Returns · WMS / QMS
退货处置：AI + 确定性规则
让 AI 从退货描述中提取商品状态，但由明确规则决定 Restock、Repair、Quarantine / Scrap 的候选处置。
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
邻接场景 · WMS · QMS
AI 与规则、Solver 或代码协作
集成边界：退货处置仿真；未连接 RMA、WMS、QMS 或维修系统。
AI 可以读懂退货描述，但“安全可售”不能成为模型判断。
先提取可观察状态，再由规则分类 Restock / Repair / Quarantine，最后由质量人员关闭处置。
12 件退货，不应该被当成同一种库存。
包装状态、外观损伤和通电安全信号代表不同风险。
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
- 这是退货处置仿真，不是 RMA、WMS、QMS、维修系统或财务资产处置集成。
- 所有产品、缺陷和数量均为模拟数据。
- Quarantine 不等于自动 Scrap；涉及安全疑虑的商品必须进入后续人工 / 质量流程。
- 当前没有建模保修、翻新成本、序列号历史、法规、召回或二次销售价值。
实现方式
一个 Reverse Logistics 实验：客户退回 12 件设备，文字描述同时包含未开封、外壳损坏和通电异味三类状态。AI 只提取数量与状态信号；确定性处置规则根据安全和可再售条件生成候选结果，最终由人确认。Demo 使用 12 件模拟退货。AI Runtime 只输出 unopened、cosmeticDamage、safetyConcern 三类数量；解析失败或模型不可用时使用明确标记的规则回退。随后确定性规则把未开封且无安全信号的数量映射到 Restock，把外观损坏映射到 Repair Inspection，把安全疑虑映射到 Quarantine，最终处置等待人工确认。
可复用模式
“AI 提取观察 → 规则分类 → 人工确认”的模式可扩展到质量检验、售后工单、维修分流和资产回收。
证据与来源
- Demo交互式退货处置 Demo
同一段退货描述被转换成可追踪的 Restock / Repair / Quarantine 候选数量。
- 架构AI 提取与安全规则边界
AI 只结构化观察结果；安全与再售规则决定处置候选；最终责任保留给人。
- 源码