Main case / 居然之家门店店长 AI

星店 AI 让店长的一天形成执行闭环

面向居然之家门店店长，把开店早报、语音派单、卖场巡店和总部复盘串成一套可执行、可追踪的 AI 工作台。

STAR PROJECT / XINGDIAN AI

店长的一天，被组织成可追踪的执行闭环 早报、派单、巡店和复盘不是四个入口，而是同一条从现场判断到总部治理的执行链路。

Business loop

从一句现场判断，到总部可复盘的结果

星店把门店现场、店长动作、AI 介入点和后台治理结果串成同一条链路，让问题不只被发现，还能被执行、追踪和复核。

开店前聚合库存、陈列、巡店和风险提醒，让店长先看到最应该处理的问题。

店长把现场判断说出来，AI 抽取意图并生成可流转、可追踪的执行任务。

巡检对象是家居建材卖场，不是超市货架；异常需要照片、区域和负责人证据。

完成率、异常类型和复核证据回到后台，形成门店执行与总部治理的沉淀。

AI decision trace

高确定性业务先走规则路由，模糊输入再交给模型复核；低置信度结果进入待核对，人工确认后才创建任务。

01 LIVE DECISION

店长说出现场问题 语音、文本和巡店记录保留原始表达与来源，避免只留下模型改写后的结论。

My role

从居然之家门店店长的日常工作出发，我梳理了早报、语音、工单、巡店和复盘之间的状态关系，并把它们组织成前台可操作、后台可治理的产品闭环。

AI 在这里不是单独的聊天入口，而是介入信息聚合、意图识别、任务生成和结果总结；关键节点仍保留人工确认、责任人和证据链。

Secondary projects

除了门店管理，我也把 AI 工作流用于学习反馈和合同争议研判，持续验证从场景定义到可用产品的完整路径。