Replenishment · Procurement Planning
订单规划：传统方法 vs AI vs Hybrid
把库存、在途、Safety Stock、MOQ 与一条临时业务信息放进同一场景，对比公式、AI 直接下单与受约束 Hybrid。
可运行演示AI 增强现有工作Hybrid · AI + 确定性逻辑人工复核
工业语境与系统边界
仿真 · Replenishment Planning · Procurement
AI 与规则、Solver 或代码协作
集成边界：单 SKU 补货下单对比实验；不创建采购订单，也未连接 ERP。
不是让 LLM 替代库存数学，而是验证它怎样补上 ERP 还没捕获的业务变化。
同一库存与需求条件下比较 Traditional / AI Only / Hybrid，并检查缺货、库存与硬约束。
ERP 里的数字没变，但运营现实已经变了。
传统公式只看结构化字段；临时客户与供应异常来自最新业务沟通。逐周压力视图把聚合需求增量保守计入 Week 1，并假设在途与新 PO 于 Lead Time 第 2 周需求结束后到货；没有分周实绩，不能解读为精确预测。
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
- 这是单 SKU 的最小订单规划实验，不包含多级库存、供应商容量分配或资金约束优化。
- 模拟“实际需求”只用于统一比较三条路径，不代表真实业务效果。
- AI Only 的建议即使看起来合理，也必须经过同一 MOQ、订货上限与缺货评价。
- Demo 不会真正创建采购订单；最终下单责任明确保留给人。
实现方式
一个聚焦的补货/订单规划实验。Traditional 只读取结构化库存参数；AI Only 直接建议下单量；Hybrid 先让 AI 提取异常影响，再由确定性订货公式与 MOQ/上限规则计算最终建议。使用一个模拟 SKU 的 3 周需求、现有库存、在途、Safety Stock、Lead Time 与 MOQ。Traditional 使用库存平衡公式；AI Only 直接返回建议下单量；Hybrid 让 AI 抽取需求提前量与高风险在途数量，再由确定性代码重新计算并按 MOQ 取整，同时执行最大单次订货量。
可复用模式
可复用于采购建议、补货审批、库存例外处理等需要“AI 读语境 + Rule 算数量 + Human 承担责任”的场景。
证据与来源
- Demo三路订单规划 Demo
同一库存、同一需求、同一异常语境与同一约束校验。
- 架构AI → Rule → Human 边界
AI 解释非结构化风险；确定性公式计算数量并执行 MOQ/上限；人工保留最终下单责任。
- 源码