{"repo": "chao-shen-8416/database", "files": {"README.md": {"6ed56abf8401faef012f3ec7fc15451336ca8b55": {"t": 1785747289.3161123, "n": 1096, "h": "f063da6a17bd0926", "c": "# 手势传感器数据 OpenGauss 管理系统\n\n这是一个围绕 `data_raw.csv` 构建的数据库课程项目，包含前端、后端、OpenGauss 数据库、CSV 导入、增删改查、查询统计、录制样本管理和 DeepSeek 大模型加分模块。\n\n## 技术栈\n\n- 数据库：OpenGauss，Docker 容器部署\n- 后端：Python FastAPI\n- 前端：原生 HTML/CSS/JavaScript\n- 大模型：DeepSeek 自然语言查询助手，可通过环境变量配置\n\n## 数据建模\n\nCSV 一共有 104610 行、77 列。系统将 `worker`、`v`、`label`、`active_hand`、`sample_id`、`timestamp/ms`、`frame_id`、`hand_type` 作为可查询元数据列，其余传感器字段保存到 `sensor_data` JSONB 字段中，便于完整保留原始数据。\n\n## 启动步骤\n\n1. 启动 OpenGauss：\n\n```powershell\ndocker compose -p gesturedb up -d\n```\n\n本项目使用 `enmotech/opengauss:3.1.1` 镜像。\n\n2. 安装后端依赖：\n\n```powershell\npython -m pip install -r requirements.txt\n```\n\n3. 初始化数据库并导入 CSV：\n\n```powershell\npython backend/import_csv.py --csv data_raw.csv --reset\n```\n\n4. 启动后端和前端：\n\n```powershell\npython -m uvicorn backend.app.main:app --reload --host 127.0.0.1 --port 8000\n```\n\n浏览器打开：\n\n```text\nhttp://127.0.0.1:8000\n```\n\n## DeepSeek 配置\n\n复制 `.env.example` 为 `.env`，填写 `DEEPSEEK_API_KEY`。前端“大模型查询”会把中文问题转换成安全的筛选条件，只允许查询本系统开放的字段，不会让模型直接执行任意 SQL。\n\n## 主要功能\n\n- 数据列表分页\n- 按人员、标签、手型、速度、样本编号、关键字查询\n- 新增、编辑、删除记录\n- 数据集统计：总记录数、标签分布、人员分布、手型分布\n- DeepSeek：中文自然语言查询转结构化筛选条件\n\n"}, "23bf68cf73d78fa814292240102ec61b5c74f03a": {"t": 1785772172.701783, "n": 1202, "h": "5e402c57614af960", "c": "# 手势传感器数据 OpenGauss 管理系统\n\n这是一个围绕 `data_raw.csv` 构建的数据库课程项目，包含前端、后端、OpenGauss 数据库、CSV 导入、增删改查、查询统计、录制样本管理和 DeepSeek 大模型加分模块。\n\n## 技术栈\n\n- 数据库：OpenGauss，Docker 容器部署\n- 后端：Python FastAPI\n- 前端：原生 HTML/CSS/JavaScript\n- 大模型：DeepSeek 自然语言查询助手，可通过环境变量配置\n\n## 数据建模\n\nCSV 一共有 104610 行、77 列。系统将 `worker`、`v`、`label`、`active_hand`、`sample_id`、`timestamp/ms`、`frame_id`、`hand_type` 作为可查询元数据列，其余传感器字段保存到 `sensor_data` JSONB 字段中，便于完整保留原始数据。\n\n## 启动步骤\n\n1. 启动 OpenGauss：\n\n```powershell\ndocker compose -p gesturedb up -d\n```\n\n本项目使用 `enmotech/opengauss:3.1.1` 镜像。\n\n2. 安装后端依赖：\n\n```powershell\npython -m pip install -r requirements.txt\n```\n\n3. 初始化数据库并导入 CSV：\n\n```powershell\npython backend/import_csv.py --csv data_raw.csv --reset\n```\n\n4. 启动后端和前端：\n\n```powershell\npython -m uvicorn backend.app.main:app --reload --host 127.0.0.1 --port 8000\n```\n\n浏览器打开：\n\n```text\nhttp://127.0.0.1:8000\n```\n\n## DeepSeek 配置\n\n复制 `.env.example` 为 `.env`，填写 `DEEPSEEK_API_KEY`。前端“大模型查询”会把中文问题转换成安全的筛选条件，只允许查询本系统开放的字段，不会让模型直接执行任意 SQL。\n\n## 主要功能\n\n- 数据列表分页\n- 按人员、标签、手型、速度、样本编号、关键字查询\n- 新增、编辑、删除记录\n- 数据集统计：总记录数、标签分布、人员分布、手型分布\n- DeepSeek：中文自然语言查询转结构化筛选条件\n\n## 课程汇报建议\n\n可以按以下结构介绍：需求分析、数据集说明、E-R 设计、OpenGauss 表结构、后端接口、前端功能、CSV 导入流程、查询优化索引、录制样本管理、大模型加分点、演示增删改查和查询统计。\n"}}}}