QoderWake的智能选品能力，核心在于一套动态选品决策模型——它不是一个固定规则，而是能根据实时变化自动调整的“活系统”。具体来说，它会自动融合库存、销售、区域、促销等多源数据，在每天凌晨04:15生成一份带置信度排序与推荐动作的TOP20清单。这意味着，你再也不用凭经验拍脑袋决定主推什么商品，系统已经帮你从数据中找到了答案。

这套模型的价值在于，它能动态响应库存状态、销售波动、区域消费特征和促销节奏的变化，直接对接POS、WMS与营销系统，生成一份可直接执行的选品清单。整个过程自动化，但决策链条是透明的——你可以随时校验每一步的逻辑。

配置多维库存状态接入通道

先说第一步：登录QoderWake控制台，在【岗位管理】中启用“数字选品官”角色模板。这个角色默认加载了OpenClaw智能引擎与库存策略记忆模块，相当于给系统配了一个专属的分析大脑。

接下来，在“数据源绑定”页签里，你需要依次添加四类数据源：ERP库存快照API、各门店WMS只读接口、区域天气API（用于触发季节性品类权重调整），以及本地促销日历JSON文件路径。别怕麻烦，这一步是让系统“睁开眼睛看世界”。

最后点击【校验连通性】，系统会自动发起三次心跳探测。这里有个关键细节：若任一接口返回HTTP 403或超时达2秒，后续所有选品计算将跳过该数据源——这个设计是为了防止脏数据污染决策链，宁可缺一个维度，也不能用错误信息。

定义选品维度权重与冲突消解规则

权重配置有两种方式，你可以根据业务需要选择。

方法一：手动设定优先级

进入【策略中心】→【选品维度配置】，拖拽调整四个滑块的权重：库存健康度占40%、7日销量环比占30%、区域消费热力匹配度占20%、促销档期重合度占10%。注意，权重总和必须严格等于100%，否则保存按钮会变成灰色不可点——系统在这件事上没有商量余地。

方法二：让AI自适应学习

勾选“开启历史策略回溯”，系统会调取近90天人工最终选品决策记录，对比当日模型输出与实际落地方案之间的差异，然后反向优化各维度的贡献系数。这个模式需要至少积累67条带人工确认标记的样本才能启动——数据门槛不高，但足够让系统学到有意义的规律。

执行动态选品并导出结果

① 在【任务调度】中新建“日度选品决策流”，设置触发时间为每日04:15（这个时间点避开了凌晨系统维护窗口），目标输出格式选Excel+企业微信消息卡片。

② 配置SKU过滤条件：排除已下架商品、禁售类目、单店库存＜5且无补货计划的商品。这一步不可跳过，否则可能输出无效SKU，导致营销资源错配。

③ 点击“立即执行”，QoderWake会拉取最新库存快照，运行多维融合算法，12秒内生成TOP20选品清单。每一条都附带：置信度分（范围0.62–0.94）、主因标签（比如“华东暴雨带动雨具销量↑180%”）、推荐动作（主图强化/首页轮播/信息定向推送）。

④ 导出Excel文件，表头固定为：Rank、SKU_ID、Confidence_Score、Primary_Reason、Recommended_Action、Valid_From、Valid_To。这份表格可以直接拿去对接执行系统，无需二次处理。