、企业信息、薪资范围 | 定时采集，按行业/地域配置范围 |
| 杭州本地人才网 | 招聘岗位、技能要求、薪资数据 | 定时采集 |
| 行业报告/新闻 | 行业趋势、政策动态 | 定时采集+人工录入 |

#### 3.1.3 数据治理

```
原始数据 ──► 数据清洗 ──► 岗位归一 ──► 质量检验 ──► 数据仓库
              │              │              │
              ▼              ▼              ▼
          · 去重去噪      · 统一分类     · 完整度检查
          · 格式标准化    · 别名映射     · 异常值检测
          · 缺失值处理    · 待审核队列   · 质量评分
```

**岗位分类归一**是数据治理的核心环节。系统建立三级岗位分类体系（大类-中类-小类），通过AI辅助的别名映射和人工审核相结合，确保来自不同数据源的岗位信息能在同一体系下进行对比分析。

### 3.2 AI智能分析引擎

这是系统的核心价值所在。AI分析引擎对治理后的供需数据进行深度分析，产出六大维度的分析结果。各维度的详细能力说明见 [第四章 AI能力详解](#四ai能力详解)。

#### 六大分析维度

| 分析维度 | 分析内容 | 产出 |
|---------|---------|------|
| **岗位匹配度分析** | 将校内就业/实习岗位与市场需求岗位进行智能比对 | 32个专业的匹配度评分及详细对比 |
| **人才缺口识别** | 识别市场有需求但学校覆盖不足的方向 | 缺口岗位TOP排行、缺口率、趋势 |
| **薪资对标分析** | 校内实习工资/就业薪资与市场水平横向对比 | 分位数对比、城市维度、趋势变化 |
| **专业技能图谱** | 从招聘信息中AI提取技能要求，与课程设置比对 | 32个专业的技能覆盖雷达图 |
| **课程调整建议** | 基于供需偏差和技能缺口，AI生成优化建议 | 按专业输出新增/强化/弱化课程建议 |
| **企业推荐** | 基于岗位匹配度，推荐潜在合作企业 | 按专业输出推荐企业列表及推荐理由 |

#### 分析引擎工作流程

```
  数据仓库
     │
     ├──────────────────────────┐
     ▼              ▼          ▼
 校内就业数据   市场需求数据  招聘信息原文
     │              │          │
     │              │          ▼
     │              │      AI智能解析（技能/要求提取）
     │              │          │
     ▼              ▼          ▼
     ┌──────────────────────────┐
     │      多维度分析引擎        │
     │  岗位匹配 · 缺口识别      │
     │  薪资对标 · 技能图谱      │
     │  企业推荐 · 课程建议      │
     └────────────┬─────────────┘
                  │
                  ▼
            分析结果库（版本化存储）
                  │
        ┌─────────┼─────────┐
        ▼         ▼         ▼
    报告生成   数据看板   大屏展示
```

### 3.3 专业人才需求报告

系统自动生成32个专业的人才需求分析报告，是供需会的核心产出物。

#### 报告内容结构

```
《XX专业人才需求分析报告》

  1. 专业概况
     - 在校生规模、近三年就业率

  2. 供需匹配分析
     - 毕业生TOP就业岗位 vs 市场TOP需求岗位
     - 匹配度评分及档位

  3. 技能图谱分析
     - 市场要求技能 vs 课程覆盖技能（雷达图）
     - 技能覆盖盲区标注

  4. 薪资对标分析
     - 实习/就业薪资 vs 市场薪资（分位数对比）
     - 城市维度、趋势变化

  5. 人才缺口分析
     - 相关方向缺口岗位及规模
     - 缺口趋势判断

  6. 课程调整建议（AI生成）
     - 建议新增/强化/弱化的课程方向
     - 每条建议的数据支撑和优先级

  7. 合作企业推荐
     - 高匹配度企业列表
     - 推荐理由
```

#### 报告生成策略

报告内容随系统功能上线逐步丰富，32个专业从第一期起即全部覆盖：

| 阶段 | 报告版本 | 包含内容 |
|------|---------|---------|
| 第一期（M2） | 基础版 | 供需匹配分析（岗位对比、匹配度评分） |
| 第二期（M3） | 完整版 | 增加技能图谱、薪资对标、缺口分析 |
| 第三期（M4） | 智能版 | 增加AI课程建议、企业推荐 |

- 支持PDF/Word格式导出，统一排版，带学校LOGO和元信息
- 校级管理者可一键打包导出全部32份报告 + 全校总报告

### 3.4 多角色工作台

系统面向三类用户，提供差异化的工作台。

#### 3.4.1 学院工作台

> 面向学院院长、专业负责人、就业指导老师

| 功能板块 | 功能说明 |
|---------|---------|
| 专业匹配度总览 | 本院所有专业与市场需求匹配度排行，支持预警标注 |
| 专业详细分析 | 单专业维度的完整分析（岗位对比、技能图谱、薪资、缺口） |
| 课程调整建议 | AI生成的课程优化方向，支持采纳/暂缓/驳回标记 |
| 企业推荐 | 高匹配度企业列表，区分已合作和新推荐，支持导出 |
| 就业去向分布 | 学生就业流向可视化（行业/地域/企业类型） |
| 政策与动态 | 相关就业政策、行业报告聚合 |
| 报告导出 | 导出专业报告或学院报告（PDF/Word） |

> 通过数据权限控制，院长可查看院级汇总，专业负责人看本专业详情，就业指导老师侧重企业和薪资信息。

#### 3.4.2 校级管理台

> 面向教务处、就业处领导

| 功能板块 | 功能说明 |
|---------|---------|
| 全校专业对比 | 32个专业匹配度/缺口率/薪资竞争力排行，红绿灯预警 |
| 人才缺口汇总 | 全校维度的缺口方向汇总，辅助新专业申报和招生调整 |
| 改进跟踪 | 各学院对建议的响应情况统计 |
| 数据质量概览 | 各数据源接入状态、数据完整度 |
| 材料包导出 | 一键打包导出供需会全套材料（ZIP） |
| 大屏管理 | 配置大屏展示内容、布局、轮播策略 |

#### 3.4.3 系统管理台

> 面向信息中心运维人员

| 功能板块 | 功能说明 |
|---------|---------|
| 数据源管理 | 校内/外部数据源配置、测试连接、同步策略 |
| 数据清洗 | 清洗规则配置、预览、执行日志 |
| 岗位分类 | 分类体系维护、别名映射、待审核队列 |
| 分析任务 | 手动/自动触发分析、进度监控、版本管理 |
| 用户权限 | 用户CRUD、角色分配、学院/专业数据范围绑定 |
| 系统运维 | 全局配置、运行监控、操作日志、数据备份 |

### 3.5 供需会展示大屏

展示大屏用于供需数据的可视化呈现，无需登录，由校级管理者配置展示内容。

#### 大屏页面规划

| 页面 | 展示内容 | 核心视觉元素 |
|------|---------|-------------|
| 学校供需总览 | 全校宏观指标（专业数、就业率、匹配度、企业数） | 动态计数器、指标卡片 |
| 专业匹配度排行 | 32个专业匹配度排名 | 柱状图/排行榜，TOP5高亮 |
| 人才缺口地图 | 市场急需方向分布 | 热力气泡图，动态浮动 |
| 薪资对比 | 校内薪资 vs 市场薪资 | 双轴对比图，涨跌箭头 |
| 校企合作成果 | 合作企业展示 | 企业LOGO墙/地图分布 |

#### 大屏技术要求

- 适配1920×1080及以上分辨率，支持16:9/21:9比例
- 深色主题、高对比度配色，视觉效果专业
- 各页面按设定间隔自动轮播，支持手动切换
- 通过专用URL免登录访问
- 关键数字突出显示，信息层次清晰

## 四、AI能力详解

AI能力是本系统区别于传统数据统计工具的核心差异点。系统深度集成大语言模型，在以下四个关键场景中发挥智能化作用。

### 4.1 大模型驱动的JD智能解析

**痛点**：市场招聘数据中，岗位JD以自然语言描述，格式各异，传统关键词匹配难以准确提取结构化信息。

**方案**：利用大模型的语义理解能力，将非结构化JD文本自动解析为结构化数据。

```
┌───────────────────────────────────────┐
│ 原始JD文本（输入）                      │
│                                        │
│ "招聘Python后端开发工程师，要求熟悉     │
│  Django/Flask框架，有Redis/MySQL经验，  │
│  了解Docker容器化部署，薪资15-25K..."   │
├───────────────────────────────────────┤
│              大模型解析                  │
├───────────────────────────────────────┤
│ 结构化结果（输出）                      │
│                                        │
│ · 岗位类别：互联网/软件开发/后端开发    │
│ · 核心技能：Python, Django, Flask,      │
│             Redis, MySQL, Docker        │
│ · 技能层级：熟悉(Django/Flask/Redis)    │
│             了解(Docker)                │
│ · 薪资范围：15K-25K                     │
│ · 经验要求：推断为1-3年                 │
└───────────────────────────────────────┘
```

**价值**：
- 解析准确率显著优于传统关键词匹配
- 能理解语义近义（如"熟练使用"="精通"、"有经验"="熟悉"）
- 支持自动适配不同平台、不同格式的JD文本

### 4.2 AI岗位匹配与人才缺口识别

**痛点**：校内就业岗位名称与市场岗位名称往往不同（如学生就业登记为"程序员"，市场叫"后端开发工程师"），简单文本匹配会导致大量漏匹配。

**方案**：利用大模型的语义相似度计算和推理能力，实现"理解岗位本质"的智能匹配。

```
校内就业岗位                    市场需求岗位
─────────────                  ─────────────
"程序员"          ──AI匹配──►  "后端开发工程师"     ✅ 高匹配
"网页设计"        ──AI匹配──►  "UI/UX设计师"        ✅ 中匹配
"文员"            ──AI匹配──►  "数据分析师"          ❌ 低匹配
                               "算法工程师"          ⚠️ 无对应（缺口）
```

**匹配方式**：
1. AI理解岗位的实际含义，而非简单比对文字
2. 结合岗位分类体系进行层级匹配
3. 综合技能要求重合度进行交叉验证
4. 输出匹配度评分（0-100）和匹配置信度

**缺口识别逻辑**：
- 市场需求量大 + 学校就业覆盖少 = 人才缺口
- 结合需求增长趋势判断缺口紧迫性
- 关联到具体专业，给出"该缺口应由哪个专业响应"的建议

### 4.3 智能课程调整建议

**痛点**：即使识别了供需偏差，从"市场需要什么技能"到"学校应该调整什么课程"之间的推理链条复杂，依赖专业人员的经验判断。

**方案**：利用大模型的推理能力，自动生成从市场数据到课程建议的完整推理链。

```
┌─────────────────────────────────────────────────────┐
│  AI课程建议生成流程                                    │
│                                                       │
│  输入：                                               │
│  · 本专业技能图谱（市场要求 vs 课程覆盖）              │
│  · 本专业供需匹配偏差数据                              │
│  · 本专业现有课程设置清单                              │
│                                                       │
│  大模型推理：                                          │
│  1. 识别技能覆盖盲区                                   │
│  2. 关联盲区技能到具体岗位需求                         │
│  3. 评估该技能的市场重要程度和增长趋势                  │
│  4. 生成课程调整建议（新增/强化/弱化）                  │
│  5. 为每条建议给出数据支撑和优先级                     │
│                                                       │
│  输出示例：                                            │
│  ┌─────────────────────────────────────────────────┐ │
│  │ 建议【高优先级】：新增"容器化与云原生"课程方向     │ │
│  │                                                   │ │
│  │ 依据：Docker/K8s技能在后端开发岗位JD中出现率       │ │
│  │ 从2024年的42%上升至2026年的78%，而当前课程体系     │ │
│  │ 中仅在"Linux基础"课程中简要提及容器概念。          │ │
│  │                                                   │ │
│  │ 建议措施：新增1门32学时选修课，覆盖Docker基础、    │ │
│  │ 容器编排、CI/CD流水线等内容。                      │ │
│  └─────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────┘
```

**价值**：
- 从"数据发现"到"行动建议"自动闭环
- 每条建议有明确的数据支撑，可追溯、可验证
- 大幅降低专业负责人分析市场数据的工作量

### 4.4 专业能力图谱自动构建

**痛点**：32个专业分别需要哪些技能、每个技能市场需求强度如何、学校课程覆盖如何——这张图谱需要大量人力梳理。

**方案**：由AI自动从海量招聘JD中提取、归类、量化技能要求，并与课程设置自动比对，生成专业能力图谱。

```
                    计算机科学与技术 · 能力图谱

                         Java ★★★★★
                        /
               Python ★★★★     MySQL ★★★★
              /                          \
     Docker ★★★                     Redis ★★★
              \                          /
          Linux ★★★★          Git ★★★★
                        \      /
                   Spring ★★★★★

  ★ 市场需求强度    ● 课程覆盖度

  覆盖充足：Java, Python, MySQL, Linux
  部分覆盖：Spring, Git
  严重不足：Docker, Redis    ◄── 重点关注
```

**构建流程**：
1. 从招聘JD中通过大模型提取技能关键词及层级要求
2. 统计每个技能在对口岗位中的出现频率，计算市场需求强度
3. 将技能与学校课程大纲进行比对（课程名称+教学内容关键词匹配）
4. 生成雷达图/能力矩阵，标注覆盖状态

## 五、数据安全与部署方案

### 5.1 数据安全策略

| 安全维度 | 措施 |
|---------|------|
| **数据存储** | 所有数据存储在学校服务器内，不外传；数据库加密存储 |
| **访问控制** | 基于角色的权限控制，学院用户只能访问本单位数据 |
| **传输安全** | 全站HTTPS加密传输 |
| **操作审计** | 关键操作（数据导入/导出、报告下载、权限变更）全程日志记录 |
| **数据备份** | 支持自动定时备份，可手动触发，支持从备份恢复 |
| **AI安全** | AI模型可对接学校私有化部署的服务，敏感数据不传入公网 |

### 5.2 部署方案

系统采用**校内私有化部署**，部署在学校数据中心或指定云服务器上。

```
┌──────────────────────────────────────┐
│           学校数据中心/云服务器         │
│                                       │
│  ┌─────────┐  ┌─────────┐            │
│  │ Web前端  │  │ 后端服务  │            │
│  └─────────┘  └─────────┘            │
│  ┌─────────┐  ┌─────────┐            │
│  │ 数据库   │  │ 缓存服务  │            │
│  └─────────┘  └─────────┘            │
│  ┌─────────┐                          │
│  │ AI模型   │ （可选私有化部署          │
│  │  服务    │  或对接云端API）          │
│  └─────────┘                          │
└──────────────────────────────────────┘
```

**服务器推荐配置**：

| 项目 | 基础配置 | 推荐配置 |
|------|---------|---------|
| CPU | 8核 | 16核 |
| 内存 | 16GB | 32GB |
| 磁盘 | 200GB SSD | 500GB SSD |
| GPU（如需私有化AI模型） | — | 独立GPU卡×1 |

> 如不部署私有化AI模型，可通过API调用云端AI服务，此时无需GPU。

## 六、实施计划

### 6.1 分期交付计划

项目采用分期迭代交付模式，共4个里程碑，总周期约4个月。

```
       月份1              月份2              月份3             月份4
  ┌────────────────┬────────────────┬────────────────┬────────────────┐
  │                │                │                │                │
  │  里程碑1        │  里程碑2        │  里程碑3        │  里程碑4       │
  │  数据跑通       │  核心功能上线   │  供需会就绪     │  持续迭代      │
  │                │                │                │                │
  │  · 数据源对接   │  · AI分析引擎   │  · 技能图谱     │  · AI课程建议  │
  │  · 数据清洗归一 │  · 院级/专业分析│  · 薪资对标     │  · 政策聚合    │
  │  · 岗位分类体系 │  · 32份基础报告 │  · 缺口分析     │  · 改进跟踪    │
  │  · 用户权限     │  · 全校总览     │  · 大屏配置+展示│  · 企业推荐    │
  │                │  · 材料包导出   │  · 报告内容丰富 │  · 就业去向    │
  │                │                │                │  · 大屏进阶    │
  └────────────────┴────────────────┴────────────────┴────────────────┘

  验收点1:           验收点2:          验收点3:          验收点4:
  数据链路跑通       系统可用于         完整分析+大屏      全功能交付
  样本数据可查       报告生成和导出
```

### 6.2 里程碑交付物

| 里程碑 | 交付物 | 验收标准 |
|--------|--------|---------|
| M1 数据跑通 | 数据治理模块上线，样本数据入库 | 校内+外部数据可接入，清洗归一后可查询 |
| M2 核心上线 | 分析引擎+报告+工作台上线 | 可生成32份基础版专业报告并导出 |
| M3 供需会就绪 | 完整分析+大屏上线 | 报告含完整分析维度，大屏可正常展示 |
| M4 全功能交付 | 全部功能上线 | AI课程建议等高级功能可用，全系统验收 |

### 6.3 项目配合要求

| 阶段 | 需校方配合事项 |
|------|--------------|
| 启动阶段 | 提供校内系统接口文档或数据库访问权限；确认32个专业清单和课程设置 |
| M1阶段 | 配合数据对接调试；提供样本数据验证清洗效果 |
| M2阶段 | 业务部门试用反馈；确认报告格式和内容模板 |
| M3阶段 | 确认大屏展示需求；提供大屏显示设备参数（屏幕尺寸/分辨率） |
| 全程 | 指定1名项目对接人，负责协调校内各部门 |

## 七、投资估算

### 7.1 软件开发工作量

以下按功能模块估算开发工作量，单位为**人天**。

| 模块 | 功能范围 | 人天 | 阶段 |
|------|---------|:----:|:----:|
| **数据接入与治理** | | | |
|  校内数据对接 | 多种对接方式，字段映射，自动同步 | 15 | M1 |
|  外部数据采集 | 3个采集源配置，采集调度，异常告警 | 18 | M1 |
|  数据清洗引擎 | 去重/补全/过滤规则，配置界面，执行日志 | 12 | M1 |
|  岗位分类归一 | 三级分类体系，别名映射，AI辅助归一，审核队列 | 15 | M1 |
|  数据质量监控 | 监控看板，完整度/归一率指标，告警配置 | 8 | M1 |
| **AI智能分析引擎** | | | |
|  JD智能解析 | AI驱动的招聘信息结构化解析，批量处理 | 12 | M2 |
|  岗位匹配引擎 | 智能语义匹配，匹配度评分，多维度校验 | 15 | M2 |
|  人才缺口识别 | 缺口计算，趋势分析，关联专业推荐 | 10 | M2/M3 |
|  薪资分析引擎 | 多维度薪资对比，趋势分析 | 8 | M3 |
|  技能图谱构建 | AI技能提取，课程比对，图谱生成 | 15 | M3 |
|  AI课程建议 | AI驱动的课程调整建议生成 | 12 | M4 |
|  企业推荐引擎 | 企业-专业匹配度计算，推荐理由生成 | 8 | M4 |
| **报告生成** | | | |
|  报告模板与生成 | 模板设计，数据填充，图表渲染，PDF/Word输出 | 15 | M2 |
|  材料包导出 | 32份报告+总报告汇总，批量打包下载 | 5 | M2 |
| **应用工作台** | | | |
|  学院工作台 | 7个功能板块的界面与服务 | 25 | M2/M3 |
|  校级管理台 | 6个功能板块的界面与服务 | 20 | M2/M3 |
|  系统管理台 | 6个功能板块的界面与服务 | 20 | M1/M2 |
| **展示大屏** | | | |
|  大屏核心页面 | 5个大屏页面设计+开发，轮播，免登录 | 20 | M3 |
|  大屏管理功能 | 内容配置，布局调整，预览 | 8 | M3 |
| **基础设施** | | | |
|  用户权限系统 | 角色管理，数据权限，可选对接学校统一认证 | 10 | M1 |
|  系统运维 | 全局配置，运行监控，操作日志，备份恢复 | 10 | M3/M4 |
|  部署与联调 | 环境搭建，联调测试，上线部署 | 15 | 全程 |
| | | | |
| **合计** | | **311** | |

### 7.2 工作量汇总（按阶段）

| 阶段 | 周期 | 工作量 | 核心交付 |
|------|------|:------:|---------|
| M1 数据跑通 | 第1个月 | 78 人天 | 数据治理全链路 + 用户权限 |
| M2 核心上线 | 第2个月 | 100 人天 | AI分析引擎 + 报告生成 + 工作台核心 |
| M3 供需会就绪 | 第3个月 | 83 人天 | 深度分析 + 大屏 + 工作台完善 |
| M4 持续迭代 | 第4个月 | 50 人天 | AI课程建议 + 企业推荐 + 运维 |
| **合计** | **4个月** | **311 人天** | |

### 7.3 其他费用参考

| 项目 | 说明 | 预估（年） |
|------|------|-----------|
| 服务器 | 校方自备或采购（见5.2配置推荐） | 视校方情况 |
| AI模型云端调用 | 如使用云端AI服务（按调用量计费） | 1-3万元 |
| AI模型私有化部署 | 如需校内私有化部署（含GPU服务器） | 视模型规模 |
| 年度运维 | 系统维护、数据更新、版本升级 | 另行协商 |

> 以上AI服务费用为参考值，实际费用取决于分析频率和数据规模。32个专业每月分析一次，年均费用约1-2万元。

*— 文档结束 —*