补货是最典型的供应链决策：订多了压资金、占仓储，订少了断货、丢客户。传统做法靠计划员的经验，加上几张 Excel。我们用 DomainLLM 的业务大脑与 sim-brain 的数字孪生，把这件事变成了一个可审计的决策流水线——并以「人工确认门」守住最后一公里。
八阶段端到端编排
整条流水线长这样：
库存状态 → 异常检测 → 策略生成 → 库存仿真 → 护栏审查 → 人工确认门 → 指令下发 → 效果评估
LLM 只在插槽处出建议
关键设计是「领域模型兜底、LLM 插槽」：安全库存（SS）、再订货点（ROP）、经济订货量（EOQ）由解析模型和库存仿真器计算，LLM 负责理解上下文、解释理由、处理非结构化输入（比如供应商发来的一封交期变更邮件）。它不直接决定订多少——建议必须带数值溯源：每一个数字都能追到它来自哪张表、哪个模型。
护栏：建议的安检门
- 硬约束校验：预算上限、库容上限、最小起订量，越线直接拦截；
- 越权检测：超出本次决策范围的动作（比如改供应商）不允许出现在建议里；
- 来源标注：每条建议标注置信度与依据，供人判断。
人工确认门：常规自动，例外人审
常规波动场景自动流转，计划员只看日报；需求激增、多约束冲突等高风险场景强制弹出人工确认，附完整对比（不同方案在仿真器里的库存曲线与成本）。人不需要算，只需要选——而选择所依据的数据是仿真出来的，不是想象出来的。
超级自动化不是「机器全权决定」，而是机器把选项算清楚，人在关键节点签字。责任的边界，恰恰是自动化的边界。
经验继续沉淀
每次决策（含人工修正）都转为工具调用轨迹，按 UDDF v2.0 格式进入训练数据；决策评测集持续用 5 维度评分校准模型。跑得越久，领域模型越像那位「永远不休假的老计划员」。