Flowr：通过智能体AI扩展大型连锁超市的零售供应链运营

连锁超市的零售供应链运营涉及贯穿需求预测、采购、供应商协调与库存补货的持续性、大批量人工工作流，这些流程重复性强、决策密集，且在缺乏大量人力投入的情况下难以规模化。尽管在数据分析上的投入不断增长，这些工作流的决策与协调环节仍在很大程度上依赖人工、被动响应，并分散于门店、配送中心与供应商网络之间。本文提出Flowr，一个用于自动化大型超市运营中端到端零售供应链工作流的新型智能体AI框架。Flowr系统性地将人工供应链运营分解为多个专职AI智能体，每个智能体负责明确定义的认知角色，使以往依赖持续人工协调的流程得以自动化。为确保任务准确性并遵循负责任AI原则，该框架采用一组经微调、面向领域专门化的大语言模型，由一个中央推理LLM统一协调。框架的核心是人在回路的编排模型：供应链管理者通过支持模型上下文协议（MCP）的界面对各工作流阶段进行监督与干预，保留问责机制与组织控制权。评估表明，Flowr显著降低了人工协调开销，改善了供需匹配，并能在人工流程无法企及的规模上实现主动的异常处理。该框架与某大型连锁超市合作完成验证，且与领域无关，为大型企业环境中智能体AI驱动的供应链自动化提供了可泛化的蓝图。