一个业务问题,两个 AI,和一套装柜软件

装柜这件事，过去经常让业务、仓库和客户之间来回沟通。

客户有自己的装柜要求，但有时说不清楚；业务员需要把要求转达给仓库，仓库根据货物情况安排装载。等到方案真正落实时，才发现某些细节没有提前确认，货物摆放需要调整，沟通和返工也随之而来。

问题不完全在仓库，也不完全在业务员。我们缺少一份能够提前呈现装载效果、让客户确认、又能交给仓库执行的方案。

我想做一个工具，把这段沟通提前完成。

我没有程序开发经验，但之前已经尝试过用 AI 做一些工厂内部的小工具。这次，我找了两个 AI：DeepSeek 帮我梳理产品思路和技术架构，Cursor 协助编写程序。我负责把业务需求说清楚，也负责判断做出来的东西能不能真正用在现场。

一开始，连货物尺寸的理解都出了偏差。我们说的“卷宽”和“卷高”，在实际装柜中有明确的方向区别，但 AI 最初没有理解到位。几轮沟通后，我发现不能只靠文字解释，必须把货物、托盘和集装箱的空间关系画出来，让模型和计算逻辑都对应实际装载方式。

接下来，软件开始计算货物如何排列。我用实际货物尺寸反复测试，又把装载结果做成三维效果图。三维图很直观，但也暴露出另一个问题：程序认为可行的排列方式，和仓库实际操作的方向并不一致。我们重新调整规则，再拿现场情况验证。

经过几轮迭代，软件逐渐具备了自动排布、三维预览、剩余货物处理、未装入货物原因提示，以及清单和报告导出等功能。它还会对超重、门高、重心偏移等条件进行检查，提醒使用者进一步核实。

真正使用时，流程是这样的：仓库先提供货物基础信息，业务员根据客户要求整理装柜方案。方案生成后，业务员可以查看三维装载效果，并把清单和报告发给客户确认。客户确认没有问题，再把方案传给仓库落实。

这意味着，客户确认的不再只是几句文字描述，而是一份能看到货物如何摆放的具体方案；仓库接到的，也是一份已经与客户确认过的安排。

有一次，客户看完我们提供的装柜方案后，给了一个让我印象很深的反馈。他说，从未见过哪家供应商提供过这么专业的方案。这个方案不仅让他更清楚货物将如何装载，也让他对我们的产品质量和服务更加满意。

这句话让我意识到，软件的价值并不只在于减少内部沟通和装柜调整。它也让客户看到了我们处理业务的认真程度。产品质量需要靠实际产品证明，但服务的专业性，也可以通过一份方案被客户感知。

当然，软件不能代替现场判断。货物实际尺寸、装载条件、操作空间和安全要求，仍然需要业务员与仓库共同核实。AI 可以帮助我写代码、调整算法，却不能替我观察现场，也不能替我承担装柜方案的责任。

回头看，这个软件并不是 AI 一次性“生成”出来的。它是在业务需求、现场经验、程序计算和实际验证之间，反复修改后逐渐形成的。

对我来说，最有价值的地方，是把过去依赖个人经验、容易在沟通中丢失的装柜知识，整理成业务员可以使用、客户可以确认、仓库可以执行的一套流程。

AI 帮我把工具做出来，而真正决定工具是否有用的，还是对业务的理解，以及一次次回到现场验证。