现在各家公司做商品配补调，水平相差很大，有的公司调拨单是用 Excel 手工拉出来的；有的公司库存账很全，但调拨全凭经验拍脑袋；还有的公司早就写好了调出规则、调入规则，只缺一个能算清楚又听话的执行者。 我们的做法很直接：从浅到深，做五个模型。你处在哪个阶段，就用哪个模型。 模型 1 · 起步诊断：连系统都不用上 输入： 现成的手工调拨单，Excel 直接上传；AI 做什么： 保持你定好的调入调出不变，逐条诊断不合理的安排，让包裹数量最少，并给出调整建议；适合谁： 完全没有经验、还没有系统的企业。 这是门槛最低的一档。你不需要整理数据，不需要定义规则，把现在手上的调拨单传上来，AI 先当一名"体检医生"——哪笔调拨拆得太碎、哪些货可以合并装箱、哪些安排明显不合理，一眼给你指出来。 模型 2 · 基础方案：有库存账就能跑 输入： 初始库存 + 期望库存；AI 做什么： 自动生成包裹最少的调拨方案；适合谁： 有库存台账、暂无调拨规则的企业。 比模型 1 更进一步：你不再给 AI 一张现成方案让它挑错，而是告诉它"现在有什么、想要什么"，方案由它直接生成。包裹最少，意味着物流成本最省、门店收货最省事。 模型 3 · 规则进阶：你的调出规则开始生效 输入： 初始库存 + 调入店期望库存 + 调出规则；AI 做什么： 在包裹最少的基础上，遵循你的调出规则生成方案；适合谁： 已有初步调出规则的企业。 到这里，AI 开始"守规矩"了。哪些货必须先出、哪些店优先保留，你说了算，AI 在约束里找最优解。方案不再只是数学上的最优，而是你认可的最优。 模型 4 · 双向约束：调入调出都听话 输入： 初始库存 + 销售 + 调入调出规则；AI 做什么： 双侧规则约束下生成智能调拨方案；适合谁： 调入调出规则都已成熟的团队。 调出有调出的规矩，调入有调入的脾气。双侧规则同时生效，AI 在中间做平衡——这是大多数成熟商品团队真正想要的那种"既省事又可控"。 模型 5 · 完全智能：给出符合人心的合理安排 输入： 初始库存 + 销售 + 调入调出规则 + 权重；AI 做什么： 掌握所有数据与你所有的想法，多目标加权权衡，给出符合人心的合理安排；适合谁： 数据齐全、追求最优决策的企业。 最高一档。AI 不只是照着规则算，它知道你更看重什么——是售罄率、是周转、还是门店之间的公平。权重一配，出来的方案不再是冷冰冰的最优解，而是"老商品人看了也会点头"的安排。 一句话对号入座 你现在的状况 用哪个模型 连系统都没有，调拨单靠手工 模型 1 · 起步诊断 有库存账，也清楚想要多少货 模型 2 · 基础方案 有调出规则，想让 AI 遵守 模型 3 · 规则进阶 调入调出都有规则 模型 4 · 双向约束 规则齐全，还要分个轻重主次 模型 5 · 完全智能 从你现在站着的地方开始 不用等系统上线，不用等数据治理完成，也不用先写出一套完美规则。不管公司是什么状态，总有一种 AI 模型适合你。 今天就从模型 1 开始：把你手上的那张调拨单传上来，让 AI 先做一次诊断。剩下的路，我们陪你一级级往上走。 已经有配补调系统 很多公司已经有自己的配补调系统，只需要上传你的配补调结果，可以用AI来检查，你的结果和最优解还有多少改进空间。 商品配补调类似一道数学题，每种情况都有最优解，你的配补调系统和最优解还差多少距离，只需要上传你的结果，马上可以看到差距，免费体验: https://agent.aisgoods.com