Skip to content

项目复盘:某中央厨房系统

脱敏处理,仅用于分享探索过程

项目背景

某中央厨房需要一套生鲜损耗控制系统,解决采购与入库的差异问题。

探索过程

阶段 1:需求梳理(1.5 小时)

客户原始需求:

"我们收海鲜,重量总对不上,财务要求按实际入库,但采购合同是按下单量算的,每次都要人工平账..."

我们的方法:

  1. 结构化提问(30 分钟)

    • 涉及哪些角色?(采购员、仓管、财务)
    • 正常流程是什么?(下单 → 收货 → 入库 → 结算)
    • 异常情况有哪些?(重量多、重量少、质量问题)
  2. 绘制流程图(30 分钟)

    • 当场用 Mermaid 画出流程图
    • 客户当场确认
  3. 逻辑表格化(30 分钟)

    • 把每个节点的判断条件写成表格
    • 客户当场确认

效果: 从模糊需求到可编码逻辑,只用了 1.5 小时。

阶段 2:快速原型(3 天)

第 1 天: 需求结构化梳理 + 流程图
第 2 天: 核心功能原型(可演示)
第 3 天: 客户验证 + 调整

效果: 客户看到原型后,提出了 2 个调整,都在开发前就解决了。

阶段 3:敏捷开发(10 天)

开发过程:

  • 使用 AI 辅助开发(Cursor + Claude)
  • 每天与客户同步进度
  • 遇到问题立即沟通

效果: 10 天完成开发,比传统模式快 2 倍。

阶段 4:快速迭代(持续)

上线后:

  • 客户提出 3 个优化需求
  • 我们 2 天内全部完成
  • 客户非常满意

关键收获

  1. 业务规则库很有效

    • 维护了完整的损耗控制规则
    • AI 在写相关代码时准确率从 60% 提升到 90%
  2. 快速迭代很重要

    • 业务逻辑调整周期:天级
    • 客户满意度提升
  3. 场景模板可以复用

    • 这个项目的场景模板,可以复用到其他餐饮项目

仍在探索的问题

  1. 如何让场景模板更通用?
  2. 如何让客户更快理解业务规则?

返回共创 →

基于 AI 辅助开发,快速、灵活、可靠