盘点的痛苦不在"数"，在"对"：账上 100 件、实际 96 件，差的 4 件去哪了？靠人翻单据，一晚上就过去了。用 AI 做门店盘点对账，它替不了现场清点，但能把盘点表和系统库存表的差异自动列全、按差异金额排好序、对每项给出最可能的原因假设，把"一晚上翻单据"压缩成"一晚上确认假设"。数据越干净，它越准。
差异先分类，再找原因
盘点差异的原因就那么几类：单据问题——入库没录、出库漏记、退货没冲；串码问题——相似商品录错编码；损耗问题——破损、过期、试吃；操作问题——调拨没同步、赠品没入账。让 AI 按这四类归因，比让它自由发挥靠谱。分类表先给它，它才不会把"录入延迟"和"真实丢失"混成一句"可能录错了"。
归因思路和售后数据的归因是同一套：先分环节，再定责任。差异定位到环节之前，不碰"谁的责任"——顺序反了，门店的本能反应是辩解，不是配合。
对账怎么跑：对齐、排序、归因
先把盘点表与系统库存表对齐，交给 AI 找出差异清单。字段先统一：商品编码、名称、账面数、实点数。编码是唯一键，名称只是备注——两表靠编码对齐，不靠名字对齐，名字写错顶多难看，编码错位就是全表错。
再让 AI 按差异金额排序，先处理影响大的。门店损耗集中在少数几个品种上，几十笔几毛钱的零头加起来，常常不如一笔漏录的进货。最后把相关单据一起给它——入库单、出库单、退货单、调拨单——让它推测每项最可能的归因，每项给一两个假设，并标出哪些需要人工重点核查。
数据格式先统一：系统导出的库存表直接可用，手工盘点单要它先转成规范表格再比对，照片和手写件容易看错行。两张表对不上时，先查编码位数和前后缀，多数"对不上"不是货不对，是编码写法不统一。
人工确认后，形成两样东西：调整分录，把账实调平；预防措施，针对每条归因各写一条动作。没有第二样，下个月同样的差异还会再来一遍。
四类差异的处理对照
| 差异类型 | 典型表现 | 核查动作 | 预防措施 | 能否当场定责 |
|---|---|---|---|---|
| 单据问题 | 入库没录、出库漏记、退货没冲 | 按日期倒查三类单据的录入记录 | 当日单据当日清，设专人复核 | 能，看漏录环节在谁 |
| 串码问题 | 相似商品此消彼长，汇总持平 | 核对包装细节与系统图片，逐项确认 | 新品入库时定清晰的编码规则 | 能，但先纠正编码再谈责任 |
| 损耗问题 | 破损、过期、试吃无记录 | 查监控与丢弃记录，核对报损单 | 报损走线上单，不留口头 | 部分能，无记录的挂账待查 |
| 操作问题 | 调拨没同步、赠品没入账 | 核对调拨双方系统与赠品领用登记 | 调拨当天双方确认，赠品同样入账 | 能，流程缺口优先补 |
用法：对账时先按类型对行，再按行查单，一类一类清，不要四类混着翻。
涉及责任的部分，人来做决断
差异清单按金额排序处理，理由很直接：先把影响大的核清楚，现场时间才花在刀刃上。但涉及责任认定的结论必须由人来做：AI 给的假设只是假设，写进处理意见之前，逐条拿单据核对。拿不出单据支持的结论，宁可挂着——不冤枉人，也不错销账。
损耗要向老板或合伙人汇报时，给合伙人的版本那套"先结论后依据"适用：一页纸讲清差异总额、主因分布、下月怎么防。攒够一年的对账数据，年度复盘的总结法能帮你从流水里读出趋势，而不只是记录流水。商品编码混乱的门店，商品标题的关键词布局里"名称与编码分离"的做法也值得抄——名字可以随意起，编码必须唯一。
它帮不上的部分
AI 只能基于你给的数据推测，找不到"没被记录的事实"：没有录入系统的赠品、没登记的自然损耗、现金交易的漏单，它看不见。真正定位差异，还是要靠现场核查和单据追溯。另一个边界是责任：差异原因涉及责任认定时，结论必须由人来做，这是管理问题，不是数据问题。
盘点对账速查
- 差异四类：单据、串码、损耗、操作
- 两表靠编码对齐，编码是唯一键
- 按差异金额排序，先核影响大的
- 每项给一两个假设，标出要人工核查的
- 输出两样东西：调整分录加预防措施
- 责任认定由人做，无单据支持的结论宁可挂着
