用途：面向仓库拣货场景，协助设计最优拣货路径，目标是最小化行走距离、减少拣货时间、提升拣货员效率。
主要能力：提供拣货路径优化框架，先评估仓库布局（布局类型、过道数量与长度、宽度、交叉过道、拣货面、集货点）、拣货约束（离散/批量/分区拣货、设备、是否可跳过空过道、双向通行、中途横穿、拣货顺序灵活性）、订单特征（每单拣货量、拣货密度与分布）以及当前绩效（现有方法、平均行走距离、每小时拣货量）。归纳多种路径策略：S形（穿越式）、返回式、中点式、最大间隙式，以及基于TSP的最优路径，并对比各自优缺点与相对最优效率（约60-70%、40-50%、70-80%、80-90%、100%）。还给出将仓库建模为有向图及TSP数学建模思路（目标函数、出入度约束、子回路消除、过道约束）。
使用方式：资料包含S形与最大间隙路径的Python示例函数，以及基于Google OR-Tools的TSP求解示例，输入为拣货DataFrame（pick_id、aisle、position_in_aisle、side或x、y坐标）与过道规格，输出路线序列与总距离。示例代码依赖numpy、pandas、scipy、ortools。
适用场景与限制：适用于仓库拣货路径规划与效率改进。仓库距离受过道约束，实际并非欧氏距离；资料提到应使用仓库图或曼哈顿距离。单行道、拥堵、设备限制等需纳入约束。原文未提供收费、价格与官方平台信息，暂未提供。