Operations Research · APS Foundation
Solver vs AI 运营规划实验
让经典规划求解与生成式 AI 在同一个有限产能问题上正面对比，再展示两者真正互补的 Hybrid 位置。
可运行演示确定性基础能力Hybrid · AI + 确定性逻辑人工复核
工业语境与系统边界
基础能力 · Operations Research · APS
AI 与规则、Solver 或代码协作
集成边界：小规模精确枚举实验；不是生产级 MILP、商业 Solver 或 APS 集成。
同一个受约束规划问题，AI 和 Solver 应该分别负责什么？
三条路径共享同一需求、产能、硬约束与评价口径，避免拿不同问题的数字做“AI 对比”。
需求超过有效产能：这周必须决定“谁先生产、谁欠交”。
A 是关键客户产品；B 在线 2 上效率最高；C 单位贡献最高。目标互相冲突。
硬约束先通过，再比较贡献 − 欠交成本。
AI 输出也必须回到同一个确定性 evaluator 里重新检查，不能自报“可行”或“最优”。
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
- 精确求解器只针对这个小型有界整数模型，不是生产级 MILP、APS 或商用 Solver。
- AI Only 的输出会被确定性代码重新计算并校验；模型本身不提供约束保证或最优性证明。
- 当免费模型不可用时，页面会明确显示“规则回退 · 非 AI”，不会把回退结果包装成模型输出。
- 未建模 BOM、物料齐套、换型矩阵、人员、库存、多周期依赖或真实企业系统集成；全部数据均为模拟数据。
实现方式
一个 Operations Research 对比实验：同一个两产线、三产品、整数批次的有限产能问题，同时运行 Solver Only、AI Only 和 AI + Solver。Solver 负责可验证的数值优化；AI Only 直接生成计划并接受事后约束校验；Hybrid 只让 AI 把业务语言翻译成受限优化参数，再由精确 Solver 求解。Demo 使用 2 条产线、3 个产品和 10 台整数批次。L1/L2 拥有不同加工时间和有限可用分钟，三个产品拥有不同需求、单位贡献和欠交成本。小型精确求解器枚举全部可行整数分配并比较目标值；AI Only 通过现有 OpenRouter 运行时直接生成分配；Hybrid 只允许模型输出 priorityProduct、minServicePct 和 focus 三个受限参数。
可复用模式
“自然语言定义业务意图 → 受限优化参数 → Solver 求解 → 可解释结果”的模式可以复用于补货、产能分配、运输、排产与其他经典 Operations Research 场景。
证据与来源
- Demo三路规划对比 Demo
同一个需求、产能和成本模型同时比较 Solver、LLM 直接规划与 AI + Solver。
- 架构AI / Solver 职责边界
业务语言 → AI 参数解析 → 受约束整数模型 → 精确求解；LLM 不拥有最优性证明。
- 源码