客户资料更新取消新建

.idea/csv-editor.xml

@@ -3,6 +3,13 @@
   <component name="CsvFileAttributes">
     <option name="attributeMap">
       <map>
+        <entry key="\back_ground_module\1762841002.961643_ngv_data_yesterday.csv">
+          <value>
+            <Attribute>
+              <option name="separator" value="," />
+            </Attribute>
+          </value>
+        </entry>
         <entry key="\back_ground_module\CRM.csv">
           <value>
             <Attribute>
@@ -17,6 +24,13 @@
             </Attribute>
           </value>
         </entry>
+        <entry key="\back_ground_module\create_data.csv">
+          <value>
+            <Attribute>
+              <option name="separator" value="," />
+            </Attribute>
+          </value>
+        </entry>
         <entry key="\db\task_queue.csv">
           <value>
             <Attribute>

back_ground_module/update_NGV_data.py

@@ -69,7 +69,7 @@ class UpdateNGVData:
             filtered_df = new_df[new_df['org_type'] == '一般']
             filtered_df = filtered_df.copy()
             # 默认未删除
-            filtered_df['源ngv是否已删除'] = '未删除'
+            filtered_df['源NGV是否已删除'] = '未删除'
 
             # 日期字段转换为日期格式
             time_columns = ['date_fmt', 'saas_create_time', 'expiry_time', 'install_create_time', "last_end_date",

back_ground_module/update_all_NGV_data_daily.py

@@ -1,65 +1,5 @@
 # -*- coding: utf-8 -*-
-"""
-NGV数据每日更新 - 优化版本
-优化点：
-1. 保留批量标记未删除再标记已删除的逻辑
-2. 重构代码结构，提高可读性和可维护性
-3. 解决无id时创建记录没有门店编码的问题
-4. 优化人员字段匹配效率（使用字典映射）
-5. 移除无效的并发代码
-6. 支持本地缓存功能，方便开发调试
 
-【本地缓存使用说明】
-调试时可以使用本地缓存功能，避免每次都重新获取数据：
-
-1. 首次运行（生成缓存）：
-   - 保持 USE_LOCAL_CACHE = False
-   - 运行脚本，会自动将数据保存到 output/cache/ 目录
-
-2. 调试批量修改（使用缓存）：
-   - 修改代码：USE_LOCAL_CACHE = True
-   - 重新运行，将从本地缓存读取数据，跳过API调用
-   - 可以快速测试批量修改逻辑
-
-3. 正式运行（禁用缓存）：
-   - 修改代码：USE_LOCAL_CACHE = False
-   - 获取最新数据并执行更新
-
-缓存文件位置：output/cache/
-- jdy_ngv_data.csv: 简道云NGV数据
-- staff_data.csv: 员工数据
-- ngv_data_today.csv: NGV昨天数据
-- ngv_data_yesterday.csv: NGV前天数据
-
-【删除状态重置说明】
-首次运行时需要重置所有数据的删除状态：
-
-1. 首次运行：
-   - 设置 RESET_ALL_DELETED_STATUS = True
-   - 运行脚本，会批量标记所有简道云数据为"未删除"
-   - 然后批量标记不存在的门店为"已删除"
-
-2. 日常运行：
-   - 设置 RESET_ALL_DELETED_STATUS = False
-   - 只处理新增的已删除门店（批量标记）
-
-【并发更新说明】
-通过多线程并发提升更新速度：
-
-1. 并发模式（推荐，速度快）：
-   - 设置 USE_CONCURRENT_UPDATE = True
-   - 设置 CONCURRENT_WORKERS = 10（并发线程数）
-   - 预期速度：10条/秒或更快（取决于网络和API性能）
-
-2. 串行模式（调试用）：
-   - 设置 USE_CONCURRENT_UPDATE = False
-   - 逐条更新，速度慢（约3条/秒）
-   - 便于定位问题
-
-3. 速度调优：
-   - 提高 CONCURRENT_WORKERS 可以提速（建议5-20）
-   - 过高可能导致API限流，需要根据实际情况调整
-"""
 import pandas as pd
 import datetime
 import os
@@ -106,7 +46,7 @@ USE_CONCURRENT_UPDATE = True  # True=并发更新（快），False=串行更新
 # 并发线程数（同时执行的更新任务数）
 # 建议值：5-20，过大可能被API限流，过小影响速度
 # 如果API限流严重，可以降低到3-5
-CONCURRENT_WORKERS = 8
+CONCURRENT_WORKERS = 6
 
 # 【4. 批量创建配置】
 # 是否使用批量创建（批量创建速度快）
@@ -659,10 +599,6 @@ class UpdateAllNGVDataDaily:
                         'row_data': row  # 保存原始数据用于输出
                     })
             else:
-                # 创建操作：必须包含门店编码字段
-                if self.ORG_CODE_WIDGET_ID not in data_dict:
-                    org_code = idx
-                    data_dict[self.ORG_CODE_WIDGET_ID] = {"value": org_code}
 
                 # 新增：仅创建内容非全空的记录
                 # 检查除了门店编码外，其他字段是否全为空
@@ -697,8 +633,8 @@ class UpdateAllNGVDataDaily:
         # 执行创建
         create_count = 0
 
-        # create_df = pd.DataFrame(create_data_list)
-        # create_df.to_csv(f"create_data.csv", index=False)
+        create_df = pd.DataFrame(create_data_list)
+        create_df.to_csv(f"create_data.csv", index=False)
         # if len(create_data_list) > 0:
         #     if USE_BATCH_CREATE:
         #         create_count = self._batch_create(create_data_list)