WINSTONSUPPLY CHAIN × AI

05 / 档案 · PROFILE

十年供应链,正在把它写成系统。

Winston Wang。供应链出身,现在做企业 AI 系统。这页不放能力清单,放的是一条真实的轨迹、几块用我自己的数据画出来的图,和我在几个岔路口的选择。

DATA BOARD / 档案看板

数字来自我的个人知识库(canonical 条目,脚本统计于 2026-11-15)与履历记录; 月份为近似值。不是示意图。

10年在供应链里;其中一线 8 年(2018 起)
7段学历与履历,含一次短期岗位
603条自己的知识条目,一条一个事实
123.5万字可追溯的文字沉淀

职业时间线2012—2026

看长度,不看头衔:最短的两段是主动选择的结果。

  • 南京大学教育国际经济与贸易约 2012–2016
  • USC教育全球供应链管理 · 硕士2018 年毕业(约 02)
  • 迪卡侬工作纺织原料计划与采购2018.07–2019.08
  • 爱立信 · 分析工作供应链分析与自动化2019.08–2022.12
  • 西门子工作财务数字化与自动化2023.01–2023.04/05
  • SIG(康美包)工作供应链专家 · 短期2023.07–2023.12
  • 爱立信 · 数据与 AI工作数据平台 → 企业 AI 系统2024.01–至今

能力迁移每年主导的那一层

能力不会随岗位消失,只会换一层主导。

计划与采购
数据分析
自动化与流程
数据平台
AI 系统

主导 参与能力不会随岗位消失,只会换一层主导。

知识条目603 条 / 123.5 万字

状态比数量重要:550 条现行,40 条待定没敢当结论。

  • 现行550
  • 待定40
  • 已取代7
  • 归档6

平均 2048 字 / 条 · 中位 1630 · P90 4319 · 565 条有交叉关联 · 346 条带证据段 · 512 个主题

这三张图想说明的不是「我会画图表」,而是一件长期的事怎么被记成可核查的数据: 每条有状态、有置信度、有出处;能重算的才叫数据,讲得漂亮的只是话。

ASK / 可追问

十个问题,答案带出处。

先说清边界:这些答案不是模型即兴写的——先检索知识库条目,再起草,再按条目改。 没闭环的地方我标了「待确认」,不写成结论。

你现在在做什么?

企业 AI 系统:平台、Agent 用例、工具评测、推广与治理。核心工作不是写模型,是把一个模糊的业务问题变成可运行、可验收、可治理的系统。

来源 · 站内 · 现在
供应链出身,为什么做 AI?

不是转行。供应链这行本质是把不确定压成确定:口径、约束、优先级、承诺。AI 只是把这套判断搬进系统里。跳过业务直接做 AI,做出来的是 demo,不是产品。

来源 · 档案 · 时间线
怎么判断一个 AI 项目值不值得做?

三件事:边界是否清楚(哪一段归模型、哪一段归代码、哪一段归人)、责任是否可分、验收是否可观察。技术通常不是瓶颈,批准链和合规才是。

来源 · 笔记 04 · 边界
Agent 和 workflow 怎么选?

能用 workflow 就不用 Agent。固定顺序执行最稳,ReAct 的自由度只该用在真需要探索的地方。同一个项目里三档我都跑过:最稳的那一档,从来不是最像 Agent 的那一档。

来源 · 笔记 06 · 编排
怎么防止 AI 乱来?

确定性计算归代码,模型只做解释、归因和候选方案,承诺与审批归人。这条边界写在代码里,不写在文档里——文档里的边界会被下一个需求冲掉。

来源 · 笔记 04 · 案例
怎么验收一个 AI 系统?

不看模型自评。看会议里对齐口径的时间是否下降、结论能不能追到具体一环、人的取舍是否变得更晚但更准。前两条能抽查;第三条只有当事人知道。

来源 · 案例 · 验收待确认:这套验收还没在企业里跑完一整轮
你最大的短板是什么?

三块:经业务确认的 before/after 还没有;独立用户反馈 → 改系统的闭环很薄;多人协作的生产工程与可观测性缺。工程自检过不了不等于业务收益,这两件事我不会合成一个数来讲。

来源 · 站内 · 卡住的
为什么自己维护一个知识库?

603 条 canonical 条目,一条一个事实,有状态、有置信度、有出处。用途不是检索,是让学习和写作只引用原文,不靠模型的记性。

来源 · 看板 · 知识条目
职业选择看什么?

能力密度、复利、真实的授权与资源。title 和 exposure 是加分项,不能长期替代这些。反例是高频出差、应酬、长期加班:注意力被吃掉,催单谈价再熟也不长能力。

来源 · 档案 · 轨迹之外
现在最想要什么?

做深一条线,不要不断重置上下文的轮换。更远处还有一件私事:给十年后的自己留一条能边走边用的技能线,先用几百块验证形态,再决定要不要加码。

来源 · 档案 · 想要什么

01 / 时间线没说的部分 · BEHIND THE TIMELINE

约 2012 到 2016 年在南京大学读国际经济与贸易,之后去加州读全球供应链管理,2018 年毕业。那几年学的其实是一件事:用一套流程,把不确定的需求压成确定的供给。

2018 年在迪卡侬做纺织原料的计划与采购,管供应商、客户、订单、价格与产能,用看板和表格把上下游数据接起来。这段是我职业判断里最重要的一条反例:高频出差、应酬和长期加班会吃掉注意力,而催单谈价这类低杠杆沟通,做得再熟也不长能力。之后我所有的选择,都在躲开这种工作形态。

2019 年回爱立信做供应链分析,把能自动化的环节做成自动化;疫情那两年供应链被打断,我给多个市场做了在线协同与动态调度——第一次真切体会到:共享同一份状态,比多发几张报表值钱。2023 年去西门子财务做数字化,证明这套能力跨业务域也能迁移;同年在 SIG(康美包)做过一段短期供应链岗位,简历上常被省掉,但它确实是这条链的一部分。

2024 年再回爱立信做企业数据平台,把原计划约三年的范围压到一年半;2025 年起转向企业 AI:平台、Agent、用例、工具评测、推广与治理。履历不是直线,是一条斜着走的链:计划与采购 → 分析 → 跨域自动化 → 数据平台 → 企业 AI 系统。每一步不是为了换 title,是为了把上一步学到的东西接到更难的问题上。

02 / 怎么判断 · HOW I JUDGE

供应链不是一个一个模块,是一个端到端的决策系统。预测、需求、供给、库存、采购、生产、分配、运输、服务与成本之间是连续的因果。把某个节点的 KPI 优化到极致,不等于整体更优。所以我做数字化的第一件事,是问「哪些被组织结构、系统边界和时间颗粒度切碎的状态需要重新连起来」,而不是「还能加几张报表」。

AI 放在哪一段,是边界问题,不是技术问题。确定性逻辑算清楚——净需求、可用量、在途、产能约束;AI 做解释、归纳和候选方案;人做承诺和审批。这条边界我会写进代码,不写进文档。文档里的边界会被下一个需求冲掉,代码里的边界会挡住它。

信息给多少,取决于对方此刻要做什么决定。后台知道多少、逻辑多复杂,不构成页面该展示多少的理由。与当前决策无关的真实细节,也是认知负担。

03 / 怎么干活 · HOW I WORK

我不再把手写多少代码当作产出指标。实现尽量交给编码代理和 harness,我的注意力放在定义问题、准备上下文、定架构与边界、设计验收、做取舍与风险判断。差异化不在「写得快」,在于能把一个模糊的业务问题变成可运行、可验证、可治理的系统。

三条纪律:把会影响执行的约束固化成可版本化的产物,而不是一次对话里的口头约定;改动拆小,失败才可归因;前后用同一把尺子量,只凭感觉说「更好」没有意义。还有一条我付过代价的:能构建、能部署,不等于做好了,必须从真实入口在浏览器里走一遍。

04 / 想要什么 · WHAT I WANT

我要的是深度和连续性,不是不断重置上下文的轮换。判断一个机会值不值得做,看三件事:能力密度有没有提高、能不能形成复利、决策责任有没有真的扩大。title、network、global exposure 是加分项,但不能长期替代真实的授权、资源和能力积累。今年 8 月有一个带 high-potential 标签的轮岗项目,我判断它对我这个阶段不值,就没去。

更远处还有一件私事:我想给十年后的自己留一条能边走边用的技能线——半退休、能换城市生活的状态。先用几百块验证形态,再决定要不要加码,而不是先投入几万块学费和装备。这件事不算职业规划,但它决定我怎么分配学习预算。

关于这个站点 · SITE

winstonwang.site 是入口,不是内容库:讲人、讲判断、讲此刻在做什么。可运行的作品、真实的工作现场、信息处理的日常出口,都在各自的分站;这一站只负责说清它们是什么。上面的看板同样是一条边界:我只放自己的数据,不放雇主的内部数字。

这一季在做什么 →看判断沉淀GitHub ↗