先跑赢补货公式：让智能体经营门店之前，要过规则基线这一关

当智能体从代客下单走向看店订货

设想一家零售团队准备把无人终端的日常经营交给语言模型智能体：选品、定价、下采购单，并付费派员上门上架。短期演示中，智能体写出合理的选品理由并保持账面盈利。但拉长到半年，这套耗费大量推理算力的系统，真的比写进教科书几十年的补货公式赚得更多吗？

本文的核心论点是：在长周期零售运营中，盈利不等于跑赢基线，单点指标改善也不等于期末净资产增长^[1]。在允许智能体下采购单或派员上架前，它必须在长周期内以扣除推理成本后的净值跑赢简单库存规则基线，且每笔调拨须经单品可用库存校验与阈值审批。

长周期经营基准、在途错觉与经典库存权衡

Arrow、Harris 与 Marschak（1951）奠定了不确定需求下库存决策的经典框架：最优库存水平需在补货提前期下权衡缺货的期望损失与持有过多库存的成本，据此决定重订货水准^[3]。这一临界比权衡正是确定性补货规则的理论根基^{[1, 3]}。

在一项长周期自动售货机经营基准测试中，Shi、Li、Luan、Sun、Ma、Li、Jiang 与 Bai（2026）让单个智能体通过含 18 项工具的网页界面，在 180 个模拟日内经营共享同一仓库的 20 台自动售货机（分布于 6 个工厂及工作场所、2 个校区、4 个社区、6 个商圈与 2 个办公点共五类点位），目录含 1,372 种商品，初始资金 40,000 元^[1]。仿真器基于 220,128 件真实售货机销售记录构建并校验，需求参数对智能体隐藏；订单下单即付款、提前期 3 天到仓，补货或清理需按每台每天 35 元付费上门，批次保质期为到货后 30 天或 90 天，售出过期品罚款 1,000 元，仓租每件每天 0.03 元、机位租每台每天 4 元，单机上限 200 件，核心指标为期末净资产（现金加按成本计价的未过期库存）^[1]。确定性规则基线采用基于 Arrow 等人（1951）的临界比与每周定期补货至目标库存策略，按滚动 30 天需求与波动率计算目标并计入提前期、库存与在途订单，在三个种子下取得 208.73 ± 2.26 千元净资产（变异系数 1.1%）^{[1, 3]}。

五款智能体在相同冻结环境、最高推理强度及统一提示词、工具与每日交互预算下各运行三次，呈现四项事实^[1]：

• 四款智能体均值低于规则基线：全部 15 次运行均高于初始资金，但五款中有四款的期末净资产均值低于基线；仅一款在三次运行中均超基线（均值 309.35 千元），其余 12 次无一超越，最低均值 91.52 千元，一款模型的跨运行变异系数达 45.6%（其余约 11%）^[1]。
• 高回报伴随高昂推理开销：按每美元估计接口成本计算的回报排序与纯资产排序不同；最高回报智能体的估计接口开销约为最具成本效益智能体的 80 倍，净资产增幅仅为其约 2.9 倍^[1]。
• 单点指标改善未带来更多净资产：无一智能体在盈利、选品、库存与损耗、定价、资金效率五个维度全面领先，且五款的选品得分均低于基线^[1]。一款智能体将低损耗与 25.21% 点位日的空货架并存，另一款将空货架压至 1.67% 却伴随最高损耗率（1.85%）^[1]。对比第 16 至 45 天与第 136 至 165 天，五款均值及 15 次运行中的 13 次日均资产增长下降；部分智能体的损耗或定价虽有改善，却未转化为更强的整体增长（作者指出该对比不能因果识别反馈是否改进决策）^[1]。
• 说明性失效案例：作者列举了典型个案（非发生率）：某日补货的 49 项调拨因单品仓库库存不足被全数拒绝，系订单在途而智能体只看仓库汇总件数；某在该时段无销量记录的商品仓内已有 2,158 件未过期库存，仍被加购 80 件；某机器自上次巡检仅赚 5.14 元毛利，却花 35 元上门仅补 4 件；第 163 天被拒的 4 项不可行调拨在第 168 天重现，修正仅停留在当次交互而未留存为策略^[1]。局限在于：单一仿真环境、每模型运行三次，非真实门店^[1]。

Backlund 与 Petersson（2025）在早期的单机基准测试中模拟单台售货机运营（邮件订货、定价、付日租）：各模型跨运行方差很大，头部模型也会因误判交期、遗忘订单或陷入枝节循环而脱轨^[2]。最常见的失效是智能体默认订单已在预计日到货（实则在途），继而深究“问题”而非等待或复核库存^[2]。崩溃并非因上下文填满（销售停止天数与记忆填满天数的相关系数仅 0.167）；研究含一名人类基线，单样本比较有限^[2]。

工程落地与 rlab.works 能力映射：准入基线、单品校验与费用入账

我们的工程判断是：（1）下单前先在长周期仿真中与临界比及定期补货规则做多轮对照，按扣除推理成本后的净值评估并报告跨运行波动；（2）每笔调拨与订单提交前核对单品可用库存与在途量，不看汇总件数；（3）超阈值补货与上门派单保留人工审批；（4）以规则为兜底与默认策略，智能体建议偏离过大时回退；（5）把纠错写成策略并在周报复核，不靠上下文记忆；（6）将推理开销记入运营成本同一账本。

在 rlab.works 的智能商务、模型网关与智能感知模块中，可映射三项技能包与三项组件：

• 订单履行与补货审批：在智能商务模块，订单履约与配送（S35）按“统一订单信息 → 查询库存并预留 → 批准补货或拆单（人工关口） → 拣货并派车 → 签收并处理异常（人工关口）”运行，配合库存台账、批次管控、盘点与计价（预留、出入库台账、批次保质期冻结与检验、盘点差异及计价）与采购、补货建议与供应商协同（带审批的请购与采购单、到货，及按销量、库存、未结订单与提前期策略计算补货）。该包在零售有源数据依据（物流为可迁移），需打通库存、采购、出库与配送标识，路线仅作参考，退款需单独审批。我们的工程判断是在“查询库存并预留”核验单品可用与在途量，在“批准补货或拆单”人工关口拦截超额采购与亏本派单。
• 推理费用核算：在模型网关模块，模型用量与费用核算（S13）按“预留预算 → 提交任务 → 逐笔记账 → 人工对账（人工关口）”运行，配合用量预留、预算、版本化定价与结算（预留与结算用量、执行预算、核对已计价与未计价台账证据）。该包在金融与公共服务作内部工具成本管理属可迁移应用，无零售标签；此处可迁移用于核算智能体推理开销，须指定单一计费归属方。
• 周度复盘与策略更新：在智能感知模块，经营周报（S26）按“汇总并统一数据 → 按时间与客群比较 → 筛出异常 → 核对原因（人工关口） → 撰写周报与跟进”执行。该包仅在出行酒旅有源数据依据且含酒店专用组件；迁移至零售属可迁移应用，须替换酒店组件，且节假日重叠不是原因。我们的工程判断是在“核对原因”人工关口将调拨报错转化为持久策略。

需如实说明：所有技能包均为合成数据演示的拟议未集成方案；三项组件均为可用状态（前两项含零售标签），但均不运行智能体对比规则评测或长周期仿真——这是我们从论文提炼的要求。

放权智能体经营门店前的三项行动清单

• 核算扣除推理费后的规则基线净值差：上线前在多轮长周期仿真中对比临界比补货规则并计入推理开销，未稳定跑赢前以规则为默认策略^{[1, 3]}。
• 提交前强制校验单品可用库存与派单毛利：在“查询库存并预留”按单品核对在库与在途量，在“批准补货或拆单”人工关口拦截超阈值采购或毛利不抵上门费的派单^{[1, 2]}。
• 借周度复盘把当次报错固化为书面规则：在“核对原因”人工关口复查被拒调拨、临期损耗与空货架率，将修正写入补货参数而非依赖模型记忆^{[1, 2]}。