大家好，我們是成都小火科技公司，今天是2025年10月28日，星期二。前幾天去拜訪一個做電商倉儲的客戶，他們倉庫主管拉著我們說“現在盤點再也不用全倉停工兩天了，AI算出來的庫存數和實際一件不差”，聽到這話我們挺感慨，這個AI智慧倉儲管理系統從需求溝通到上線，確實解決了他們效率和準確度的問題，今天就跟大家聊聊這個系統的開發過程。

這個客戶主要做家居用品電商，倉庫有3000多平，之前用的是傳統的Excel臺賬加人工盤點。最頭疼的問題有三個：一是盤點效率低，每月一次全倉盤點要停工48小時，錯過不少訂單發貨時間；二是揀貨出錯率高，倉庫貨架沒分類標識，揀貨員全靠記憶找貨，每月錯發訂單能有20多單；三是庫存預警不及時，有次爆款床墊斷貨了，系統沒提示，導致100多單訂單延遲發貨，被平臺罰了款。他們找我們的時候，明確說要一個能“自動算庫存、幫著找貨、提前說缺貨”的系統，還要能對接他們現有的ERP系統，不用重復錄數據。

第一次溝通時，客戶就問“交付質量如何”“開發完我們會培訓怎么使用嗎”，這兩個問題也是做企業級管理系統時客戶常問的。關于交付質量，我們跟客戶承諾，系統上線前會進行全場景測試，包括模擬1000個SKU同時入庫、50個揀貨員同時操作的場景，確保系統不卡頓、數據不丟失，而且我們是高新技術企業，有ISO900認證，做過供應鏈管理系統、ERP系統這些類似項目，光去年就交付了8個倉儲相關的管理系統，客戶看了我們之前的項目案例后，對質量這塊就放心了。至于培訓，我們承諾上線后安排3次上門培訓，分別針對倉庫主管、揀貨員、臺賬管理員，確保不同崗位的人都能熟練用自己需要的功能。

我們公司2013年成立，在成都成華區杉板橋路669號招商城市主場B座23層辦公，研發人員占比超80%，其中30%以上來自互聯網大廠，做這類AI智慧管理系統有成熟的技術棧。這次系統開發，后端用的是Java和Go語言，Java負責穩定處理庫存數據，Go語言負責高效對接AGV機器人的實時數據；前端用的是Vue，方便倉庫主管在電腦上操作后臺；AI模塊重點做了兩個功能：一是AI庫存預測，根據過去3個月的銷售數據，自動預測未來15天的補貨量，在庫存低于安全值時發提醒；二是AI揀貨路徑規劃，系統會根據訂單里的商品位置，自動生成最短揀貨路線，在揀貨員的PDA上顯示。另外，我們還幫客戶在倉庫貨架上貼了RFID標簽，每個商品入庫時掃一下標簽，系統就能自動記錄位置和數量，不用人工輸數據，這也是從之前做智慧門店管理系統時學的經驗，RFID識別比傳統掃碼效率高3倍。

開發到第35天的時候，客戶提出想加一個“滯銷品分析”功能，就是系統自動統計超過90天沒賣出去的商品，標紅提醒他們做促銷。我們讓產品經理和技術主管一起評估，這個功能需要在庫存模塊里加一個時間維度的篩選邏輯，還要對接銷售數據，大概需要4天時間，不會影響整體上線進度，就跟客戶確認了調整方案，沒額外加費用。而且我們還幫客戶做了和他們現有ERP系統的對接，用API接口實現數據同步，比如ERP里的訂單信息會自動傳到倉儲系統，倉儲系統的發貨信息也會自動回傳到ERP，不用人工兩邊錄數據，之前做大型企業采購系統時，我們經常做系統間的對接，知道怎么避免數據不同步的問題。

測試階段我們重點測了三個核心場景：一是RFID識別準確率，找了100個不同大小、不同材質的家居用品，反復掃碼1000次，識別準確率達到99.8%，只有2次因為標簽被遮擋沒識別到，調整標簽位置后就沒問題了；二是AI庫存預測準確率，用客戶過去6個月的銷售數據做測試，預測的補貨量和實際需要補貨量的誤差在5%以內，客戶說這個精度完全夠用；三是系統穩定性，模擬倉庫斷電10分鐘，恢復供電后，之前沒保存的入庫數據都能自動恢復，沒出現數據丟失的情況。這個系統屬于大型軟件，我們推薦客戶用線下自主服務器，因為倉庫數據涉及訂單和庫存核心信息，自主服務器能更好地保障數據安全，而且客戶倉庫有專門的機房，也有運維人員，能自己維護硬件。

上線后第10天，客戶反饋有個揀貨員的PDA連不上系統，我們的技術人員當天就上門排查，發現是倉庫角落信號弱，幫他們加了一個信號放大器后就好了，上線后如果出現這類bug，我們都會免費修復，這也是合同里明確約定的。維護費方面，我們跟客戶約定的是按開發費用的20%每年收取，主要包括服務器安全維護、AI算法模型更新、功能小優化，比如客戶后期想加“商品保質期管理”功能，這種屬于新增功能，會單獨評估費用，但如果是調整AI預測的時間周期，就包含在維護費里。

復盤這個項目，有兩個重點環節一定要提醒想做AI智慧倉儲管理系統的客戶：一是提前確認現有硬件的對接協議，比如客戶之前買的AGV機器人、PDA設備，要先拿到它們的API接口文檔，不然開發到一半再找接口，會耽誤時間；二是AI算法需要足夠的歷史數據，我們一開始讓客戶提供過去6個月的銷售和庫存數據，客戶只給了3個月的，導致AI預測準確率只有85%，后來補了數據重新訓練模型，準確率才提到95%以上。我們之前做數據大屏監測系統時就知道，數據量越足，AI功能的效果越好，所以這次也提前跟客戶強調了數據的重要性。

這個系統上線后，客戶反饋盤點時間從48小時縮短到了4小時，不用停工就能完成盤點；揀貨出錯率從每月20多單降到了2單以內；庫存預警及時了，再也沒出現過斷貨導致訂單延遲的情況。其實做AI智慧倉儲系統，核心不是堆砌AI功能，而是幫客戶解決“效率低、易出錯、不及時”這些實際問題。未來這個系統還能加AI視覺分揀功能，用攝像頭自動識別商品是否放錯貨架，進一步減少人工失誤，這也是現在倉儲行業的趨勢，我們做AI智慧文旅小程序時積累的計算機視覺技術，剛好能用到這里。只要客戶能說清楚自己倉庫的痛點，我們就能針對性地設計功能，讓系統真正幫他們降本增效。

文章來源網址：http://jt-toy.com/archives/xitongkaifa01/2322，轉載請注明出處！