技能介绍

要解决的问题

跟单和客服每天都在回答同一个问题：这张销售订单发没发、走到哪了。在管家婆 / H3ERP 里查这件事本身不难，难的是得记住订单号、进对菜单、选对查询条件，一次问询来回点三四下，一天下来就把精力耗光了。更麻烦的是说法不统一——有人查“出库”，有人查“发货”，还有人直接问“回款进账了没”。这个技能把这类问询收敛成一次自然语言输入，顺便把菜单入口也解决了。

它是怎么工作的

意图与实体抽取：NLPEngine.parse() 负责解析口语输入，抽取 order_number 和 partner 两个槽位。模型路径下由 LLM 直接输出 JSON，规则路径由 _extract_entities 兜底。
路由与查询：handler 调用 ReplenishmentAssistant.handle()，传入 action: "order_tracking"，实际数据由 erp_core/h3erp/service.py 直连 SQL Server 账套 yszt 读取。
结果组织：返回的 dict 至少含 reply（Markdown 表格或列表）和 action（用于路由追踪）。随后 _make_analysis() 自动追加「📊 智能分析与建议」段，给出结论和一条可执行的下一步。
口语变体与菜单：存量 / 库存、进货 / 入库、回款 / 收款这类同义表达都能识别；输入“菜单”“功能菜单”“帮助”或“?”则返回完整功能列表。
时间范围：所有查询支持 time_range（默认最近 30 天）和 top_n（默认 10 条），口语如“本月”“上周”“最近 7 天”可直接使用。

适用边界与注意点

只读与建议：开单、审批、申请这类写操作只生成草稿和预览，不会直接写入 yszt 账套，真正的落库仍需人工确认。
依赖后端服务：必须启动后端才能用。当 H3ERP_ENABLED=false 时，查询会切到 erp_core/procurement/service.py 的演示数据路径，此时返回结论不代表真实账套。
分析能力分档：.env 中 AI_API_KEY 有效时走 LLM 增强分析，无效则降级为规则引擎兜底，两档在措辞和分析深度上有明显差异。