← Build 实验室
BUILD测试中
APS · AI-assisted Rescheduling
AI 生产重排 Agent
把运营变化翻译成受限约束，由确定性逻辑重新排程，并在计划真正改变前要求人工批准。
要回答的问题AI 能否让生产重排更容易，同时不让模型掌握产线分配、产能计算或最终生产计划的决定权？
可运行演示AI 增强现有工作Hybrid · AI + 确定性逻辑人工批准
工业语境与系统边界
场景实验 · APS
AI 与规则、Solver 或代码协作
集成边界：重排场景仿真；未连接 ERP、MES 或 APS，AI 不负责计算排程。
正在读取生产计划…
准备你的模拟排程会话。
证据深度
验证这个结论。
限制必须保持可见；实现细节可以深入查看，但不能阻塞 Demo 主流程。验证 2026-10-21 · 构建 6e89290 · 未测 2 项 / 阻塞 3 项展开全量记录
- 未测8 条路由 × 3 视口（1440×900 / 720×900 / 390×844）的横向溢出、Tab 焦点 outline、#evidence 深链、正文对比度抽样（仅记录数值，阈值未定）
- 未测对比度阈值判定：首轮只记录实测数值，WCAG 阈值待真实分布确认
- 阻塞读屏（screen reader）
原因：当前无读屏执行环境
- 阻塞原生 200% 浏览器缩放
原因：headless 视口不能替代原生缩放，需人工验证
- 阻塞视觉构图接受
原因：需人眼评审；当前会话无视觉模型能力
- LLM 不会直接分配生产、计算产能或写入任意生产状态；它只负责把自然语言翻译成受限排程意图。
- 当 OpenRouter 免费模型不可用或输出无法使用时，系统会回退到受限确定性解析器，并在 UI 中明确展示实际路径。
- 当前场景覆盖紧急需求、需求增加和产线停机，并不代表所有 APS 异常类型。
- 这是模拟计划工作流，不是实时 ERP、MES 或 APS 集成。
实现方式
一个面向紧急订单、需求变化和产线故障的引导式重排实验。OpenRouter 将计划员的自然语言意图解析成小型排程 Schema；确定性代码生成候选计划和指标变化；计划员必须明确批准后，新方案才会替换 Supabase 中的当前排程。计划员可以触发紧急订单、需求增加或产线故障，也可以直接用自由文本描述事件。AI 把事件类型、产品、数量、交付时间、受影响产线、停机时长和偏好抽取成受限 Schema。服务器随后重新计算排程，展示延期订单、加班和换型的变化，并等待明确批准后才替换当前计划。
可复用模式
这一模式适用于其他运营计划系统：AI 负责翻译人的意图和解释后果，确定性引擎负责计算，人类保留最终决定权。
证据与来源
- Demo交互式 AI 重排 Demo
引导式异常与自由文本会先转换成受限排程意图，再由确定性代码计算候选计划，并等待人工审批。
- 架构AI → 优化器 → 人工决策边界
自然语言 → 受限意图 → 确定性排程引擎 → 影响对比 → 人工批准。
- 源码