欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

同一批号散在三个库位,效期还剩几天没人说得清:仓储批次效期检索怎么建

上邦知识库交付团队2026-11-10阅读 约 12 分钟
仓储知识库若以商品名为主键,近效期与批次处置必然答不上来。本文以批号、库位、质量状态三元组重建检索主键,给出八个元数据字段、三条必验查询,以及可直接运行的 openpyxl 加 Chroma 入库脚本,并划清 FEFO 计算与规则解释的边界,说明为什么必须系统出数、知识库出依据,以及这条边界为什么同时是权限边界。
结论先说清楚:仓储场景的知识库,如果检索主键是文件名或商品名,而不是批号,它一定会在库存对账和近效期处置上失效。可行做法是把批号、库位、质量状态组成的三元组做成检索主键,把验收记录、养护记录、温控异常处置与近效期处置规则按批号挂接,查询时先按状态与效期区间过滤,再做语义召回。投入上,一个三千个 SKU、日均八百单的仓库,两个人两周可以完成首批入库(约四千份记录),之后按周增量,不需要更换现有 WMS 或 ERP。最容易踩的坑是把有效期当字符串存进向量库,导致区间过滤失效,以及把已作废的处置规程与现行规程混在同一个集合里,答案里出现早就废掉的处理方式。

库存有批次,知识却没有批次

提到批次管理,多数人的第一反应是 ERP 或 WMS 里的那个批号字段。但一个仓库真正需要知道的东西,很少在那一张表里:这批货能不能出、要不要复检、对应哪张验收记录、温控有没有断过电、客户是否指定只收某个批号。这些信息分散在验收单、养护记录、温控报警处置单、客户特殊要求的往来邮件里。结果是保管员手里有一张 Excel,客服手里有一份客户要求,质量手里有一本养护记录,三者之间没有共同的键。
没有共同的键,检索就只能靠商品名。而商品名恰好是仓储里最不可靠的东西:同一物料三种叫法,同一个叫法对应两个规格。这就是为什么不少仓库明明上了知识库,问起「这个批号还能不能出」还是答不上来——不是模型不行,是入库时就没有把批号当成主语。

批号该做主键,法规早就写在堆码规则里

《药品经营质量管理规范》第八十三条第六项要求药品按批号堆码,不同批号的药品不得混垛,垛间距不小于 5 厘米,与库房内墙、顶、温度调控设备及管道等设施间距不小于 30 厘米,与地面间距不小于 10 厘米。这条规则通常被理解为防混淆与消防安全,但它顺带说明了一件事:在物理世界里,批号本来就是不可再分的最小作业单元。既然堆码、隔离、盘点都按批号,知识组织没有理由例外。
同一规范第八十条把批号、生产日期、有效期列为验收记录的必填内容;第八十五条则要求企业用计算机系统对库存药品的有效期自动跟踪和控制,采取近效期预警与超过有效期自动锁定等措施。也就是说,法规要求按批号管,系统也只对批号与效期做自动控制,但中间那一层「为什么这样处置、依据哪份文件、同类批号上次出过什么问题」的知识,长期没有人按批号整理。知识库要补的正是这一层,而不是重复 ERP 里已经有的库存数字。
不经营药品的仓库同样适用这套逻辑。食品看保质期与批次召回,化工看生产批号与相容性。只要你的货有批号或效期,批号就是天然的检索主键;如果没有批号,收货日期加权供应商就是一个可用的近似主键。具体到制造业物料与图纸之外的仓储台账,可参考本站制造业知识库方案里关于台账入库的部分。

四类该入库的文本,两类不该

一、验收与放行记录:批号、到货日期、验收结论、抽样情况、不合格项与处置结果。二、养护与巡检记录:库房温湿度、外观检查、异常发现与处理过程,尤其是温控设备故障时段的批次范围。三、处置规则与作业口径:近效期预警阈值、待确定区停留时限、不合格区隔离要求、客户指定批号或指定运输方式的要求。四、异常复盘:串味、包装破损、错发批号、超期未锁定的原因分析与纠正措施。
不该入库的有两类。第一类是实时库存数量:数字每半小时就变,一旦进了知识库,答案必然过期,这类问题应该由系统接口直接回答,不要让模型去猜。第二类是单份客户合同原件:涉及商务保密,即使要入库,也应放在独立集合里并做客户维度的过滤,而不是与其他作业口径混在一个库中。这条边界划不清,后面所有权限设计都会失效。

八个元数据字段,两个最容易写错

检索质量的上限由元数据决定,向量模型只决定下限。批号类知识库建议至少留八个字段:sku_code、sku_alias(别名数组)、batch_no、location(库位或库区)、status(合格、待确定、不合格、冻结)、expire_ordinal(有效期转成的整数序号)、temp_zone(常温、阴凉、冷藏、冷冻)、doc_type(验收、养护、规程、复盘)。
第一个易错点是有效期不能存字符串。「2027-03-15」这种写法在向量库里做不了区间比较。Chroma 官方文档明确,元数据过滤里 $gt、$gte、$lt、$lte 只接受整数与浮点数,字符串比较不会按你期望的语义工作。稳妥做法是双写:存 expire_date 供人读,同时存 expire_ordinal = 20270315 供过滤。
第二个易错点是状态必须用枚举,不能用自由文本。「合格」「可用」「待检」「待确定」四种写法并存,过滤条件就会漏掉一半数据。统一成四个值,落不进这四个值的先归 unknown,进人工队列逐个纠正。元数据的脏,比文档的脏更难修,因为它不会在阅读时暴露,只会在某次查询里悄悄少召回几条。

三个必验查询,跑不通就不要对外宣布上线

查询一(区间):某 SKU 在 2027-01-31 前到期的合格批号,按 expire_ordinal 升序,结果必须与台账逐条对得上。查询二(聚合):某个具体批号的全部依据,应一次召回验收记录、养护记录、该客户的特殊收货要求,以及同类批号的历史异常。查询三(负样本):拿三份已作废的处置规程原文提问,答案里不得引用它们。
这三个查询分别验证的是过滤是否真的生效、主键是否真的连通、作废是否真的排除。全部跑通之前,看到的相似度分数再漂亮也不能算通过——语义检索的失败往往不是答错,而是漏答,而漏答在演示时很难被发现。

入库脚本:从验收台账到批号级条目

验收台账通常是 Excel,一行一个批号。下面的脚本用 openpyxl 只读模式流式读取,把每行转成一段自包含文本,并把有效期归一成整数序号。模型用 bge-small-zh 这类小尺寸中文向量模型即可,批号类文本短、术语集中,不需要上大模型。
import datetime as dt
import openpyxl, chromadb
from chromadb.utils import embedding_functions

def expire_ordinal(s):
    if not s:
        return 0
    s = str(s).strip().replace('/', '-').replace('.', '-')[:10]
    for fmt in ('%Y-%m-%d', '%Y%m%d', '%Y-%m', '%Y'):
        try:
            d = dt.datetime.strptime(s, fmt).date()
            return d.year * 10000 + d.month * 100 + d.day
        except ValueError:
            continue
    return 0

wb = openpyxl.load_workbook('acceptance_2026.xlsx', read_only=True, data_only=True)
ws = wb.active
rows = ws.iter_rows(min_row=2, values_only=True)

client = chromadb.PersistentClient(path='./kb_store')
ef = embedding_functions.SentenceTransformerEmbeddingFunction(
    model_name='BAAI/bge-small-zh-v1.5')
col = client.get_or_create_collection('warehouse_batch', embedding_function=ef)

docs, metas, ids = [], [], []
for r in rows:
    cells = (list(r) + [None] * 8)[:8]
    sku, batch, loc, prod, exp, qty, result, note = cells
    if not batch:
        continue
    text = '批号{b},物料{s},库位{l},生产日期{p},有效期{e},验收结论{q},备注{n}'.format(
        b=batch, s=sku, l=loc, p=prod, e=exp, q=result, n=note or '无')
    docs.append(text)
    metas.append({'sku_code': str(sku or ''),
                  'batch_no': str(batch),
                  'location': str(loc or ''),
                  'status': 'qualified' if str(result or '').startswith('合格') else 'pending',
                  'expire_ordinal': expire_ordinal(exp),
                  'temp_zone': 'ambient',
                  'doc_type': 'acceptance'})
    ids.append('acc-{0}-{1}'.format(batch, loc))

col.upsert(ids=ids, documents=docs, metadatas=metas)
print(col.count())
注意 id 用批号加库位拼接,而不是自增序号。同一批货从待确定区移到合格区,是同一个批号的第二次状态记录,用 upsert 覆盖,而不是新增一条。这样同一批号永远只有一条当前状态,历史状态靠 doc_type 与时间戳留痕。若确实要保留全过程,就把 status 与时间拼进 id,并在查询时限制最新一条。

FEFO 该由系统算,不该由模型算

先进先出与近效期先出是确定性计算:给定批次集合与出库量,排序规则固定,结果唯一。让大模型去算哪一批先出,只会得到一个看起来合理、但可能算错的答案。正确分工是 ERP 或 WMS 负责算出库批次,知识库负责回答为什么——为什么这一批被锁定、依据哪份规程、上次同类情况怎么处理的、客户有没有例外要求。模型只负责定位依据与解释规则,不负责生成具体数字。
这条边界同样是权限边界。会算数字的那一侧是受控系统,有审计日志;会解释规则的那一侧是知识库,可能说错话。把两者混在一起,出了问题就分不清是系统算错还是模型说错,责任也就无从落地。若需要一次性把这类问答与既有系统串起来,可参考本站私有 AI 知识库的接入方式,核心仍是系统出数、知识库出依据。

上线验收看三件事,一周就能采到

一、批号级命中:抽三十个真实批号,问「这套依据齐不齐」,要求二十五个以上能一次召回验收、养护、客户要求三份中至少两份。二、作废规程零召回:三份已作废文件原文提问,不得出现在引用里。三、近效期问答耗时:从打电话问质量,到系统内三十秒出依据,这一项业务方最容易感知。
不要再加活跃度这类指标。上线第一个月,仓库的提问量必然很低,因为作业习惯还没改,用提问量判断成败只会得出错误结论。真正该看的是:当有人问的时候,有没有答对;以及原来要打电话问的事,现在有多少比例不再打电话。

三个已经被验证过很多次的坑

第一个坑是按商品名建集合。一个物料一个集合,看起来隔离得很干净,实际结果是跨物料的同类问题(比如「冷藏品种到货后多久必须入冷库」)永远检索不到,而且集合数量随 SKU 线性增长,后期没法运维。应当一个业务域一个集合,靠元数据分流。
第二个坑是把文档整份塞进去。一份三十页的养护规程里,真正与某个批号相关的往往只有两段。整份入库会让切片把上下文切碎,答案引用出来的段落前后不接。按小节切片、并给每一片补上前置条件(适用品种、适用温区、生效日期),召回质量会明显不同,这套方法在企业知识库的切片策略里有更细的说明。
第三个坑是没有人负责增量。首批入库两周就能做完,难的是之后每周新到的验收记录、新发的处置通知有没有人跟进。设定一个每周三十分钟的例行动作:导出本周新增记录、跑一次入库脚本、抽查五条。这件事没人认领,三个月后库里的数据就会与实际作业脱节,而脱节的库比没有库更危险,因为它会给出看似权威的过期答案。

参考来源

药品经营质量管理规范(国家食品药品监督管理总局令第 28 号,2016 年修订)第八十条、第八十三条、第八十五条 - 国家药品监督管理局
药品经营质量管理规范全文 - 中国政府网
Chroma 官方文档 Metadata Filtering(数值型过滤操作符说明) - docs.trychroma.com
相关标签:企业AI知识库仓储管理批次效期私有化部署

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案