本项目是一个基于 FastAPI 和 Dify 构建的后端服务，旨在探索大型语言模型（LLM）在软件工程领域的深度应用。项目核心包含两大功能模块：
实现了一套完整的、基于真实电商场景的后端业务 API。通过与 Dify 工作流结合，可以实现用自然语言驱动后端服务，完成顾客注册、下单等真实的增删改查操作。这充分展示了如何通过 ORM 调用来构建安全、可靠的 AI Agent 后端。
提供了一系列专用的、安全的数据库测试接口。AI Agent 可以被赋予“QA工程师”的角色，自动设计并生成针对唯一性约束、外键关联、数据类型、边界值等边缘情况的 SQL 测试用例，并通过事务回滚机制在沙箱环境中安全执行，最终输出详细的自动化测试与诊断报告。
这个项目完整地体现了从基础业务实现到高级智能测试的演进过程，是学习和实践 AI Agent 与后端服务结合的最佳范例。
后端框架: FastAPI
数据库 ORM: Tortoise-ORM
数据库驱动: mysql-connector-python (用于原生SQL测试), aiomysql (用于ORM)
数据校验: Pydantic
认证授权: JWT + OAuth2 (Passlib, python-jose)
环境配置: python-dotenv
AI Agent 平台: Dify
/fastapi_study
├── api/
│ └── endpoints/ # 存放所有路由（Controller）文件，如 customer.py, order.py, llmTest.py
├── core/
│ ├── config.py # Pydantic 配置管理
│ ├── dependencies.py # 认证依赖项 (门禁)
│ ├── Responses.py # 统一的响应封装函数
│ └── Security.py # 密码哈希、JWT Token 生成等安全工具
├── crud/
│ └── *.py # 数据访问层 (DAL)，封装最原始的数据库读写
├── database/
│ └── mysql.py # Tortoise-ORM 数据库配置与初始化
├── models/
│ └── base.py # Tortoise-ORM 数据模型定义
├── schemas/
│ └── *.py # Pydantic 数据结构定义（API的输入输出规范）
├── service/
│ └── *.py # 业务逻辑层 (Service)，处理核心业务规则
├── .env # 环境变量配置文件（需自行创建）
├── main.py # FastAPI 应用主入口
├──requirements.txt # 项目依赖
├──config.py # Pydantic 配置管理
├──README.md # 阅读文档
├──test_example.md # SQL测试工作流输出示例
└── table.sql # 数据库原始SQL文件
系统围绕一个标准的电商业务场景设计，核心是顾客（Customers）、商品（Products）和他们之间产生的订单（Orders）。
(你原来写的这部分数据库表结构解释非常详细和专业，我将它原封不动地保留，并稍微调整了标题层级以优化阅读体验)
职责: 存储所有注册用户的核心信息，既是业务上的“顾客”，也是系统中可以登录的“用户”。
关键字段: id, phone (登录凭证, NOT NULL, UNIQUE), hashed_password (NOT NULL), email (UNIQUE), name, address。
职责: 存储所有可供销售的商品信息。
关键字段: id, name, price (DECIMAL), stock_quantity。
职责: 存储每笔订单的总体信息，是连接顾客和购买行为的桥梁。
核心关联: 与 customers 表为多对一关系。
删除影响 (ON DELETE RESTRICT): 为保证数据完整性，禁止删除尚有关联订单的顾客。
职责: 连接 orders 和 products 的中间表，记录订单中的具体商品项。
核心关联: 同时与 orders 和 products 表关联。
删除影响:
级联删除 (ON DELETE CASCADE for order_id): 删除订单时，会自动删除其下的所有订单项。
限制删除 (ON DELETE RESTRICT for product_id): 为保证历史订单数据完整，禁止删除已被下单的商品。
确保你的电脑已安装 Python 3.8+ 和 MySQL 数据库。
本项目推荐使用虚拟环境进行管理。
conda create -n fastapi_env python=3.11
conda activate fastapi_env
若不使用 conda
# 若无, 使用venv
python -m venv venv
# 激活虚拟环境
# 使用macos/linux：
source ./venv/bin/activate
# windows：
.\venv\Scripts\activate
pip install -r requirements.txt
请在你的 MySQL 中手动创建一个数据库，例如 dify_fastapi_project。
在项目根目录下，复制 .env.example (如果提供) 或手动创建一个名为 .env 的文件。
修改 .env 文件中的数据库连接信息（BASE_HOST, BASE_USER, BASE_PASSWORD, BASE_DB 等），使其与你的本地数据库配置一致。
启动服务
# 在项目根目录（包含 app 文件夹的那一级）运行
uvicorn app.main:app --reload
--reload 参数会在你修改代码后自动重启服务，非常适合开发阶段。
服务启动后，在浏览器中打开 http://127.0.0.1:8000/docs。 你将看到 FastAPI 自动生成的交互式 API 文档 (Swagger UI)，可以在这里直接对所有接口进行测试。
通过文件下两个DSL文件导入Dify进行使用，我使用的模型是硅基流动的Qwen2.5-72B-Instruct-128K.（请使用具有较长上下文的模型，否则效果不好）