一、方案概述

商品补货是零售商超重要业务环节，补货合适与否直接影响企业资金周转与客户满意度。虽然传统ERP系统一般自带商品补货逻辑，但这类规则统一，无法考虑现实情况（比如天气、节假日、地理位置等），往往需要人工二次调整，而人工经验、执行力都是影响补货准确度的重要因素。本方案基于ERP系统规则处理后的补货数据，引入节假日、天气等现实因素，构建AI补货智能体，对基础补货数量进行智能调优，实现从"规则驱动"到"智能驱动"的跃升，助力企业构建精准、高效、灵活的智能补货体系。

在做本文档实践操作部分之前，您需要提前完成如下操作：

• 您需要购买一个数据仓库服务DWS实例，用以存放最终的补货信息表。
• 您需要部署一个dify实例，并配置模型信息，请参考部署文档；
• 您的DWS实例需要与dify实例网络互通。
• 准备补货量数据。本文提供一张零售商品补货表。
• 附件链接见：评论区

部署时间：1~2小时

二、实施步骤

1 往新的DWS实例导入测试数据

1.1 下载测试数据，本文提供了一张零售商品补货表，并上传到OBS桶，可参考指导。
1.2 在DWS中创建补货单表store_replenishment_ext。

CREATE TABLE store_replenishment_ext (
  store_id INTEGER,
  category_id INTEGER,
  product_id INTEGER,
  product_name CHARACTER VARYING (200),
  system_recommend_qty NUMERIC(12, 2)
  ) ;

COMMENT ON COLUMN store_replenishment_ext.store_id IS '门店ID';
COMMENT ON COLUMN store_replenishment_ext.category_id IS '商品类别ID';
COMMENT ON COLUMN store_replenishment_ext.product_id IS '商品ID';
COMMENT ON COLUMN store_replenishment_ext.product_name IS '商品名称';
COMMENT ON COLUMN store_replenishment_ext.system_recommend_qty IS '系统推荐补货数量（含小数，单位：件）';

1.3 将数据导入DWS，选择OBS导入，是否含有表头选择“否”。

1.4 查看store_replenishment_ext表有48条数据说明导入成功。

1.5 创建结果表，用以存放最终补货信息。

CREATE TABLE
  store_replenishment_advice (
    store_id INTEGER NOT NULL,
    product_name CHARACTER VARYING (200) NOT NULL,
    system_recommend_stock NUMERIC(12, 2) DEFAULT 0,
    season_factor NUMERIC(4, 2) DEFAULT 1.0,
    holiday_factor NUMERIC(4, 2) DEFAULT 1.0,
    weekend_factor NUMERIC(4, 2) DEFAULT 1.0,
    weather_factor NUMERIC(4, 2) DEFAULT 1.0,
    suggested_order_qty INTEGER DEFAULT 0,
    create_time TIMESTAMP WITHOUT TIME ZONE DEFAULT pg_systimestamp (),
    update_time TIMESTAMP WITHOUT TIME ZONE DEFAULT pg_systimestamp ()
  )
WITH
  (orientation = ROW, COMPRESSION = NO) DISTRIBUTE BY ROUNDROBIN TO GROUP group_version1;
COMMENT ON COLUMN store_replenishment_advice.store_id IS '门店ID';
COMMENT ON COLUMN store_replenishment_advice.product_name IS '商品名称';
COMMENT ON COLUMN store_replenishment_advice.system_recommend_stock IS '系统推荐安全库存（单位：件，保留两位小数）';
COMMENT ON COLUMN store_replenishment_advice.season_factor IS '季节调整系数（0.9-1.1之间，1表示无影响）';
COMMENT ON COLUMN store_replenishment_advice.holiday_factor IS '节假日调整系数（1或1.5，1表示无影响）';
COMMENT ON COLUMN store_replenishment_advice.weekend_factor IS '周末调整系数（1或1.5，1表示无影响）';
COMMENT ON COLUMN store_replenishment_advice.weather_factor IS '天气调整系数（0.9-1.1之间，1表示无影响）';
COMMENT ON COLUMN store_replenishment_advice.suggested_order_qty IS '系统建议下单数量（单位：件）';
COMMENT ON COLUMN store_replenishment_advice.create_time IS '记录创建时间';
COMMENT ON COLUMN store_replenishment_advice.update_time IS '记录最后更新时间';

2 基于Dify部署补货智能体

2.1 登录dify，并导入AI补货智能体工作流DSL文件。该工作流首先分析当前日期是否为节假日、获取当前城市天气，由AI判断商品与季节、周末、节假日、天气的相关程度，从而对补货量乘以相关系数后进行修正。
2.2 配置SQL执行凭据。

其中凭据名称是自定义，数据库URI则是DWS的URI，格式如下：

postgresql+psycopg2:/[用户名]:[密码]@[DWS 的访问IP]:[DWS的访问端口]/[database]?options=-c%20search_path=[schema]

例如：

postgresql+psycopg2://readonly:xxxxx@192.168.xx.xxx:8000/postgres?options=-c%20search_path=test

注意，建议提供数仓只读账号。

2.3 调整LLM节点的大模型配置。

2.4 修改城市信息，以获取准确的天气信息。

2.5 发布工作流。

2.6 在智能体页面运行，可下载最终商品补货单EXCEL表。

2.7 查询数仓store_replenishment_advice表可查看最终补货信息。

三、写在最后

在获取到最终的补货数据后，您可以参考链接，让补货信息可以定时发送企业微信或其他办公软件，帮助您快速进行商业决策。