← Build 实验室
BUILD测试中
WMS · Slotting / Reslotting
仓储重排优化
在受限目标下重排当前仓库，并展示 AI 意图如何变成确定性搬移动作与可量化权衡。
要回答的问题在不把启发式算法包装成“全局最优”的前提下，能否基于明确运营优先级改善已有仓库布局？
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 · WMS
AI 与规则、Solver 或代码协作
集成边界：仓储重排仿真；使用确定性贪心启发式算法，不证明全局最优，也未连接 WMS/WES。
WAREHOUSE · RESLOTTING
AI 理解优化目标，真正的重排必须由可计算的移动与指标证明。
真实 Supabase 仓储状态 → AI 解析优化目标 → 受限 Slotting Algorithm → Before / After。
01 · 当前布局
这个仓库，值得现在重新排位吗？
4 组货架 · 6 列 · 3 层 · 72 个库位；状态来自当前 Supabase 会话。
正在读取数据库中的仓储状态…
已占用--数据库状态
客户分区匹配--客户分区匹配度
搬运距离--加权搬运距离
空间适配--空间适配度
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
- 优化器是受限的确定性启发式算法，不是数学意义上的全局最优证明。
- 仿真没有建模人员日历、实时订单波次、安全等级或巷道拥堵。
- 指标是模拟决策指标，不是真实测量的仓储 ROI。
- 执行链路展示的是可观察的后端阶段与耗时，不展示模型隐藏推理。
实现方式
基于同一仓储状态和操作图的第二个聚焦 Build。Agent 将自然语言优化意图转成“路径优先”“空间优先”或“平衡策略”以及搬移预算；确定性启发式算法提出并执行有限数量的库位调整，同时保留完整执行链路。Agent 把用户指令转成受限优化目标和搬移预算。确定性的贪心启发式算法只考察兼容空库位，并且只有在评分出现实质改善时才接受移动，最终将新布局写回同一个 Supabase 仓储会话。操作图会突出搬移库位和路线，但不会把空间渲染变成 Build 的主体。
可复用模式
同一套共享仓储状态模型和操作图模式，可以继续支持拣货路线、AGV 调度等未来聚焦 Build，而不需要把多个问题强行合并进一个实验。
证据与来源
- Demo交互式仓储重排 Demo
Before / After 指标同时展示加权移动距离、客户分区匹配度和空间适配度的变化，并保留执行链路。
- 架构受限优化架构
AI 选择优化目标与搬移预算；所有实际库存移动都由确定性代码决定。
- 源码