仓储场景的提示词，不该从“帮我优化仓库”开始。库存、批次、库位、时效和作业限制一旦混在一起，AI 就可能给出看似合理却无法执行的建议。更可靠的用法，是把 AI 放在信息归纳、异常分流和交接清单的位置，而不是让它直接替代库存系统或现场负责人。
把现场信息拆成四类输入
每次提问前分别列出：当前状态（库存、订单、人员）、本次目标（如完成某批出库）、约束（截止时间、设备、禁操作）和异常（缺货、破损、系统差异）。数字必须带上时间点和口径，例如“截至 14:00 的可用库存”，不要只给一个孤立数量。
根据以下真实作业信息，生成一份班次执行清单。先列出信息缺口和异常；再按安全、时效和依赖关系排序。每项动作必须写明负责人、输入、完成标志和需要回写的系统字段。不要猜测库存数量。
用 AI 做异常分流，而不是自动决策
| 异常类型 | AI 可协助 | 人工必须确认 |
|---|---|---|
| 订单信息不全 | 整理缺失字段并生成追问 | 订单优先级与客户承诺 |
| 库存差异 | 列出核查路径与相关记录 | 实际盘点和账务调整 |
| 作业拥堵 | 汇总受影响环节和候选顺序 | 现场调度与安全风险 |
让 AI 每次输出“事实”“待确认”“建议动作”三栏，能防止建议被误当成已确认的操作。涉及安全、设备、危险品和权限变更的决策，应始终由合格负责人完成。
把交接班变成可复用的模板
交接不需要一段长叙述。让 AI 根据当班记录生成固定结构：已完成任务、未完成原因、异常编号、下一班第一动作、需要谁确认。复杂项目也可以借鉴AI 组织复杂任务的工作流，把依赖关系和验收标准提前写出来。
当仓储数据需要汇总成管理材料时，继续使用AI 报告写作的证据核验流程，确保每一个数字都有来源和日期。
