forecasting

需求预测

预测有两种路径。选择正确的路径——不需要子 Agent 时调用子 Agent 会浪费轮次；需要时跳过它则会得到错误的数值。

路径 A — 自行计算（代码执行）

仅当以下所有条件都满足时使用：

• horizon ≤ 14 天
• 产品的 is_seasonal 标志为 0
• 产品的 promo_next_month 标志为 0
• 任务没有提到促销、节假日或趋势变化

此时，预测就是滚动均值。本技能附带了一个脚本：

python .claude/skills/forecasting/rolling_mean.py SKU-0057 14

就是这样——一次 Bash 调用，约 200 个 token，无需子 Agent。想要调整脚本的话，可以阅读它（约 20 行）。

批量处理变体，适用于全面扫描： 如果需要一次性计算许多 SKU 的库存可售天数（例如每日低库存检查），不要循环调用工具——运行批处理脚本：

python .claude/skills/forecasting/batch_days_of_cover.py 20

返回按库存可售天数排序、最紧急的 20 个 SKU 的 JSON。这替代了旧版 Agent 在 F1 上执行的 100 多次 get_stock_level / get_sales_velocity 调用。

路径 B — 启动预测子 Agent

满足以下任一条件时使用：

• horizon > 14 天
• is_seasonal 为 1
• promo_next_month 为 1，或任务提到了促销
• 近期销售显示出明显的趋势变化

为什么要用子 Agent： 预测器需要在上下文中查看完整的 90 天历史记录，才能发现季节性和促销影响。这大约是 90 行 × SKU 数量。把这些数据加载到你的上下文中，会挤占任务其余部分的空间。子 Agent 有自己的上下文窗口，可以在那里进行分析，然后返回精简的 JSON。

操作方法： 将任务委托给可调用的 forecaster Agent。只发送 SKU、产品标志和 horizon——不要发送历史记录行。预测器可以通过 Bash 访问相同的 /mnt/user/data/，并会在自己的上下文中基于完整历史记录进行计算（这正是这样做的目的：90 行数据留在那里，而不是这里）。它会返回 {forecast_qty, confidence, method, flags} JSON——请严格解析；如果 JSON 格式错误，那就是错误，不要试图猜测处理。

如果无法使用 callable_agents（这是一项研究预览功能），则改为自行内联计算滚动均值，并将 confidence 设为 ≤ 0.55，这样补货策略技能就会升级为人工审核，而不是根据你无法验证的数值自动下单。

季节日历（检查数值是否合理）

户外装备具有很强的季节性。当预测周期跨越季节分界时，滚动均值会滞后于趋势转变——依靠路径 B，并说明季节因素。

时间段	需求上升的类别	相较基线的预期
Mar–May	鞋类、背包、雨衣、登山杖	1.3–1.6×
Jun–Aug	帐篷、睡眠用品、炉具、水过滤设备	1.5–2.0×（季度高峰）
Sep–Oct	保暖服装、光学设备、头灯	需求上升；帐篷/鞋类需求趋缓
Nov–Dec	适合作为礼品的价位产品；促销力度最大	确认促销标志
Jan–Feb	淡季调整——销量最低	适合盘点

促销处理

促销是导致订货不足的最常见原因。当 promo_next_month=1 或任务提到促销时：

• 不要仅依赖滚动均值——它反映的是促销前的需求。
• 查找历史类比数据（同一 SKU，过去 12 个月内可比的促销），并采用该提升幅度。如果找不到，子 Agent 应设置 flags: ["promo_uplift_uncertain"]，并将置信度设为远低于 0.6。
• 提升幅度不确定时，默认标记为待审核，而不是自动下单。促销期间订货过多可以补救；订货不足则会在关注度最高时造成缺货。
• 如果已知促销结束日期，应考虑促销后的需求下滑——不要让渠道在结束后一周库存过剩。

需要避免的失误： 在文字说明中声称需求有所提升（“可能达到约 3×”），但返回的 forecast_qty 仍然是未计入提升的基线均值。要让数值体现提升，而不只是叙述。

如何处理结果

将 {forecast_qty, confidence, flags} 传入补货策略技能。特别是：如果 confidence < 0.6，补货策略要求升级处理，不要自动下单。 不要忽略 confidence 或 flags——它们是约定的一部分。

示例（路径 B）

任务：“为下个月的促销补订 SKU-0091。” → promo_next_month=1，预测周期=30 → 路径 B。

子 Agent 返回：{"forecast_qty": 2100, "confidence": 0.41, "method": "baseline_mean_no_comparable_promo", "flags": ["promo_uplift_uncertain"]}

confidence 0.41 < 0.6 → 根据补货策略，不要创建 PO。通过 notify-templates 升级处理并附上 flags，建议按基准值补订约 2,100 件，并注明促销带来的增幅可能达到 2–3 倍，需要人工判断。