feat: 添加后续 AI 代办清单和开发顺序建议,优化功能实现规划
This commit is contained in:
77
README.md
77
README.md
@@ -344,3 +344,80 @@ cp /www/wwwroot/inventory/data/inventory.db /www/backup/inventory_$(date +%F).db
|
||||
### Q3: 本地和服务器数据库要实时同步吗
|
||||
|
||||
不建议 SQLite 双向实时同步。建议以服务器库为主,本地用于测试。
|
||||
|
||||
## 13. 后续 AI 代办清单
|
||||
|
||||
下面这份清单按“先容易落地、再逐步增强”的顺序排列,建议后续按阶段推进,不要一次铺太大。
|
||||
|
||||
### 第一阶段:先做能直接省时间的功能
|
||||
|
||||
- [ ] AI 入库预处理
|
||||
- [ ] 支持粘贴采购清单、聊天记录、Excel 文本后,由 AI 自动拆分为 `料号 / 名称 / 数量 / 规格 / 备注`
|
||||
- [ ] 自动识别脏数据,例如缺字段、数量格式异常、字段顺序混乱
|
||||
- [ ] 输出结构化预览结果,用户确认后再正式写入库存
|
||||
- [ ] 对接现有快速入库 / 袋装批量新增流程,不直接绕开人工确认
|
||||
|
||||
### 第二阶段:提升库存数据质量
|
||||
|
||||
- [ ] AI 重复物料巡检
|
||||
- [ ] 定期扫描库存,找出“疑似同料号”“疑似同参数”“疑似同立创编号”的记录
|
||||
- [ ] 输出“疑似重复物料清单”,由人工决定是否合并
|
||||
- [ ] 给出重复原因说明,例如名称近似、规格一致、备注含相同 LCSC 编号
|
||||
- [ ] 增加“建议统一名称/规格写法”的辅助提示
|
||||
|
||||
### 第三阶段:升级补货能力
|
||||
|
||||
- [ ] AI 缺货风险预测
|
||||
- [ ] 不只看当前库存阈值,还结合最近 7 天 / 30 天出库趋势评估风险
|
||||
- [ ] 给出“预计可支撑天数”“风险等级”“建议补货时机”
|
||||
- [ ] 在现有 AI 补货建议基础上增加“为什么建议补货”的解释
|
||||
|
||||
- [ ] AI 采购建议优化
|
||||
- [ ] 结合 `最小包装量` 给出更合理的采购数量
|
||||
- [ ] 将补货建议分为 `紧急 / 本周 / 可延后`
|
||||
- [ ] 支持把多个建议项整理成采购清单草稿
|
||||
|
||||
### 第四阶段:提升查找和录入体验
|
||||
|
||||
- [ ] AI 自然语言搜索
|
||||
- [ ] 支持搜索“3.3V 稳压芯片”“0805 常用电阻”“USB 相关器件”这类自然语言
|
||||
- [ ] 将自然语言自动映射到 `名称 / 规格 / 备注 / 料号` 的组合搜索
|
||||
|
||||
- [ ] AI 标签与备注标准化
|
||||
- [ ] 自动生成更适合标签打印的短名称
|
||||
- [ ] 自动补全更统一的备注格式和搜索关键词
|
||||
- [ ] 让名称更短、备注更规范,方便后续检索和盘点
|
||||
|
||||
### 第五阶段:做更深层的数据分析
|
||||
|
||||
- [ ] AI 异常库存行为分析
|
||||
- [ ] 分析哪些元件短时间频繁出库、频繁被修改、频繁被合并
|
||||
- [ ] 标出值得人工复查的异常记录
|
||||
- [ ] 为后续库存盘点提供风险提示
|
||||
|
||||
## 14. AI 开发顺序建议
|
||||
|
||||
建议按下面顺序做,避免功能做散:
|
||||
|
||||
1. 先做 `AI 入库预处理`
|
||||
2. 再做 `AI 重复物料巡检`
|
||||
3. 然后把 `AI 补货建议` 升级为 `缺货风险预测 + 采购建议优化`
|
||||
4. 最后再补 `自然语言搜索 / 标签标准化 / 异常分析`
|
||||
|
||||
这样安排的原因:
|
||||
|
||||
- `AI 入库预处理` 最容易立刻省时间
|
||||
- `AI 重复物料巡检` 能提升库存数据质量,为后续 AI 功能打基础
|
||||
- `缺货预测` 和 `采购建议` 依赖更干净、更稳定的历史数据
|
||||
- `自然语言搜索` 和 `异常分析` 更适合在系统稳定后增强体验
|
||||
|
||||
## 15. 当前最推荐优先做的一项
|
||||
|
||||
当前最推荐优先实现:`AI 入库预处理`
|
||||
|
||||
原因:
|
||||
|
||||
- 最贴近日常使用场景
|
||||
- 改动风险低,不会破坏现有库存规则
|
||||
- 可以复用现有快速入库、袋装批量、人工确认合并流程
|
||||
- 做完后,后续 `重复物料巡检`、`补货预测` 的数据基础也会更好
|
||||
|
||||
Reference in New Issue
Block a user