Neo-ZQYY/docs/prd/specs/board-detail-gap-analysis.md

看板 & 详情页差距分析与实施指南

调研日期：2026-03-28 范围：小程序看板（助教/客户列表）、助教详情页、客户详情页 目的：全面梳理前后端完成度差距，为后续联调实施提供完整依据

---

一、总体完成度

模块	后端接口	前端页面	真实数据对接	完成度	主要差距
助教看板 BOARD-1	✅	✅	❌ Mock	~60%	前端用 Mock；skills 为空；环比字段为 None
客户看板 BOARD-2	✅	✅	❌ Mock	~60%	前端用 Mock；loyal 缺 coachDetails；排序规则需修正
助教详情 COACH-1	✅	✅	⚠️ 部分	~40%	API 已调用但 Mock 覆盖大部分字段
客户详情 CUST-1	✅	✅	⚠️ 部分	~35%	API 已调用但只映射了 id/name/phone
客户服务记录 CUST-2	✅	✅	✅ 真实	~90%	已完成联调
看板 Tab 切换	N/A	✅	N/A	需重构	当前是页面跳转，需改为同页切换

---

二、问题清单（按优先级排列）

P1：看板 Tab 切换改为同页切换

现状：三个看板页面（board-finance / board-customer / board-coach）各自独立，通过 wx.navigateTo() 或 wx.switchTab() 跳转。

问题：

• board-coach.ts 第 245 行 onTabChange()：wx.navigateTo / wx.switchTab
• board-customer.ts 第 277 行 onTabChange()：同上
• board-finance.ts 第 473 行 onTabChange()：同上

目标：改为同一页面内的 tab 切换（无页面跳转感），类似 wx:if 或 hidden 控制显示/隐藏。

实施方案选项：

1. 方案 A：合并为单页：将三个看板合并到一个页面（如 board/board），用 wx:if="{{activeTab === 'finance'}}" 切换内容区。优点：切换无延迟；缺点：单页代码量大，首次加载慢。
2. 方案 B：wx.redirectTo 替代：用 wx.redirectTo 替代 wx.navigateTo，避免页面栈堆积。优点：改动最小；缺点：仍有页面切换闪烁。
3. 方案 C：组件化：将三个看板内容抽为自定义组件，在一个容器页面中按 tab 切换。优点：代码隔离好、切换流畅；缺点：需要重构。

建议：方案 C（组件化），兼顾代码隔离和切换体验。

影响范围：

• 前端：pages/board-finance/、pages/board-customer/、pages/board-coach/ → 抽为组件
• 路由：app.json 页面注册需调整
• 权限守卫：checkPageAccess 需适配新路由
• custom-tab-bar：如果 board-finance 是 tabBar 页面，需要调整

---

P2：助教详情页 Mock → 真实 API 映射

现状（coach-detail.ts 第 297-370 行 loadData()）：

• 已调用 fetchCoachDetail(id) 获取后端数据
• 但只映射了 id 和 name，其余全部用 mockCoachDetail 覆盖
• 档位节点硬编码为 [0, 100, 130, 160, 190, 220]（实际应为 [0, 120, 150, 180, 210]）

后端 Schema（CoachDetailResponse）已返回的完整字段：

id, name, avatar, level, skills, work_years, customer_count, hire_date,
performance { monthly_hours, monthly_salary, customer_balance, tasks_completed,
              perf_current, perf_target },
income { this_month[], last_month[] },
tier_nodes[],
visible_tasks[], hidden_tasks[], abandoned_tasks[],
top_customers[], service_records[], history_months[], notes[]

前端需要映射但当前被 Mock 覆盖的字段：

字段	Mock 变量	说明
tier_nodes	硬编码 [0, 100, 130, 160, 190, 220]	档位节点，后端从 cfg_performance_tier 读取
visible_tasks	mockVisibleTasks	可见任务列表
hidden_tasks	mockHiddenTasks	隐藏任务列表
abandoned_tasks	mockAbandonedTasks	已放弃任务列表
top_customers	mockTopCustomers	TOP 客户列表
service_records	mockServiceRecords	近期服务记录
history_months	mockHistoryMonths	历史月份数据
notes	Mock 内嵌	备注列表（已部分映射）
income	Mock 内嵌	收入明细（本月/上月）
performance 全部子字段	mockCoachDetail.performance	绩效数据

实施要点：

1. 移除 mockCoachDetail 及所有 mock* 变量
2. 直接使用 fetchCoachDetail(id) 返回的完整对象
3. 注意 camelCase 转换（后端 snake_case → 前端 camelCase 自动转换）
4. tier_nodes 使用后端返回值，fallback 用 _FALLBACK_TIER_NODES = [0, 120, 150, 180, 210]
5. 数值字段传原始数字给 setData，WXML 中用 WXS 格式化（TS 与 WXS 格式化互斥规则）
6. null 值清洗：?? 0 / ?? ''（组件 property 收到 null 不走默认值）

---

P3：客户详情页 Mock → 真实 API 映射

现状（customer-detail.ts 第 97-120 行 loadDetail()）：

• 已调用 fetchCustomerDetail(id) 获取后端数据
• 只映射了 id、name、phone 三个字段
• 其余模块（Banner、AI 洞察、维客线索、助教任务、最亲密助教、消费记录、备注）全部使用 data 中的初始空值

后端 Schema（CustomerDetailResponse）已返回的完整字段：

id, name, phone, phone_full, avatar, member_level, relation_index, tags[],
balance, consumption_60d, ideal_interval, days_since_visit,
ai_insight { summary, strategies[] },
coach_tasks[], favorite_coaches[], retention_clues[],
consumption_records[], notes[]

前端需要映射但当前未映射的字段：

字段	前端 data key	说明
phone_full	detail.phone	完整手机号（用于复制）
avatar	未使用	头像 URL
member_level	未使用	会员等级
relation_index	未使用	关系指数
tags	未使用	标签数组
balance	detail.balance	卡余额
consumption_60d	detail.consumption60d	60天消费
ideal_interval	detail.idealInterval	理想到店间隔
days_since_visit	detail.daysSinceVisit	距上次到店天数
ai_insight	aiInsight	AI 洞察（暂不处理）
coach_tasks	coachTasks	关联助教任务
favorite_coaches	favoriteCoaches	最亲密助教
retention_clues	clues	维客线索
consumption_records	consumptionRecords	消费记录
notes	sortedNotes	备注

实施要点：

1. loadDetail 中将 fetchCustomerDetail(id) 返回的完整对象映射到 data
2. AI 相关字段（ai_insight）暂不处理，保持空值
3. Banner 四项指标（balance / consumption60d / idealInterval / daysSinceVisit）直接映射
4. 子模块（coachTasks / favoriteCoaches / clues / consumptionRecords / notes）直接映射
5. null 值清洗规则同 P2

---

P4：助教看板 Mock → 真实 API

现状（board-coach.ts 第 195-215 行 loadData()）：

• 使用 setTimeout + MOCK_COACHES 模拟加载
• 未调用任何 API

后端接口：GET /api/xcx/board/coaches?sort=perf_desc&skill=ALL&time=month

后端返回结构：

{
  "items": [
    {
      "id": 123,
      "name": "张三",
      "initial": "张",
      "avatar_gradient": "",
      "level": "senior",
      "skills": [],
      "top_customers": ["李四", "王五"],
      "perf_hours": 156.5,
      "perf_hours_before": null,
      "perf_gap": null,
      "perf_reached": false,
      "salary": 18500.0,
      "salary_perf_hours": 156.5,
      "salary_perf_before": null,
      "sv_amount": 45000.0,
      "sv_customer_count": 12,
      "sv_consume": 8500.0,
      "task_recall": 5,
      "task_callback": 8
    }
  ],
  "dim_type": "perf"
}

实施要点：

1. 替换 setTimeout + MOCK_COACHES 为真实 API 调用
2. 筛选参数（sort / skill / time）传给 API
3. 筛选变更时重新请求（当前只在前端过滤 Mock 数据）
4. 注意 skills 字段当前为空数组（见 P6）
5. perf_hours_before / salary_perf_before 当前为 null（见 P7）

---

P5：客户看板 Mock → 真实 API

现状（board-customer.ts 第 218-235 行 loadData()）：

• 使用 setTimeout + MOCK_CUSTOMERS 模拟加载
• 未调用任何 API

后端接口：GET /api/xcx/board/customers?dimension=recall&project=ALL&page=1&page_size=20

实施要点：

1. 替换 Mock 为真实 API 调用
2. 维度切换时重新请求（不同维度调用不同 FDW 查询函数）
3. 项目筛选传给 API
4. 分页支持（page / page_size）
5. 注意前端字段名与后端返回的映射（camelCase 自动转换）

客户看板前端字段 → 后端字段映射：

前端字段	后端字段	维度
idealDays	ideal_days	recall
elapsedDays	elapsed_days	recall
overdueDays	overdue_days	recall
visits30d	visits_30d	recall
balance	balance	recall / balance
recallIndex	recall_index	recall
spend30d	spend_30d	potential
avgVisits	avg_visits	potential
avgSpend	avg_spend	potential
lastVisit	last_visit	balance / recent
monthlyConsume	monthly_consume	balance
availableMonths	available_months	balance
lastRecharge	last_recharge	recharge
rechargeAmount	recharge_amount	recharge
recharges60d	recharges_60d	recharge
currentBalance	current_balance	recharge
spend60d	spend_60d	spend60
visits60d	visits_60d	spend60 / freq60
avgInterval	avg_interval_days	freq60
weeklyVisits	weekly_visits	freq60
intimacy	intimacy	loyal
topCoachName	top_coach_name	loyal
topCoachHeart	top_coach_heart	loyal
coachDetails	❌ 后端未返回	loyal
daysAgo	days_ago	recent
assistants	assistants	所有维度

---

P6：助教 Skills 字段为空

现状：

• 后端 get_coach_board() 返回 "skills": []（第 316 行注释：v_dim_assistant 无 skill 列，暂返回空）
• 后端 get_coach_detail() 同样返回空 skills
• 前端 WXML 已有 skills 标签渲染逻辑

调研发现——"技能"的两层含义：

1. 课程类型（skill_id）：指助教能教的课程类型

   • 基础课（陪打/PD）：skill_id = 2791903611396869
   • 附加课（超休/CX）：skill_id = 2807440316432197
   • 包厢课：归入基础课口径
   • 配置表：cfg_skill_type（skill_id → course_type_code: BASE/BONUS/ROOM）
   • 这不是看板需要展示的"技能"

2. 项目类型（area_category）：指助教擅长的运动项目

   • BILLIARD（🎱 中式/追分）、SNOOKER（斯诺克）、MAHJONG（🀄 麻将/棋牌）、KTV（🎤 团建/K歌）
   • 配置表：cfg_area_category（台桌 → 区域 → 项目类型映射）
   • 视图：app.v_cfg_area_category（去重到 category 级别）
   • 这才是看板需要展示的"技能标签"

看板中 skills 的业务含义：

• 前端 SKILL_CLASS 映射：'🎱' → 'skill--chinese'、'斯' → 'skill--snooker'、'🀄' → 'skill--mahjong'、'🎤' → 'skill--karaoke'
• 即：助教擅长哪些项目类型（台球/斯诺克/麻将/KTV）

数据来源方案：

• 从 dwd_assistant_service_log 按助教聚合历史服务的 area_category_code，取去重后的项目类型列表
• SQL 示例：

  SELECT DISTINCT asl.area_category_code
  FROM dwd.dwd_assistant_service_log asl
  WHERE asl.assistant_id = %s
    AND asl.is_delete = 0
    AND asl.area_category_code IS NOT NULL
  

• 或者：在 v_dim_assistant 视图中新增 skills 列（从服务记录聚合）

实施建议：

1. 在 fdw_queries 中新增 get_assistant_skills_batch(conn, site_id, assistant_ids) 函数
2. 从 v_dwd_assistant_service_log 按助教聚合 area_category_code
3. 映射为前端需要的格式：["BILLIARD", "SNOOKER"]
4. 在 get_coach_board() 和 get_coach_detail() 中调用并填充 skills 字段

---

P7：助教看板"折前"字段（perf_hours_before / salary_perf_before）

现状：

• 后端 get_coach_board() 返回 perf_hours_before: None、salary_perf_before: None
• 前端 WXML 已有条件渲染：wx:if="{{item.perfHoursBeforeLabel}}" 显示"折前 XX.Xh"

业务含义：

• perf_hours = 折算后的定档业绩课时（effective_hours）
• perf_hours_before = 折算前的原始课时（base_hours + bonus_hours + room_hours）
• 折算规则：同一台桌同一时段 >2 名助教重叠挂台时，计算 per_hour_contribution = base_ledger_amount / base_hours / overlap_count，若 < 24 元/小时则按比例扣减 penalty_minutes
• 豁免条件：is_exempt = true（客人真实需求，前台核实并绑定客人信息）
• 只要 effective_hours != raw_hours 就显示折前课时，与新入职无关

注意：这不是"环比"，而是"折算前 vs 折算后"的对比。前端 WXML 中的 perfHoursBeforeLabel 显示的是"折前 XX.Xh"，不是"上期 XX.Xh"。

数据来源：

• dws_assistant_salary_calc 表中应有 raw_hours（折算前）和 effective_hours（折算后）
• 需确认 DWS 表是否已有 raw_hours 字段
• 如果没有，需要在 DWS 任务中补充计算

---

P8：客户看板 loyal 维度缺少 coachDetails 子数组

现状：

• 前端 WXML 已有完整的助教服务明细表渲染（board-customer.wxml 第 254-277 行）
• 表头：助教 | 次均时长 | 服务次数 | 助教消费 | 关系指数
• 数据绑定：wx:for="{{item.coachDetails}}"
• 但后端 get_customer_board_loyal() 只返回了 top_assistant_id 和 top_coach_name，没有返回 coach_details 数组

用户明确的排列规则：

• 客户-助教对，RSI 从高到低排列
• 客户不重复，排重规则是放在最高对的位置
• 每个卡片展示客户信息 + 该客户对应所有助教 RSI 值从高到低排列
• 右上位置展示最高 RSI 值助教

当前后端实现（fdw_queries.py 第 2272-2340 行）：

WITH member_top AS (
    SELECT ri.member_id,
           MAX(ri.rs_display) AS max_rs,
           (ARRAY_AGG(ri.assistant_id ORDER BY ri.rs_display DESC))[1] AS top_assistant_id,
           (ARRAY_AGG(ri.rs_display ORDER BY ri.rs_display DESC))[1] AS top_rs
    FROM app.v_dws_member_assistant_relation_index ri
    GROUP BY ri.member_id
    ORDER BY MAX(ri.rs_display) DESC
    LIMIT %s OFFSET %s
)

• ✅ 排序正确：按 max_rs DESC（最高 RSI 降序）
• ✅ 客户不重复：GROUP BY ri.member_id
• ✅ 右上角最高 RSI 助教：top_assistant_id + top_coach_name
• ❌ 缺少：每个客户对应的所有助教明细

需要补充的后端逻辑： 在 get_customer_board_loyal() 返回 items 后，批量查询每个客户的所有助教 RSI 明细：

SELECT ri.member_id,
       ri.assistant_id,
       COALESCE(da.real_name, da.nickname, '') AS name,
       ri.rs_display,
       ri.service_count,
       ri.total_hours,
       ri.total_income
FROM app.v_dws_member_assistant_relation_index ri
LEFT JOIN app.v_dim_assistant da
    ON ri.assistant_id = da.assistant_id AND da.scd2_is_current = 1
WHERE ri.member_id = ANY(%s)
ORDER BY ri.member_id, ri.rs_display DESC

前端 coachDetails 字段结构：

interface CoachDetail {
  name: string          // 助教姓名
  cls: string           // 样式类
  heartScore: number    // RSI 值（0-10）
  badge?: string        // "跟" / "弃"
  avgDuration: string   // 次均时长
  serviceCount: string  // 服务次数
  coachSpend: string    // 助教消费金额
  relationIdx: number   // 关系指数
}

计算规则：

• avgDuration = total_hours / service_count（次均时长）
• serviceCount = service_count（服务次数）
• coachSpend = total_income（助教消费金额，即该客户在该助教处的消费）
• relationIdx = rs_display（RSI 值）
• heartScore = rs_display（用于 heart-icon 组件）
• badge：跟/弃标记来源待确认（可能来自 coach_tasks 表的任务状态）

---

P9：客户看板项目筛选枚举不一致

现状：

• board-customer.ts 的 PROJECT_OPTIONS 使用旧枚举值：

  { value: 'all', text: '全部' },
  { value: 'chinese', text: '🎱 中式/追分' },
  { value: 'snooker', text: '斯诺克' },
  { value: 'mahjong', text: '🀄 麻将/棋牌' },
  { value: 'karaoke', text: '🎤 团建/K歌' },
  

• board-coach.ts 的 SKILL_OPTIONS 已修正为数据库枚举值（2026-03-20 修复）：

  { value: 'ALL', text: '不限' },
  { value: 'BILLIARD', text: '🎱 中式/追分' },
  { value: 'SNOOKER', text: '斯诺克' },
  { value: 'MAHJONG', text: '🀄 麻将/棋牌' },
  { value: 'KTV', text: '🎤 团建/K歌' },
  

问题：客户看板的 project 参数值（all/chinese/snooker/mahjong/karaoke）与后端枚举（ALL/BILLIARD/SNOOKER/MAHJONG/KTV）不一致，API 调用会失败。

修复：将 PROJECT_OPTIONS 的 value 改为 ALL/BILLIARD/SNOOKER/MAHJONG/KTV。

---

三、环比字段分布

根据调研，环比字段的分布如下：

3.1 财务看板（BOARD-3）— 已实现环比

后端 get_finance_board() 接受 compare 参数（0/1），当 compare=1 时计算环比。

环比字段分布（xcx_board.py Schema）：

• OverviewPanel：8 项核心指标各有 *_compare / *_down / *_flat 三元组
• RechargePanel：储值卡各项 + 全类别余额合计
• RevenuePanel：总发生额 / 优惠总计 / 确认收入
• CashflowPanel：充值合计
• ExpensePanel：支出合计
• CoachAnalysisPanel：pay / share / hourly 各有环比

前端 WXML 使用 fmt.compareText() + fmt.compareClass() WXS 函数渲染。

3.2 助教看板（BOARD-1）— 非环比字段

perf_hours_before / salary_perf_before 不是环比，而是"折算前课时"：

• 前端 WXML 显示为"折前 XX.Xh"
• 只有新入职助教才有折算值
• 数据来源：DWS dws_assistant_salary_calc 的 raw_hours 字段

3.3 客户看板（BOARD-2）— 无环比

当前无环比字段设计。

3.4 助教详情页（COACH-1）— 无环比

当前无环比字段设计。

3.5 客户详情页（CUST-1）— 无环比

当前无环比字段设计。

---

四、统计规则详解

4.1 助教看板四维度

定档业绩维度（perf）

• 排序字段：effective_hours（折算后工时）
• 升序/降序：perf_desc / perf_asc
• 卡片展示：定档课时、折前课时（新入职才有）、距升档差距、是否达标
• 数据来源：dws_assistant_salary_calc.effective_hours

工资维度（salary）

• 排序字段：gross_salary
• 计算公式：assistant_pd_money_total + assistant_cx_money_total + bonus_money + room_income
• 卡片展示：工资金额、定档课时、折前课时
• 数据来源：dws_assistant_salary_calc

客源储值维度（sv）

• 排序字段：sv_amount（客户余额合计）
• 卡片展示：储值金额、储值客户数、储值消耗
• 数据来源：fdw_queries.get_coach_sv_data()
• 互斥规则：time=last_6m 时不支持此维度（HTTP 400）

任务维度（task）

• 排序字段：task_total（recall + callback）
• 卡片展示：回访完成数、召回完成数
• 数据来源：业务库 biz.coach_tasks 按 task_type 分类统计

4.2 客户看板八维度

最应召回（recall）

• 排序：自定义排序（综合理想间隔、已过天数、余额等因素）
• 展示：理想间隔天数、已过天数、逾期天数、30天到店次数、余额、召回指数
• 数据来源：v_dws_member_consumption_summary + v_dws_member_winback_index

最大消费潜力（potential）

• 排序：自定义评分
• 展示：潜力标签、30天消费、平均到店频率、平均客单价
• 数据来源：v_dws_member_consumption_summary

最高余额（balance）

• 排序：total_card_balance DESC（卡余额快照值）
• 展示：最后到店日期、月消费、可用月数
• 数据来源：v_dim_member_card_account（快照值，取最后一天）
• ⚠️ 余额是快照值，禁止 SUM

最近充值（recharge）

• 排序：recharge_amount DESC
• 展示：最后充值日期、充值金额、60天充值次数、当前余额
• 数据来源：v_dws_member_consumption_summary

最近到店（recent）

• 排序：last_visit_date DESC
• 展示：距今天数、60天到店次数
• 数据来源：v_dws_member_consumption_summary

最高消费 近60天（spend60）

• 排序：consume_amount_60d DESC
• 展示：60天消费金额、60天到店次数、高消费标签
• 数据来源：v_dws_member_consumption_summary

最频繁 近60天（freq60）

• 排序：visit_count_60d DESC
• 展示：平均间隔天数、8周柱状图
• 数据来源：v_dws_member_consumption_summary（汇总）+ v_dwd_assistant_service_log（周粒度）

8 周柱状图统计规则（已实现，_get_weekly_visits_batch()）：

• 时间范围：最近 56 天（8 个自然周）
• 分组：按 ISO 周（DATE_TRUNC('week', create_time::date)）
• 每周统计到店次数（COUNT(*)）
• val：该周到店次数
• pct：相对于 8 周中最高值的百分比（val / max_val * 100）
• 固定返回 8 个元素，无数据的周 val=0, pct=0

最专一 近60天（loyal）

• 排序：max_rs DESC（最高 RSI 降序）
• 展示：最高 RSI 助教（右上角）、助教服务明细表
• 数据来源：v_dws_member_assistant_relation_index

排列规则（用户明确）：

1. 客户-助教对，RSI 从高到低排列
2. 客户不重复，排重规则是放在最高对的位置
3. 每个卡片展示客户信息 + 该客户对应所有助教 RSI 值从高到低排列
4. 右上位置展示最高 RSI 值助教

RSI（关系指数）：

• 存储：dws_member_assistant_relation_index 表
• 展示值：rs_display（0-10 刻度）
• Emoji 四级映射：>8.5→💖 / >7→🧡 / >5→💛 / ≤5→💙
• 计算：由 DWS 层 DWS_RELATION_INDEX 任务产出（RS/OS/MS/ML 四个子指数）

4.3 薪酬计算规则（DWS 需求文档 3.2 节）

现行方案（2026-03-01 起）：

档位	总业绩小时数阈值	专业课抽成（元/h）	打赏课抽成	次月休假
0档 淘汰压力	H < 120	28	50%	3天
1档 及格档	120 ≤ H < 150	18	40%	4天
2档 良好档	150 ≤ H < 180	13	35%	5天
3档 优秀档	180 ≤ H < 210	10	30%	6天
4档 销冠竞争	H ≥ 210	8	25%	休假自由

• 过档后所有时长按新档位计算
• 新入职助教：按日均 × 30 折算定档（25日后入职最高定档至 2档）
• 折算仅用于定档，不适用于 Top3 奖
• 档位节点：[0, 120, 150, 180, 210]（从 cfg_performance_tier 配置表读取）

---

五、数据层依赖

5.1 DWS 表

表名	用途	使用页面
dws_assistant_salary_calc	助教绩效/工资	BOARD-1、COACH-1
dws_member_consumption_summary	客户消费汇总	BOARD-2（6个维度）
dws_member_assistant_relation_index	客户-助教关系指数	BOARD-2（loyal）、CUST-1
dws_member_winback_index	客户召回指数	BOARD-2（recall）

5.2 DWD 表

表名	用途	使用页面
dwd_assistant_service_log	服务记录明细	BOARD-2（freq60 周粒度）、COACH-1
dim_member	会员维度表	所有页面（JOIN 取姓名）
dim_assistant	助教维度表	所有页面（JOIN 取姓名）
dim_member_card_account	会员卡账户	BOARD-2（balance）、CUST-1

5.3 配置表

表名	用途
cfg_performance_tier	绩效档位节点
cfg_bonus_rules	奖金规则
cfg_skill_type	课程类型映射（skill_id → BASE/BONUS/ROOM）
cfg_area_category	区域-项目类型映射（BILLIARD/SNOOKER/MAHJONG/KTV）

5.4 业务库表

表名	用途	使用页面
biz.coach_tasks	助教任务	BOARD-1（任务维度）、COACH-1、CUST-1
biz.notes	备注	COACH-1、CUST-1
biz.ai_cache	AI 洞察缓存	CUST-1（暂不处理）
public.member_retention_clue	维客线索	CUST-1

---

六、实施顺序建议

Phase 1 — 基础联调（前端 Mock → 真实 API）
  ├── P9: 修复客户看板项目筛选枚举（5 分钟）
  ├── P4: 助教看板 Mock → 真实 API
  ├── P5: 客户看板 Mock → 真实 API
  ├── P2: 助教详情页 Mock → 真实 API
  └── P3: 客户详情页 Mock → 真实 API（AI 相关暂跳过）

Phase 2 — 数据补全
  ├── P6: 助教 skills 字段填充
  ├── P7: 助教看板折前课时字段
  └── P8: 客户看板 loyal 维度 coachDetails 子数组

Phase 3 — 交互优化
  └── P1: 看板 Tab 切换改为同页切换

---

七、风险点

1. TS 与 WXS 格式化互斥：替换 Mock 时，setData 必须传原始数字，禁止用 formatMoney() 预格式化
2. null 值清洗：后端返回 null 的字段，前端必须 ?? 0 / ?? '' 清洗后再传给组件
3. Pydantic 静默丢弃：后端 service 新增返回字段时，必须同步更新 Schema，否则数据被静默丢弃
4. 余额快照值：balance 是日末快照，禁止 SUM 聚合
5. 档位节点：前端硬编码的 [0, 100, 130, 160, 190, 220] 与实际 [0, 120, 150, 180, 210] 不一致
6. 看板 Tab 重构：如果 board-finance 是 tabBar 页面，合并后需要调整 app.json 和 custom-tab-bar
7. 助教姓名：所有助教必须显示昵称/花名（nickname），禁止显示真实姓名（real_name）。SQL 统一用 COALESCE(nickname, real_name, '')