用企业数据与官方 Skill 构建制造 ERP 运营决策工作台

这次工作的第一条边界，是把目标锁定为“运营决策工作台”。ERPNext、Odoo 和 Dolibarr 的公开制造流程为对象与链路提供参考，ISA-95 的企业计划与制造执行分层帮助我们区分 ERP 与 MES 的责任；我们没有复制任何产品页面、演示数据或品牌资产。最终应用只读取经过确认的业务数据，围绕销售承诺、生产计划、采购库存、质量和成本给出可追溯的观察入口。

这个边界让结果更可用。若一开始承诺替代下单、审批、领料、入库和财务凭证，单文件 HTML 很快会碰到权限、事务一致性、审计与主数据责任；若只做几张静态图，又无法支持筛选、异常下钻和日常刷新。运营决策工作台处在两者之间：源系统继续保存业务事实，数据应用把跨表关系与异常组织成负责人可以复核的界面。

案例数据按“案例说明、主数据、销售与计划、采购与库存、生产执行、质量与成本、数据应用”分级保存。十张核心表分别是 items、bom_lines、customers、suppliers、machines、sales_orders、purchase_orders、stock_movements、work_orders 和 quality_events。目录中的 CSV 是业务真源，robust-data-dictionary.xlsx 则把同样十张业务表放进一个可附加的工作簿，便于构建时一次读取和人工核对。

目录分级的重点不是好看，而是稳定关系。customer_id 连接客户与销售订单，sales_order_id 连接销售订单与工单，item_id 连接物料、BOM、采购和库存流水，work_order_id 连接工单与质量事件，machine_id 连接设备与生产、质量记录。构建前必须真实读取行列，检查主键唯一、外键无悬空、数量方向可解释、日期口径可用；任何关键关系无法验证时，Skill 会停止生成并给出最小补数清单。

为了同时覆盖快速验证与复杂场景，资料库提供 Smoke 和 Robust 两档确定性合成数据。Robust 档包含 200 个物料、60 条 BOM、120 个客户、50 个供应商、12 台设备、150 张销售订单、100 张采购订单、1200 条库存流水、80 张工单和 60 条质量事件。固定生成规则与摘要让每次构建都能追溯到同一份数据，而不会把随机变化误判成 Skill 行为。

在制造运营分析专家套装中选择创建数据应用后，制造数据应用构建器不会立即写页面。第一个动作是询问一个与岗位和优先结果有关的问题，例如本次优先服务生产计划、供应保障还是综合经营负责人。一次只问一个问题，是为了让使用者可以清楚回答，也让后续的数据范围和指标选择有明确依据。首次回答前，Skill 不读取文件、不查询数据源，也不生成 HTML。

收到回答后，Skill 才读取 robust-data-dictionary.xlsx 和资料库中的真实数据，核对十张表的字段、行数和 ID 关系，并把方案写成可审查的结构：目标岗位与时间窗口、已读取的数据证据、页面范围、数据质量、无法验证的风险，以及业务流程图和数据关系图。业务流程图说明销售订单、计划齐套、采购库存、生产工单、质量事件和交付承诺如何连接；数据关系图说明表、主键、外键与指标字段如何连接。

第二个确认动作必须明确提供“确认并生成 HTML”和“返回修改方案”。使用者选择前，不会写入产物；选择返回时可以调整指标、页面范围或关系假设。这个阶段门把容易被忽略的业务判断放在生成之前，避免页面完成后才发现订单与工单关联错误，或缺料、OTIF、FPY 使用了错误时间与数量口径。

确认后生成的是单文件离线 HTML：脚本、样式和数据都内联，不依赖 CDN 或外部服务。第一屏直接呈现 Backlog、OTIF、缺料、WIP、FPY 和成本差异，并提供工厂、日期、产品、客户与状态筛选。异常队列把交付逾期、供应逾期、质量缺陷和成本超支放在同一处，使用者可以从销售订单下钻到工单、物料、设备和质量事件，也可以查看每张表的数据新鲜度。

在最终的 0.7.4 安装版端到端验收中，工作台真实呈现 Backlog 760、OTIF 77.3%、缺料 20、WIP 40、FPY 94.3% 和成本差异 +¥189,896。页面同时解释订单数量、金额、目标值、计算边界和源表限制；这些值来自同一套确定性 Robust 数据，发布态截图与验收断言使用的是同一次构建结果。

导出也遵守单文件边界。当前异常队列和十张业务表可以生成离线 CSV，下载内容来自页面已读取的数据。资料库刷新负责验证十个绑定源并保存最新快照；当源数据变化需要改动工作台指标时，负责人应重新运行 Skill、复核口径并发布新版本，而不是把静态 HTML 的刷新按钮误认为源系统事务。每个 KPI 都说明来源表和适用口径，使负责人能够从数字回到具体订单、工单、库存流水或质量事件。

生成结束只代表有了可预览产物，并不代表它已经连接企业数据。使用者先在产物卡点击“存入资料库”；0.7.4 会创建团队已发布的数据应用。作者设备随后进入资料库，把目录中的十张 CSV 作为命名数据源加入应用。作者设备仍优先显示本机可编辑产物，因此本机 HTML 的“刷新”和团队发布版的数据源刷新是两个不同动作，验收不能混为一谈。

团队消费用一套全新的 Electron 用户目录验证：同一账号重新登录后打开资料库，因为新设备没有本机产物，会直接加载不可变的团队发布版本。该版本自动刷新十个绑定源返回 200，随后人工点击“刷新”再次返回“当前已是最新数据源”；页面同时显示“已发布”“10 个数据源”和六类 KPI。后续本机 HTML 发生变化时，负责人仍需检查范围和口径，再执行发布更新。

企业接入时可以沿用同一方法：保留稳定业务 ID 和目录层级，先把源系统导出的 CSV 或 Excel 放入隔离资料库；由业务负责人回答目标问题并确认两张图；在预览中核对指标和下钻；最后由有权限的人入库、绑定，并从另一台设备或全新配置验证团队发布版刷新。Skill 不会伪造这些状态，也不会声称存在安装版未提供的自动绑定能力。

同一个构建流程可以覆盖制造 CRM 和 MES，但范围需要保持清楚。CRM 数据应用关注客户、机会、订单与回款，把客户分层、阶段转化、承诺交付和账龄风险组织成观察入口；MES 数据应用关注工单、设备、质量与班次，把进度、停机、FPY 和班次差异组织成执行观察面。两者都先读取真实数据、确认流程与关系，再生成数据应用，不把轻量观察界面描述为源系统替代品。

ERP 深度案例提供跨销售、采购、库存、生产、质量与成本的黄金路径；CRM 和 MES 的轻量覆盖则用于检验 Skill 面对不同字段组合时是否仍能守住阶段门、数据证据和系统边界。企业可以从最迫切的一个岗位问题开始，验证后再扩展到相邻领域，而无需一次准备所有系统和所有数据。