AI CATEGORY DECISION SYSTEM / v0.1

外贸自营，
选什么、备多少？

企业从代理服务走向自营持货，经营判断会延伸到选什么、备多少、何时调整。我把销售、商品结构、库存与经营贡献组织成可比较、可复盘的决策流程。

外贸经营的延伸研究个人项目 · AI 协作开发零售模拟案例 · 2026.09

代理经营

承接与报价

核对费用与责任，形成可推进的经营方案。

自营经营

选品与备货

把需求、库存和经营贡献放进同一方案比较。

共同能力

从分析到行动

明确下一步、负责人和调整条件，随新材料修订判断。

一个备货问题，三次经营判断。

生鲜合成案例 · S01 门店 / K06 商品 / 三天三轮决策回放

本轮证据

先确认需求，再谈减量

需求区间较宽；折价对需求的影响尚未给定。

减量相对维持的贡献变化−¥240 ～ +¥360三种条件情境，无概率权重

高需求下未满足数量60 件减量方案，合成情境

收益方向随需求改变，不能只取最乐观的结果。

INVESTIGATE

继续调查

减少订货的收益随需求情境变化，尚不能形成稳健的候选方案。

下一步与决定权

补充可比日需求、未满足订单和订货复核记录；折价反应仍待补证。

三种条件情境：贡献额与未满足需求
需求	维持贡献	减量贡献	变化	减量未满足
低需求	−¥220	¥140	+¥360	0 件
中需求	¥180	¥440	+¥260	10 件
高需求	¥980	¥740	−¥240	60 件

贡献额 = 收入 − 已售成本 − 到期报损成本 − 操作费用；不是净利润。金额 CNY，范围仅为单店单品三天。

01 / 我的设计判断

把经营问题
做成可用的决策流程。

避免指标诱导

营收上升不等于盈利改善，销量下降也可能来自缺货。以这些误判设计对抗案例，要求判断回到具体证据。

数字可以复算

收入、毛利、库存与方案成本由程序计算；模型提出解释和补证问题，不能改写权威数字。

补证要改变下一步

材料先提交、再复核采纳，之后才重算决定。未回答的问题保持开放，原判断可以被撤回。

让协作有明确交付

每次建议都带上负责人、下一步、复核时间和调整条件，让采购、门店与财务可以接续处理。

02 / 能力全貌

从销售表现，
走到经营取舍。

围绕销售、商品组合、库存和预算，把数据分析接到具体经营问题。

从业务问题到产品能力
业务问题	当前原型能做什么	与自营业务的联系
POS 与渠道表现	按 SKU、门店、周和渠道核对数据，拆解收入与贡献变化，识别同簇门店异常。	比较商品、渠道与仓点表现，先分清整体趋势和局部问题。
商品结构	筛查低销量商品，保护承担独特需求覆盖角色的 SKU；下架保留人工决定。	选品不能只看销量排名，还要说明商品在组合中的作用。
库存与损耗	区分已知报损与未解释盘亏，检查可售率及目标商品缺货，不擅自归因或追责。	把需求下降与供给不足分开，再判断是否减少采购。
预算与经营贡献	计算收入、毛利、贡献和预算偏差，未知库存差异单列为待核暴露。	把收入、成本与损耗放在一起比较，识别增长背后的经营代价。
促销、KPI 与竞品	检查促销增量是否可识别；抵抗营收指标诱导；未核实的竞品信号不触发跟价。	市场线索先核实，折扣和增长同时检查成本与库存代价。
批次备货	单店单品三天的先到期先售测算，比较维持、减量与折价的条件；需求反应未知时不硬算收益。	比较不同需求情境下的订货数量，明确何时重新估计。
跨部门补证	记录负责人、待补材料、采纳或退回、复盘与重开；保留前后决定。	把采购、供应与财务需要核对的事项写成可接续任务。

查看 8 类量化工具

销售分解 sales_decomposition: 总量 → SKU 组合 → 价格的顺序会计分解，显示残差；不把会计分解当作因果解释。
毛利与贡献分解 margin_decomposition: 数量、价格、单位成本、已知损耗和促销费用逐项对账。
库存异常 inventory_anomaly: 账实差、全局及目标 SKU 可售时长与门店明细；异常原因保持待查。
促销增量 promo_incrementality: 仅在完整固定的 4+4 周匹配池、处理与对照条件成立时估计双重差分，否则返回“不可识别”。实验可信性依赖输入声明。
门店簇比较 store_cluster_compare: 与同簇其他门店的中位数及 MAD 比较，保留同行样本量，避免由单店推断整个区域。
商品结构 assortment_analysis: 低销量筛查与需求覆盖角色保护；没有实现全局最优选品或需求转移模型。
预算偏差 budget_variance: 收入、毛利的实际对预算偏差；不自动制定预算。
试点周度复盘 pilot_weekly_review: 检查实际试点池末周贡献和缺货，触发成本或补货核查，避免四周平均掩盖近期风险。

另有数据质量、时效与来源检查，以及生鲜批次情境计算。历史贡献 = 毛利 − 已知损耗 − 促销费用；它不是净利润或完整 P&L。未知盘亏不能直接计作已确认损失。

数据字典与口径 ↓完整业务能力映射 ↓

03 / 从判断到行动

建议必须带条件，
决定必须能撤回。

ACT · 限定建议

证据和合成授权条件齐备时提出小范围试点，仍需人工批准，系统不执行。

INVESTIGATE · 补证

问题存在，但根因或比较依据不足；明确由谁补什么、何时复核。

HOLD · 保持

改变策略的依据不足，或无需干预；说明什么新证据会改变判断。

ESCALATE · 升级

数据完整性、未解释损耗或人工保留权限需要对应负责人处理。

收入增长不能覆盖贡献恶化；整体平均不能掩盖局部缺货；有效引用不等于推理正确。阈值是合成演示参数，CONFIDENCE 表示证据充分性，不是校准后的概率。

查看每张决定卡的 11 个固定字段

业务状态 / 主要驱动: BUSINESS STATE · PRIMARY DRIVER
证据 / 未知 / 经营影响: EVIDENCE · UNKNOWN · P&L IMPACT
决定 / 行动 / 负责人: DECISION · ACTION · OWNER
复核 / 撤回条件 / 置信依据: REVIEW · REVERSAL CONDITION · CONFIDENCE

行动条件与人类权利 ↓固定输出协议 JSON ↓

项目资料

从页面摘要，
追到原始记录与代码。

可下载代码和模拟数据，在本机复现工具计算与补证流程，也可直接查看案例看板。

代码与合成数据 ↓离线核心、案例与本地运行说明 完整证据目录 ↗看板、评测、补证、架构与口径 三轮决定卡 JSON ↓本页 F01 回放的原始卡片 Golden 与评测说明 ↓四组设计、评分、分母与局限

技术与验证资料10 类业务情境、系统流程、评测与完整适用范围

03 / 对抗案例

让容易犯的错，
进入验证材料。

10 个独立合成数据包，每包 6 门店 × 8 SKU × 8 周 × 2 渠道，共 7,680 行。

案例同时检查冒进和过度保守：既不应凭薄弱证据扩张，也不应一律 HOLD。下表展示已保存的离线参考结果。

情境	要阻止的误判	参考输出
C01 Goodhart 指标诱导	把营收上涨当成功，忽略贡献恶化	继续调查INVESTIGATE
C02 促销虚假繁荣	把促销前后增长直接当作净增量	继续调查INVESTIGATE
C03 销量下降与缺货	把可售不足误判为需求下降	继续调查INVESTIGATE
C04 局部门店异常	把一家门店的问题外推到全部门店	继续调查INVESTIGATE
C05 低销量结构性商品	忽略独特需求覆盖，仅凭销量下架	保持HOLD
C06 未解释损耗	把账实差异直接归因或用于追责	交负责人复核ESCALATE
C07 财务坏数据	在缺失与不一致数据上继续精确归因	交负责人复核ESCALATE
C08 未核实竞品信号	未经核实、可比性检查就跟价	保持HOLD
C09 证据齐备的限定试点	一律拒绝行动，忽略可控的有界建议	限定建议ACT
C10 稳定经营	为了输出动作而无依据干预	保持HOLD

这些案例参与了开发和规则设计，不是独立留出集。Golden 允许部分案例有多个合理决定；这里展示的是实际参考卡，不是唯一正确答案。

打开 10 情境交互看板 ↗查看无建议数据看板 ↗

补充验证：最近一周的风险、批次数量冲突

另有 X01–X03 三份业务挑战：末周贡献转负、局部缺货，以及稳定正向参照。修复后，前两者明确了财务或供应补证任务，稳定参照不再被一律拦截；三例参与补丁设计，未新增真实模型调用。

生鲜 F01–F04 是同一业务案例的四种信息状态，覆盖需求变化、补证、复盘与批次数量来源冲突；不能当作四个独立样本。它们与上方三轮回放属于同一案例族。

周度业务挑战记录 ↓批次与方案验证记录 ↓

05 / 系统与协作

工具负责数字，
人负责采纳和取舍。

模型
通过单 Agent 工具循环选择业务证据，提出带引用的假设、候选行动与补证问题。
程序
复算权威数字，检查质量、时效、范围与行动条件，保存并重算决定卡。
人
核对材料真实性与业务意义，采纳或退回证据，保留采购、调价与执行决定权。

问题分派 → 提交材料 → 检查变化 → 人工采纳或退回 → 重算决定 → 复盘或重开

本地工作台已实现这条补证流程。材料提交后不会提前改变决定；未回答的问题继续开放；更新后的规则计算不会冒用旧模型回答。上方回放摘自一次完整 F01 演练。

工作台是本地功能原型，复核身份自行填写，尚无身份认证或真实审批接入。公开网页展示已保存结果；下载后可在本机操作补证。该演练没有新模型调用，也不是 D 组真人实验。

本地补证操作说明 ↓实际演练记录 ↓架构与分工 ↓

采用了哪些现成工具和行业方法？

模型工具循环采用 PydanticAI，评估组件采用 Pydantic Evals；默认离线核心使用 Python 标准库。先保持单一编排器，只有评估证明额外收益，才考虑拆分 specialist agents。

项目记录了 BCG、McKinsey、Blue Yonder、SymphonyAI 与 Anthropic 的方法启发及未实现部分。这些是设计参考，不是产品背书；未声称已实现知识图谱、实时零售网络或自主经营。

代码复用、版本与许可 ↓行业参考与适用边界 ↓

06 / 评测与反证

记录结果，
也保留反证。

四组比较：设计相同任务，明确实际完成范围
组别	如何完成任务	当前状态
A · Dashboard only	人阅读数据看板后填写决策卡。	看板与模板已完成；真人实验未开展。
B · LLM direct	模型直接读原始 CSV，自行计算并回答。	已保存 10 个开发案例响应。
C · Category Agent	确定性工具与门槛生成最终决定；模型补充假设。	已保存相同 10 个开发案例响应。
D · Human + Agent	人复核 Agent 的证据和决定，保留修改前后记录。	模板已完成；真人实验未开展。

B/C：数字更可核对，仍不是业务胜率

B · 直接读 CSV34 / 54

C · 工具与固定门槛54 / 54

共同有效源的 9 个案例 × 6 项财务字段，以原始 CSV 独立重算，误差须不超过 ¥0.01。坏数据案例 C07 不进入这 54 项分母，另检查应停报而未停报的数值。

两组最终决定一致 10/10，仅表示开发案例中的标签一致性。C 的数字来自程序、最终行动由固定门槛决定，模型承担的任务与 B 不同；B 也没有 Python 等计算工具。因此不能据此证明模型判断提升或整套产品胜过通用助手。

响应分中断前与恢复段保存，两组最终各覆盖 10 个案例；总调用数与未记录用量未知。旧协议范围不一致的试跑已排除，未把后续代码修复混入旧成绩。

核对 B/C 逐案结果 ↗

同模型、同工具：角色措辞没有显示额外收益

C03、C09、F01 三个开发案例，共六份首轮提案；唯一改动是指令中的角色称呼。两项 AI 审阅任务在隐藏组别后分别评分，未观察到额外收益，并共同指出工具没有清楚呈现已完成的促销检查。

项目据此补充工具返回说明，离线核验通过，尚未真实模型复测。该试验不是零售专家评价，也不能估计整套领域工具的收益。

查看六份原始提案与审阅 ↗

真实 SDK 接入、Golden 与评分方法

单 Agent 原生工具循环在 F01 上完成修复前后各一次真实调用：修复来源语义后，模型能区分“条件分析可用”与“真实执行需要授权”。这是一个已知案例的前后观察，不是稳定提升证明。

Golden 与运行输入分开保存。评分分别检查证据与行动是否对应、数值可核验性、未知项、人工权利、复盘与无效保守；公平跨组比较不要求 B 生成 C 专有的工具轨迹。开发参考模式的 10/10 和均分 100 只属于内部回归。

SDK 首次记录 ↓语义修复后记录 ↓完整设计与评分标准 ↓开发 Golden JSON ↓

07 / 验证范围

原型已可检查，
业务价值待验证。

已完成

7,680 行基础合成 POS、10 类误判情境、8 类量化工具及批次扩展。
固定决策卡、证据与行动边界、本地补证和决定历史。
保存 B/C 探索性结果、SDK 前后记录及同工具角色试验。
原项目记录 141 项软件测试通过，0 失败、0 跳过。

仍待验证

真实经营数据、零售或外贸从业者任务测试、效率与 ROI。
来源真实性、身份认证、正式审批及跨设备多人协作。
外贸到岸成本、汇率、起订量、补货周期和资金占用适配。
独立未见案例上的稳定性、完整四组比较与多 Agent 的额外收益。

软件测试通过、合成数值核对和原型可操作，分别证明其覆盖范围内的行为；不能替代真实业务结果或任职经历。

04 / 我的贡献

定义业务问题，
推动产品实现。

我定义了销售、商品结构、损耗、预算与促销的业务范围，确定方案比较、数值复算、补证与复盘的产品要求，并将选品备货与外贸经营连接成完整的作品主线。与 AI 协作完成代码、数据、测试和文档。

项目说明：独立开发的能力作品，页面使用零售模拟数据与已保存结果；与外贸 Agent 分别运行。跨境成本与采购条件的适配详见技术资料。