SRM · Supplier Performance & Risk
供应商风险与绩效评审
把经典 Supplier Scorecard、AI 文本风险识别和人工采购判断放在同一个评审流程里，直接看到各自的边界。
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
场景实验 · SRM
AI 与规则、Solver 或代码协作
集成边界：供应商绩效与风险仿真；未连接 SRM、ERP、QMS 或外部风险数据源。
历史 KPI 很好，不代表下个月仍然安全。
同一批供应商先看结构化绩效，再读最新文本更新。最终采购动作仍由人确认。
传统 Scorecard 描述过去 90 天。
质量、交付、成本竞争力、服务均为 0–100 表现分（高分较好），按固定权重计算；最新供应商更新不进入传统总分。
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
- 所有供应商、KPI、事件和采购场景均为模拟数据，不代表真实企业供应商表现。
- Scorecard 权重只是 Demo 中的经典简化方式，不代表唯一或通用的供应商绩效模型。
- AI 只抽取文本中明确出现的风险信号，不拥有供应商评分、供应份额调整或采购决策权。
- Hybrid 使用明确规则升级 Review 状态，没有把 AI 信号强行压缩成一个不可解释的总分。
- 当前没有接入真实 SRM、ERP、质量系统、财务数据、外部新闻、制裁名单或供应商层级网络。
实现方式
一个供应商管理对比实验：5 家模拟供应商同时拥有过去 90 天结构化 KPI 与过去 7 天非结构化更新。传统方法用固定权重计算 Supplier Scorecard；AI 只从最新文本中抽取受限风险信号；Hybrid 保留两类证据，再由确定性规则决定是否升级审查，最终采购动作仍由人确认。传统路径对质量、交付、成本、服务使用 30% / 30% / 20% / 20% 固定权重。AI 路径通过现有 OpenRouter 运行时，把 5 条模拟供应商更新限制为 supplierId、severity、category、evidence、suggestedCheck 五个字段；模型不可用时使用明确标识的规则回退。Hybrid 不让 LLM 生成最终供应商排名，而是用确定性规则把高风险信号升级为风险审查，把低 Scorecard 供应商保留在绩效改善流程中，最后由用户选择采购动作。
可复用模式
“结构化历史指标 + AI 非结构化信号 + 确定性升级规则 + 人工最终决策”的模式可以复用于客户风险、质量异常、合同审查、供应连续性和其他 Enterprise AI 场景。
证据与来源
- Demo交互式供应商评审 Demo
同一批供应商同时运行传统 Scorecard、AI 文本风险识别与 Hybrid 风险升级。
- 架构绩效 / 风险 / 人工决策边界
历史 KPI → 确定性 Scorecard；最新文本 → AI 受限风险信号；两类证据 → 明确规则 → 人工采购决定。
- 源码