iModel AI · 智能体方案
库存管理 Agent：让 AI 每天替你算一遍会不会断货
把「查库存、预测销量、判断缺货、下单补货、跟踪到货」这五件事交给一个 AI 智能体。业务人员用一句话提问，Agent 自主选择工具、按顺序执行，并把每一步调用过程完整留痕，结果可复算、可审查。
三层嵌套：应用装着智能体，智能体装着工具
应用层
Data App – 对话界面
业务用户用自然语言提问，不接触工作流
↓
代理层
Agent Workflow – 推理与调度
大模型理解意图，决定调用哪些工具、按什么顺序
↓
工具层
Tools – 7 个专用工作流
为什么需要它
缺货往往不是没数据，是没人天天算
库存数据、销售流水、在途订单通常都躺在系统里，问题出在中间那层判断：谁来每天把它们对一遍，并在还来得及的时候提醒你。
报表是回头看的
月度库存报表说明的是上个月发生了什么。等报表出来，缺货已经变成了丢单。
安全库存是拍出来的
一个固定的安全库存数字，对快销品太少、对慢销品太多，占用的资金却是实打实的。
对一遍要跨三个系统
库存在 WMS、销量在业务系统、在途在采购台账，人工核对一次要半天，于是就变成一周一次。
核心能力
一个智能体，覆盖补货决策的完整链路
五项能力对应五类日常动作，都由同一个 Agent 在一次对话里完成。
📈
销量预测
基于历史销售数据，预测每个产品未来 N 天的需求量，作为补货判断的基线。
⚠️
缺货识别
把预测需求与当前库存对比，算出每个产品还能支撑多少天，定位真正来不及的那几个。
🛒
自动下单
对判定为缺货风险的产品发起补货订单，并同步写回订单记录，避免重复下单。
🚚
到货跟踪
查询订单交付状态，确认送达后更新库存台账，让下一轮判断用的是最新数字。
💬
自然语言问答
业务人员直接问「哪些货十天内会断」，不需要会写 SQL，也不需要打开工作流。
🧾
过程留痕
每次调用了哪个工具、拿到什么中间结果，都能回看，结论不是一句无从追查的答案。
运作方式
一次任务，四步走完
这四步是 Agent 自己编排的顺序，不是写死的流程 – 问题不同，实际走的步骤也会不同。
取数据
读取当前库存水平与近期销售流水，建立判断基线：什么有货、什么已经在低位。
算缺口
预测未来需求并与库存对比，算出可支撑天数，标记预测窗口内会断货的产品。
下订单
对有风险的产品发起补货订单，写入订单记录并更新交付状态。
给结论
汇总本次做了什么、结果如何、建议下一步动作，用一段能直接转发的摘要回复。
技术结构
七个工具，一个大脑，一个对话入口
工具层是确定性的工作流，每个只做一件事；代理层负责决定调用哪些工具；应用层只负责把这一切包成一个聊天框。
应用层 · Data App（业务用户界面）
代理层 · Agent Workflow（推理核心）
工具层 · 7 个专用工作流
示例提问：「哪些产品可能在 10 天内缺货？帮我下单，并告诉我预计什么时候到货。」
上面的顺序由模型自行决定，鼠标悬停可暂停查看。
动手试算
缺货风险，本质上就是一道除法
当前库存除以日均销量，得到还能撑多少天；再和预测窗口一比，谁会先断货就一目了然。切换下面的预测窗口，看看红灯怎么亮起来。
窗口 7 天：1 个产品有缺货风险，2 个偏紧。
窗口 14 天：4 个产品有缺货风险，1 个偏紧。
窗口 21 天：5 个产品有缺货风险。
窗口 30 天：5 个产品有缺货风险，1 个偏紧 – 窗口拉长，几乎全线都要补。
计算口径与工具 Compare_Sales_Inventory_Tool 一致：可支撑天数 = 当前库存 ÷ 日均销量；可支撑天数小于预测窗口判为缺货风险，接近窗口（1.3 倍以内）判为偏紧。示例数据仅用于演示，实际项目中日均销量由预测工具给出，而非固定值。
典型问法
同一个智能体，问法不同，走的工具链也不同
下面是四类常见提问，以及 Agent 实际调用的工具顺序。简单的问题只用三个工具，不做多余动作。
「未来 10 天，哪些产品的库存不够用？」
模型判断需要预测、对比、筛选三步，依次调用后输出一张风险产品清单，并附上每个产品还能支撑的天数。
「给这些缺货产品下单，并告诉我什么时候能到。」
确认缺货清单后发起订单，随即查询预计交付时间，一次对话把补货动作走完，订单号与预计到货日一并返回。
「订单 00afee0b-495c 现在什么状态？到货了吗？」
直接调用状态查询工具；若已送达，同步把库存台账更新到最新数字，结果以表格返回。
「库存超过 30 件的产品有哪些？」
这是一个纯查询问题，模型只用了三个工具，不会去跑预测 – 该省的步骤会自动省掉。
与直接调模型的区别
补货是要花钱的决策，得说得清这个数怎么来的
同样是让 AI 管库存，差别在于结论能不能被复核。这套方案把「算」和「说」分开：计算交给确定性的工作流，措辞交给模型。
计算过程是确定的
预测、对比、筛选都跑在工作流节点里，同样的输入得到同样的输出。模型负责决定调用什么，不负责编造数字。
每一步都能回看
Agent 的完整调用记录可展开查看：调了哪个工具、传了什么参数、返回了什么中间表。出了问题能定位到具体那一步。
可以离线跑在你自己的机器上
工作流本身在内网执行，只有模型推理走 API。对数据不能出网的场景，可对接可私有化部署的模型服务。
运行这套方案需要什么
- iModel Analytics Studio（开源版）或 iModel Enterprise（商业版），并安装 AI 智能体相关扩展
- 一个可用的大模型服务：公有云 API，或可私有化部署、兼容 OpenAI 接口的模型
- 已测试并部署的操作系统环境：Windows、麒麟 V10 / V11、统信 UOS 的 x86-64 版本；处理器侧海光 C86 已测试部署
- ARM 架构（鲲鹏、飞腾）目前不支持，在规划中
- 对接自有 ERP / WMS / 进销存系统时，把工具层的数据读写节点替换为数据库连接或 REST API 节点即可
常见问题
落地之前，通常会先问这几件事
同一个问题问两次，回答会不一样吗？
Tools、Agent、Data App 这三个文件是什么关系？
能接我们自己的 ERP 或 WMS 吗？
iModel 和 KNIME 是什么关系？
模型的判断错了怎么办？
从哪里开始？
开始使用
先把模板跑起来，再谈上不上系统
工作流模板可直接下载，配上示例数据即可在本地运行。iModel 已服务 200+ 家企业客户、覆盖 60+ 个行业，需要结合你们的库存场景聊聊，也可以直接找我们。
延伸阅读：iModel 产品总览 · iModel 数据分析教程 · 麒麟系统版本下载
模板基于 KNIME 开源内核二次开发的 iModel 平台构建。AI 生成的判断具有不确定性，请结合业务复核后再执行采购动作。
