基于真实数据的深度理解
读完排班表，我们发现了什么
我们仔细分析了贵店春节期间（2月17日至3月11日，共24天）的完整排班数据，发现实际排班复杂度远超一般认知。这些洞察直接影响了 AI 系统的设计方向。
🔍 洞察 1：动线切换是核心复杂度来源
- 每个员工一天内需要多次切换岗位——早班一个位置，吃饭时顶另一个岗，下午再换回来
- 例：「彭丽颖」9-18班：开始在MOLLY岗→12点上1楼入口→13点上星星人→16点转1楼收银台
- 这种精细的时间段调度，现在全靠店长脑记和手写，极易出错
- AI 系统必须支持小时级动态分配，不能只做"人→岗位"的静态映射
🔍 洞察 2：三种班次结构，逻辑差异大
- 早班（9-18）：固定起始岗，中间按时间段切换，主要覆盖日间客流
- 晚班（12-23）：下午进场，需要与早班做交接，承担夜间高峰收银压力
- 特殊班次：盘点班（7-18）、新人学习班（9-15）、仓库整理班（10-20）各有独立逻辑
- 三种班次的员工在同一时间段混排，协调复杂度极高
🔍 洞察 3：岗位设置与 IP 系列强关联
- 一楼区域：LABUBU、MOLLY、DIMOO、SKULLPANDA、SP圆盘/展桌、收银台（1-3号）、新品展桌、入口引流
- 二楼区域：CRYBABY、星星人、积木、Zsiga、Hirono、小野、圆盘/展桌、收银台（1-4号）
- 特殊岗位：外场补货、仓库整理、陈列机动、拓印活动、门店GO核销、DIY活动
- 每次新品上市，岗位配置需要动态调整——这是现有 Excel 最难处理的场景
🔍 洞察 4：带班管理与新人培训并行
- 每天有明确的带班负责人（排班表右侧列），负责协调当班事务
- 新人「跟岗学习」模式：3月起陆续出现「张万欣」「魏梓路」「雷悦」等跟岗学习员工
- 新人不独立负责岗位，需要配对老员工——这是额外的排班约束条件
门店数字地图
两层楼全岗位体系
一楼
销售展示区
LABUBU
MOLLY
DIMOO
SKULLPANDA圆盘
SKULLPANDA展桌
新品展桌
入口引流
收银台1-3
卖场机动
二楼
IP 特色区
CRYBABY
星星人
积木
Zsiga
Hirono
小野
圆盘/展桌
收银台1-4
入口引流
全店
运营支撑岗位
外场补货
仓库整理
陈列机动
楼梯口引流
特殊
活动与功能岗位
新春拓印活动
DIY活动
门店GO核销
新人跟岗学习
盘点
解决方案
四大核心模块
- 时间段级别的岗位分配：不是"张三今天在LABUBU"，而是"张三9-12在LABUBU，12-13吃饭，13-16顶收银台，16-18回LABUBU"
- AI 自动处理吃饭替换逻辑：识别"休息上/下"标注，自动安排接替人员，确保岗位无空档
- 排班冲突实时检测：同一时间段同一人不能出现在两个位置
- 早晚班交接提醒：自动生成交接清单，确保当班带班人知道每个岗位的衔接情况
自然语言交互示例
店长
今天下午2点LABUBU岗没人，彭丽颖要去收银台，帮我看看谁能顶
AI 助手
14:00-16:00 LABUBU 区空档，根据今天在岗情况，有3个选项：
① 吴华诗（现在MOLLY展桌，可临时调换）
② 张津（16点前没有固定岗位）
③ 等晚班孙晓敏15点进场顶上
推荐选项①，对整体影响最小。确认吗？
已更新排班，吴华诗14-16顶LABUBU，16点回MOLLY展桌。已推送通知给吴华诗。
- 支持三班制模板：早班(9-18)、晚班(12-23)、特殊班次(盘点/仓库/学习)，一键套用历史模板
- 新人培训模式：标记"跟岗学习"员工，系统自动确保其与资深员工配对，不独立负责岗位
- 请假自动影响评估：请假后系统立即显示哪些时间段的哪些岗位出现空缺，而不是让店长自己算
- 盘点日专项模式：特殊日期(7-18盘点班)一键切换，自动调整岗位配置
- 员工到岗打卡与岗位同步：打卡确认到岗后，自动激活该员工的当天排班计划
- 打开 App 看到今天的时间轴：9:00 LABUBU → 12:00 吃饭 → 13:00 收银台1 → 16:00 LABUBU
- 岗位变更实时推送：店长调整后员工立即收到通知，确认到位
- 请假一键申请：填写时间段，AI 自动找替代方案，店长一键确认
- 带班人专属视图：当班带班人看到全店实时岗位覆盖状态，发现空缺立即处理
员工端使用示例
系统推送
📍 岗位提醒
13:00 请移步 1楼收银台1
接替：张津 的午休
预计时长：1小时
系统推送
🔄 岗位调整通知
14:00 你的岗位临时调整为 LABUBU区
原因：彭丽颖移至收银台
回复"确认"表示已知悉
- 实时岗位覆盖图：一屏看到两层楼所有岗位当前有没有人，哪些位置快断档
- 周/月排班模板管理：保存春节、平日、大促等不同场景的模板，下次复用，不用从头排
- 自然语言生成排班：描述"明天预计人流量大，需要加强LABUBU和收银台"，AI生成方案
- 历史复盘：哪天哪个岗位最容易断档？哪个员工最擅长多岗位切换？
技术架构 · 完整版
系统架构与部署方案
系统架构总览
员工端
企业微信小程序
班次查看 · 换班申请 · 消息推送
店长端
Web 管理后台（iPad 优化）
全店看板 · AI 对话 · 排班审批
↕
API 网关 · Node.js / Fastify
JWT 鉴权 · 请求路由 · 限流 · 日志
↕
AI 对话服务
Claude API
自然语言 → 排班指令
↕
主数据库
PostgreSQL（阿里云 RDS）
员工档案 · 排班记录 · 审计日志
缓存 · 队列
Redis（阿里云）
实时班次缓存 · 任务队列
技术选型明细
| 层级 | 技术选型 | 选型理由 |
|---|
| 员工端 |
企业微信小程序（原生） |
门店员工已有企业微信，零下载成本；推送到达率 >95%；支持工作台集成 |
| 店长端 |
React（Next.js）+ Tailwind CSS |
iPad Safari 优化；响应式布局；Vercel/阿里云均可部署；组件复用率高 |
| API 服务 |
Node.js + Fastify |
高并发低延迟；TypeScript 强类型；与企业微信 SDK 生态兼容好 |
| AI 核心 |
Claude API（claude-3.5-sonnet） |
自然语言理解强；支持长上下文（排班表整体传入）；Function Calling 可结构化输出排班指令 |
| 排班引擎 |
自研规则约束求解器（TypeScript） |
适配门店自定义规则（三班制/岗位切换/新人配对）；AI 输出 → 引擎校验 → 冲突自动拒绝 |
| 主数据库 |
PostgreSQL（阿里云 RDS） |
数据留在国内合规；JSONB 支持灵活排班结构；事务保证排班操作原子性 |
| 缓存 / 队列 |
Redis（阿里云） |
实时班次数据缓存（<50ms 响应）；消息队列处理异步推送任务 |
| 通知 |
企业微信应用消息 API |
精准推送到个人；支持卡片模板（班次变更一目了然）；免费额度够用 |
| 文件导出 |
ExcelJS（服务端生成） |
兼容现有 Excel 排班格式；店长一键下载，无格式丢失 |
| 监控 |
阿里云 ARMS + Sentry |
前端错误追踪；API 性能监控；告警到企业微信群 |
部署方案
MVP 阶段（1-2家门店）
- 基础设施：阿里云 ECS 2核4G × 1台（单机部署）
- 数据库：RDS PostgreSQL 基础版（1核2G）
- 缓存：Redis 标准版 1GB
- 前端：店长后台部署到同一 ECS 或 OSS + CDN
- 费用估算：约 800-1200 元/月
- 维护成本：极低，单机无需 K8s
规模化（10家+ 门店）
- 基础设施：阿里云 ACK（托管 K8s）容器化部署
- API 服务：2-4 副本，HPA 自动扩容
- 数据库：RDS 高可用版 + 只读实例
- 缓存：Redis 集群版，多AZ容灾
- CDN：阿里云 CDN 加速静态资源
- 费用估算：约 5000-8000 元/月
数据安全 & 合规
🔐
数据本地化
所有员工数据存储在国内阿里云，不出境
🛡️
Claude API 隔离
仅发送排班规则和岗位信息，不传输员工真实身份数据
📋
操作审计
所有排班修改记录操作人 + 时间戳，可追溯 180 天
AI 集成机制
自然语言 → 排班指令的处理流程
- 店长输入：「把明天下午浮动区的人减两个，给收银台加一个」
- Claude 解析意图，结合当前排班上下文，输出结构化 JSON 指令
- 排班引擎校验：检查人员数量下限、岗位资质、连续工时等约束
- 冲突时 AI 返回具体原因 + 备选方案（不静默执行）
- 确认执行后，变更推送给受影响员工，日志写入审计表
AI 调班对话示意
店长
周六客流预计比上周多20%，帮我加班，优先内场有Molly展示经验的
AI 排班助手
已识别需求：周六人力扩编，优先条件：内场 + Molly 展示经验。
可用人员：小林（内场，Molly 认证）、阿伟（内场，上月参与过展示）、雪儿（内场，无 Molly 记录）。
建议方案：增加小林 10:00-18:00、阿伟 12:00-20:00。
预计增加人力成本 ¥320。是否确认？
实施路线图
三阶段落地（共8周）
PHASE 1 · 第1-2周
数字化基础
目标：把现有Excel搬进系统
- 录入员工档案（60人基础信息）
- 建立岗位体系（两层楼全岗位）
- 导入历史排班数据（作为模板）
- 员工端打卡上线
PHASE 2 · 第3-5周
AI 排班核心
目标：自然语言排班可用
- 小时级动态排班引擎
- 吃饭替换自动逻辑
- 店长自然语言调整
- 员工岗位变更推送
PHASE 3 · 第6-8周
智能优化
目标：减少人工干预
- 历史数据学习优化
- 新品发售专项模式
- 预测性岗位预警
- 周/月排班自动生成
预期价值
可量化的改善
80%
每日排班制作时间节省
（目前手工1-2小时 → AI 15分钟）
实时
临时调班响应
（现在30分钟+ → 即时推送）
零
岗位断档时间
（AI预警 + 自动推荐替代方案）
建议下一步
MVP 快速验证（2周）
选取一天的排班（如某个平日）作为种子数据，我们用一周时间构建一个可交互的原型：店长可以用自然语言调整排班，员工可以在手机上看到自己的时间轴，实时感受 AI 的价值。
原型验证通过后，再逐步扩展到全店完整功能。这样既降低风险，又能让门店团队最快看到真实效果。
用户交互链路
完整 User Journey — UI 交互截图
以下为两条核心链路的完整交互节点，每个节点配有真实 UI 界面示意，便于与开发团队和客户对齐交互预期。
链路一
员工视角 — 从进店到完成当班
用户：门店员工（以吴华诗为例）· 设备：个人手机 · 渠道：企业微信小程序
Step E-1
打开小程序，查看今天的岗位安排
User Story
作为一名门店员工，我希望在上班前就能看到今天我需要去哪个岗位、什么时候换班，这样我心里有数，不用等店长口头通知。
- 通过企业微信直接打开，不需要下载额外 App
- 显示今日完整时间轴：岗位 + 时间 + 换岗提醒
- 当前岗位高亮显示
📍 现在是 14:30，你在 MOLLY 展桌
14:00
MOLLY 展桌 ← 当前
一楼展示区 · 临时补位
↓
Step E-2
收到岗位变更推送通知
User Story
作为员工，当店长临时调整我的岗位时，我希望第一时间收到通知，知道去哪里、为什么，不用靠群里喊或者电话打扰。
- 企业微信推送，锁屏状态下也能看到
- 说明调整原因，不让员工觉得莫名其妙
- "确认"按钮让店长知道员工已收到
🔔 岗位变更通知 · 14:00
你的下午岗位有调整
来自 店长 · 张凤
彭丽颖 14:00 需要支援一楼收银台，MOLLY 展桌需要临时补位，请你 14:00 到 16:00 过去支援，谢谢！
16:00 后你可以回到 LABUBU 区
↓
Step E-3
申请临时请假（AI 自动评估影响）
User Story
作为员工，我需要临时请 2 小时假，我希望直接在 App 里操作，不用打电话找店长，系统帮我告诉店长影响有多大，方便他快速决定。
- 选择请假时间段，AI 立即分析影响
- 系统自动推荐替代方案，店长只需一键确认
- 低影响申请可以自动审批
↓
Step E-4
收到请假审批结果
User Story
提交申请后，我希望能快速知道结果，不用一直等，也不用去问店长有没有看到。
- 审批通过后推送结果，附上替代安排
- 员工知道有人接替了，可以放心离开
✅
请假已批准
15:00 - 18:00
张津 将于 15:00 接替你的 LABUBU 区岗位，你可以放心离开。
店长已确认，已通知张津
返回首页
链路二
店长视角 — 从排班到处理临时变更
用户：门店店长（张凤）· 设备：门店 iPad + 手机 · 渠道：Web 管理后台
Step M-1
打开管理后台，查看今日全店状态
User Story
作为店长，我每天上班第一件事是了解今天有多少人在岗、各区域覆盖是否正常，现在我要翻好几张表才能知道，希望一屏就能看清楚。
- 数字看板：在岗人数、各区覆盖状态
- 绿色=正常、黄色=偏少、红色=需要补位
- iPad 大屏，门店桌面常驻显示
↓
Step M-2
用自然语言向 AI 询问并解决问题
User Story
发现入口没人，我不想自己去翻今天谁有空、谁在哪里——希望直接问 AI，它给我推荐方案，我确认就好。
- 自然语言提问，AI 分析当前排班数据
- 给出具体方案：谁来补、需要调整什么
- 店长一键确认，系统自动推送给相关员工
一楼入口现在没人，帮我看看谁能补上去
好的，一楼入口 14:30-18:00 空档。根据今天在岗情况，有 2 个方案：
方案① 赵文梓陈列机动 → 入口
方案② 鹿建利拓印结束后 → 入口
推荐方案①，赵文梓当前岗位灵活，调动影响最小。
选方案①，通知她一下
✓ 已执行：赵文梓 14:30 起转至一楼入口，通知已发送，等待确认。
陈列机动暂时由系统标记为弹性岗，如有需要可随时召回。
↓
Step M-3
处理员工请假申请
User Story
吴华诗提交了请假，系统已经帮我分析好了影响和替代方案，我只需要确认或拒绝，不用再想该怎么补。
- 请假申请推送到店长端，附带 AI 分析
- 替代方案已准备好，一键执行
- 确认后自动通知相关员工
⏰ 14:28 · 请假申请
吴华诗 申请 15:00-18:00 请假
原因：身体不舒服需要就医
🤖 AI 影响分析
影响岗位：LABUBU 区（15-18点）
替代方案：张津 提前 1 小时进场（晚班），无需额外协调
影响等级：低，建议批准
↓
Step M-4
查看并调整周排班计划
User Story
每周一我需要制定本周排班，希望 AI 能根据历史数据给我一个初始方案，我只需要调整不合适的地方，不用从零开始排。
- AI 生成周排班草稿，基于历史模板
- 可视化周视图，一眼看清每人每天
- 点击单格可用自然语言调整
吴华诗
早班
LABUBU
早班
LABUBU
早班
LABUBU
休
早班
MOLLY
早班
LABUBU
早班
LABUBU
张津
晚班
收银
休
晚班
收银
晚班
LABUBU
晚班
收银
晚班
收银
晚班
SP圆盘
彭丽颖
早班
MOLLY
早班
MOLLY
休
早班
DIMOO
早班
MOLLY
休
早班
MOLLY
门平慧
休
早班
星星人
早班
星星人
晚班
收银
早班
星星人
晚班
收银
早班
星星人
鹿建利
早班
陈列
早班
陈列
早班
陈列
早班
陈列
休
早班
陈列
休
↓
Step M-5
新品发售日 — 一键切换专项模式
User Story
明天是 Labubu 新品发售，预计排队很多，我希望快速生成一个加强版排班方案，而不是重新手排所有人。
- 告诉 AI 明天是什么场景，AI 自动重配
- 重点加强区域：LABUBU 展区 + 收银台
- 生成后预览，确认发布
明天 Labubu 新品发售，预计人很多，帮我重排一下明天的方案
收到！根据明天 42 名到岗人员，
新品发售模式调整如下：
LABUBU 区3人 → 5人 +2
一楼收银台3人 → 5人 +2
入口引导1人 → 3人 +2
仓库备货2人 → 4人 +2
预计可承接排队 150+ 人，是否确认执行？
确认，发布吧
✓ 明日排班已更新，42 名员工已收到通知，带班人员已确认。
↓
Step M-6
带班人视图 — 当班状态总览
User Story
作为今天的带班人，我需要随时知道全店哪里有问题、有没有人没到岗、有没有即将出现的空缺——用手机就能随时查看。
- 带班人专属视图，比店长视图更精简
- 高亮即将换班的岗位，提前提醒
- 发现问题直接通知相关员工
👑 今日带班 · 张凤
全店实时状态
14:32 · 下次换班 16:00
⚠ 需要关注
一楼入口 — 16:00 空岗
赵文梓 16:00 换回陈列岗，需要安排接替
立即处理
✓ 正常岗位
用户旅程总结
4 个员工节点 + 6 个店长节点 = 完整排班闭环
📱 员工：查看时间轴 → 收通知 → 申请请假 → 收结果
💻 店长：全店看板 → AI 调班 → 审批请假 → 周排班 → 活动模式 → 带班视图
泡泡玛特南京路旗舰店 AI 排班系统 · User Journey · 2026-03-26 · Noa 🌿