让 AI 替我管物料：一个品类管理者的智能体进化史

做品类管理的人，日常就是查物料、看引用、跑分析、提申请。麻烦在于：数据散落在 PLM、采购库、集团大数据等四五个系统里，一个分析半小时起步；冻结一个物料要走 9 步系统操作；品类策略写得再细，申请把关还是靠人工。这些活，AI 能不能真正接管？

我的答案是能——不是又一个命令满天飞的通用助手，而是一套用一年时间、和 AI 一句一句"聊"出来的品类智能体：查询一句话、执行一句话、策略自动落进系统，实测省下 25.1 人月。先交代自己：我干了十几年硬件研发，后来转做品类管理，代码不是不会写——早年自学 ASP 手搓过一套跑了三年多的管理系统，SQL 也熟——但离专业开发者差得远。这篇文章不讲技术细节，讲的是这条路的走法。

整套东西最后长这样——数据在下面，智能体在中间，人从两边用：

先说痛点：人被系统挡在门外，当了搬运工

痛点1：数据分散，分析靠人肉搬运。 物料生命周期状态、变更历史、引用关系、产品规划量——品类管理的核心数据散落在四五个系统里。物料负责人的日常就是登录、查询、导出、粘贴，再登录下一个系统，一个分析半小时起步。低效物料淘汰不及时、物料错误冻结，影响的是开发、采购、生产全链条。

痛点2：多职能要数据，报表养不起。 规划、研发、采购、计划、售后，每个职能要的指标维度都不一样。通用报表大而全，用的人天天筛选排序导出；定制报表又养不起——开发贵、维护贵、数据同步更贵。

痛点3：分析和执行是断开的。 分析做完，还要手动把结论变成系统里的申请单再走审批。以物料冻结为例：登录 PLM、找申请单、创建、填信息、提交、添加物料、搜索、选择、再提交——整整 9 步。分析做得再好，最后一公里全是体力活。

痛点4：策略停在纸面上。 每个品类都做了通用化分析、定了管控规则，但申请把关仍靠人工审核——策略落不进系统，等于没写。

四个痛点合起来是一句话：系统里有数据、有流程，唯独没有一个"懂品类的人一句话就能使唤"的入口。这个入口，我分两步把它建了出来。

第一版：先把查询变成一句话

第一版只做一件事：把高频查询全部变成一句话。

• 查物料明细——之前：多系统来回切换，单次 5-10 分钟；现在：一句话输出品类全部物料实时信息，含成熟度状态、引用机型数、年度规划量，不到 1 分钟。
• 查物料属性——之前：公司级属性只能单个物料查；现在：一句话批量输出，或按规格反查物料，辅助研发选型。
• 查引用机型——之前：单物料逐级展开下级表单，BI 报表筛选复杂；现在：一句话出引用机型明细，导出在线表格，辅助制定切换策略。
• 批量下载图纸规格书——之前：登录、查料号、逐个点击下载；现在：一句话批量下载。
• 分析历史记录——之前：PLM 历史记录可读性差，单次超过 10 分钟；现在：自动归纳物料生命周期变化、追溯申请单创建人，1 分钟内出结果。
• 生成属性导图——之前：手工筛选统计再画图，几十上百个节点，物料一变就得重做，单次 30 分钟起步；现在：一句话生成，表格更新后一键刷新。

这一版上线，高频查询普遍提效 5-10 倍，导图和历史分析这类重活提效 30 倍以上。

第二版：从"会查"到"会办事"

查询跑顺之后，新的问题浮出来：AI 只能看，不能动手。第二版的核心跨越，是把系统接口接进智能体——让 AI 从辅助查询走到直接执行。

物料冻结/解冻，9 步变 1 句话。 提交一句料号，助手自动创建申请单、自动排查所有引用机型、输出冻结建议——对未退市机型给出规划退市时间和产品经理信息，避免误冻结影响业务；流程提交后自动飞书通知相关人。单次操作从 10 分钟以上降到 1 分钟以内，而且比人工更稳：人可能漏看一个引用机型，机器不会。

管控规则生成，让策略第一次落进系统。 这是我认为最有价值的功能。把品类策略文档喂给 AI，自动生成系统可实施的校验规则报告——品类策略第一次从纸面变成系统里自动把关的规则。之前人工审核占用大量人力、把关作用反而弱；现在按策略自动卡控，提效的同时管理更严。

重复 BOM 校验，补上系统的能力缺口。 PLM 一直做不了重复 BOM 的实时统计，半成品重复申请造成加工资源浪费——之前评估过，靠 PLM 复杂操作排查一次要 30 分钟以上，等于没法管。现在一句话校验重复情况、判断哪些半成品可合并，下一步接入 PLM 接口，在新 BOM 创建时自动拦截。

每日品类资讯。 AI 每天自动总结品类相关行业资讯、技术动态与市场趋势，按专题筛选媒体和角度，飞书定时推送，辅助品类策略规划。之前靠工程师全网搜罗，信息分散不聚焦。

总账：25.1 人月，是从六个场景里一个一个抠出来的

单纯人力节省 25.1 人月（物料生命周期管理 16.7 人月 + 品类策略刷新 8.4 人月）；重复 BOM 合并板卡的加工费节省还在核算。这套东西拿了某大型家电集团 AI 创新大赛的奖，正在从研发、采购向服务领域推广。

三条感触，比功能更重要

要有充分的想象力，但避免空想。 重复 BOM 校验、专用物料查询，这些原来系统里"不可能"的功能，用 AI 很快做出来上线了；但反过来，没有数据、不懂流程，指望一句话让 AI 给结果，也是不行的。系统管控规则这个功能，数据准备花了 3 周，skill 调试了 100 多遍。

让 AI 做 AI 应该做的。 总结、归纳、建议、非结构化内容的检查，交给 AI；确定性的事，让 AI 帮你生成固定的脚本和常规流程。AI 可以让想法快速实现，但表现形式不一定是 AI——往往是 AI 优化过的常规流程、常规系统功能。想明白这一条，就不会拿着锤子找钉子。

保持学习。 提示词、skill、RAG、MCP、上下文、工作流、loop、memory、harness——这些词两年前我一个都不认识。不需要每个都精通，但每个都得知道它是干嘛的，因为下一个能解决你业务痛点的，可能就藏在其中一个里面。

我是一个非软件专业的品类管理者，AI 没有让我变成程序员，但它让我一个人干成了过去需要一个团队才能干成的事。这条路刚开始，值得每个"懂业务、懂点代码"的人走一走。