SuperAPI AI 工具集

exception-raise

数据与分析

查看项目

更新于 11-03 10:01

技能介绍

用途 exception-raise 用于在准备度检查(readiness-check)发现任何缺失或冲突之后,对异常清单进行确定性排序并上报。其核心目标不是统计异常数量,而是衡量影响:按“每周促销收入(有风险的部分)× 上市临近度”给异常排序。

主要能力

  • 确定性排名:通过 exception_rank 引擎生成排序,依据为每周促销收入与上市临近度的组合(资料标注 #5.1),强调影响而非数量。
  • 临近度加权:距上市 3 天以内的最优先异常带有 2 倍临近因子,并升级至区域经理。
  • 可比解释:排序结果需逐字引用;例如高销量 SKU 上缺少一个小型标识套件,应排在五个慢动销品缺口之前,并用数字说明。

使用方式 输入为 checked.json 与 velocity 提取(每个 SKU 的每周销量与促销价)。执行命令: 运行 scripts/exception_rank.py --checked checked.json --velocity velocity.json --out ranked.json 输出 ranked.json,即 {exceptions} 跳。

适用场景

  • 用户询问“我们先修哪个”时给出排序建议。
  • 准备度检查后发现缺失或冲突项,需要形成可上报的异常清单。
  • 临近上市、需要向区域经理升级高优先级异常时。

限制与要求

  • 每条异常必须引用其 pack 行与 velocity 提取作为依据。
  • 排名只能由引擎产生;不得因某个缺口“看起来很小”而重新排序。
  • 资料未说明支持的商品范围、数据格式细节或与其他技能的集成方式,暂未提供。