Agent Skills
返回列表
WMS AI 库存对话 MVP 设计

WMS AI 库存对话 MVP 设计

开发编程 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_ade43103/fsd-sds。

技能介绍

要解决什么问题

WMS 需要挂接对话式业务查询，首期用最小方案验证：用户用自然语言查库存，系统识别参数、缺则追问，再调用现有 WMS 接口返回结果。范围锁定为显式 SKU + 仓库编码的单场景；不支持商品名模糊查，会话由后端按 sessionId 维护。

方案如何落地

采用 LangChain4j AIService + 单一 InventoryQueryTool，业务聚合留在 WmsQryService，远程走 Feign。

  • 入站：InventoryChatController → InventoryAssistantFacade → InventoryAssistantAiService.chat(sessionId, message)
  • 编排：结合 ChatMemoryStore 判断 SKU / warehouseCode 是否齐全；缺参返回 ASK 追问；齐全则调 Tool
  • 查询：Tool 强校验后调用 WmsQryService.queryInventory，先验仓库再查库存
  • 响应：AIService 输出固定 JSON（replyType：ASK / RESULT / ERROR），Facade 解析为 ChatQueryResult，非 JSON 有兜底

边界与注意点

MVP 不引入多 Tool Agent、RAG 或模型路由；会话记忆首期内存，可后续换 Redis。需在 system message 与 Tool 层禁止猜测 SKU/仓库；Feign 超时与 WMS 异常统一映射为用户可读错误文案，避免底层异常外泄。

使用场景

  • WMS 前端要接 `/chat/inventory`，需按 sessionId 实现缺仓库编码时的追问与第二轮补参续查
  • 在 sc-agent 模块里用 AIService 挂单一 `InventoryQueryTool`，并复用现有 `WmsQryService` 而非把逻辑写进 Prompt
  • 编写集成测试：Mock Feign 后走 Controller→Facade→Tool 全链路，覆盖仓库不存在与库存为空分支
  • 评审 MVP 范围，确认不引入商品名模糊查、RAG 或多 Tool Agent，避免交付膨胀

适合人员

  • 负责 WMS 对话接口的后端工程师，要把 LangChain4j AIService 与 Feign 接到现有查询服务上
  • 制定 sc-agent 分层（interfaces/application/infrastructure）的架构师，需对照文档划清 AI 编排与应用层边界
  • 编写库存聊天验收用例的测试工程师，重点覆盖两轮会话补参与非 SKU 输入的拒绝逻辑
  • 带 WMS+AI MVP 交付的技术负责人，需要固定 JSON 契约、错误文案与「禁止猜测参数」的落地检查项