بناء نظام إدارة مخزون ذكي لسلاسل المحلات بكلود AI

-- برومبت لكلود لتصميم قاعدة البيانات:
"صمم قاعدة بيانات PostgreSQL لنظام مخزون سلسلة
سوبرماركت خليجية (10 فروع، 5,000 منتج).

المتطلبات:
- تتبع المخزون في كل فرع بشكل مستقل
- دعم Batch tracking (رقم الدفعة + تاريخ الصلاحية)
- تسجيل كل حركة مخزون مع سببها
- دعم النقل بين الفروع
- دعم وحدات القياس المتعددة (قطعة، كرتون، كيلو)

أنشئ:
1) ERD نصي يُوضح الجداول والعلاقات
2) SQL CREATE TABLE لكل جدول مع الـ Indexes المناسبة
3) Stored Procedures للعمليات الأكثر شيوعاً
4) اشرح قرار تصميم كل جدول"

-- برومبت لكود استلام البضاعة:
"اكتب Python API Endpoint لاستلام بضاعة من مورد.
عند مسح باركود المنتج بالـ Scanner:

1) البحث عن المنتج في قاعدة البيانات
2) إذا لم يُوجد: إنشاء منتج جديد مع طلب البيانات
3) إدخال: الكمية المستلمة + رقم الدفعة + تاريخ الصلاحية
4) مقارنة بأمر الشراء الأصلي
5) إذا يوجد فرق: تنبيه وطلب تأكيد
6) تحديث المخزون + تسجيل الحركة

استخدم: FastAPI + SQLAlchemy + Pydantic
أضف: Error Handling + Validation + Logging"

-- برومبت للـ QR Code للنقل بين الفروع:
"اكتب كود Python لإنشاء QR Code لأمر النقل بين فروع.
QR Code يحتوي: معرف الأمر، الفرع المرسل، الفرع المستلم،
قائمة المنتجات والكميات، توقيع رقمي للتحقق من الصحة.

عند المسح في الفرع المستلم:
- التحقق من صحة التوقيع
- تحديث مخزون الفرعين
- تسجيل وقت الاستلام والموظف المستلم"

-- برومبت لحساب Reorder Points:
"اكتب Python function تحسب نقطة إعادة الطلب المثالية.
المعادلة: ROP = (متوسط المبيعات اليومية × Lead Time) + Safety Stock

المدخلات:
- sales_data: مبيعات 6 أشهر للمنتج في الفرع
- lead_time_days: متوسط وقت التوريد بالأيام
- service_level: مستوى الخدمة المطلوب (95% = z=1.645)

المخرجات:
- Average Daily Demand
- Demand Standard Deviation
- Safety Stock
- Reorder Point
- Economic Order Quantity (EOQ)

أضف دعم الموسمية — رمضان وأعياد مؤثرة في الخليج.
وضّح المعادلات في الـ Docstring."

-- كيف يتحدث النظام مع كلود لتحليل البيانات:
import anthropic

def analyze_inventory_with_claude(product_data, branch_data):
    client = anthropic.Anthropic()

    prompt = f"""
    حلل بيانات المخزون هذه وأعطني توصيات:

    المنتج: {product_data['name']}
    الفرع: {branch_data['name']}
    المخزون الحالي: {product_data['current_stock']}
    معدل المبيعات اليومي: {product_data['daily_sales']}
    نقطة إعادة الطلب: {product_data['reorder_point']}
    آخر طلب شراء: {product_data['last_order_days']} أيام

    هل يجب إعادة الطلب الآن؟ وكم الكمية المناسبة؟
    """

    response = client.messages.create(
        model="claude-opus-4-5",
        max_tokens=500,
        messages=[{"role": "user", "content": prompt}]
    )
    return response.content[0].text

-- برومبت لتوقع الطلب:
"أنت محلل سلسلة توريد متخصص في السوق الخليجي.
حلل هذه البيانات وتوقع الطلب للشهر القادم:

بيانات مبيعات منتج [X] في فرع [Y]:
[ألصق البيانات الشهرية لآخر 12 شهر]

العوامل الإضافية:
- رمضان هذا العام: [التاريخ]
- إجازات العيد: [التاريخ]
- هل هناك منافس جديد فتح قريباً؟ [نعم/لا]
- هل هناك تغيير في سعر البيع مخطط؟ [نعم/لا]

أريد:
1) توقع الطلب الأسبوعي للشهر القادم
2) نطاق التوقع (أدنى - أعلى)
3) تحديد الأسابيع الاستثنائية وسببها
4) الكمية الموصى بطلبها من المورد مع مراعاة Lead Time"

-- نتيجة عملية: شركة محلات خليجية
استخدمت كلود لتوقع مبيعات رمضان لـ 200 منتج
المخزون الزائد انخفض بـ 28%
نفاد المخزون في الأيام الحرجة انخفض بـ 65%
الوفر السنوي: أكثر من 300,000 ريال في تكاليف التخزين

-- برومبت لخوارزمية النقل بين الفروع:
"اكتب خوارزمية Python لتوصية النقل الأمثل بين الفروع.

المشكلة:
- فرع A: مخزون 500 وحدة من منتج X (فائض)
- فرع B: مخزون 30 وحدة (قريب من نقطة إعادة الطلب)
- فرع C: مخزون 15 وحدة (أقل من الحد الأدنى)
- تكلفة النقل بين الفروع مختلفة (جدول موجود)

الخوارزمية يجب:
1) تحديد الفروع ذات الفائض والعجز
2) اقتراح النقل بأقل تكلفة إجمالية
3) التأكد من عدم إنشاء عجز في الفرع المُرسِل
4) تحديد الكمية المثلى للنقل
5) إنشاء Transfer Order تلقائياً"

-- برومبت التحليل اليومي مع كلود:
"هذا ملخص أوضاع المخزون في 8 فروعنا اليوم:
[ألصق جدول بالمخزون لكل فرع وكل منتج رئيسي]

حدد:
1) المنتجات التي تحتاج نقلاً فورياً بين الفروع
2) المنتجات التي تحتاج طلب من المورد اليوم
3) المنتجات التي ستنتهي صلاحيتها خلال 5 أيام وتحتاج تخفيضاً
4) أي أنماط غير طبيعية تُشير لمشكلة في فرع معين"

-- برومبت لنظام تتبع الصلاحية:
"اكتب Python script يُرسل تنبيهات يومية لمدراء الفروع
عن المنتجات قريبة انتهاء الصلاحية.

المنطق:
- 30 يوم قبل: تنبيه للمدير + اقتراح تخفيض 10%
- 14 يوم قبل: تنبيه للمدير والمشتري + اقتراح تخفيض 25%
- 7 أيام قبل: تنبيه عاجل + اقتراح التبرع للجمعيات الخيرية
- يوم الانتهاء: إدراج تلقائي في قائمة الإتلاف

لكل تنبيه:
- الكمية المتأثرة
- القيمة بتكلفة الشراء (الخسارة المحتملة)
- أفضل إجراء موصى به من كلود
- رابط لتحديث السعر في نظام POS مباشرة"

-- برومبت Cycle Counting الذكي:
"بناءً على بيانات المخزون والحركة، اقترح جدول
Cycle Counting أسبوعي لفرعنا (500 SKU).

المبدأ: المنتجات الأكثر حركة وأعلى قيمة تُجرد أكثر.
أصنّف المنتجات حسب ABC Analysis (A=20% المنتجات + 80% القيمة)
وأنشئ جدول جرد: A مرة أسبوعياً، B مرتين شهرياً، C مرة شهرياً."

-- برومبت لأتمتة أوامر الشراء:
"اكتب Python function تُنشئ أمر شراء تلقائي.
عند وصول مخزون أي منتج لنقطة إعادة الطلب:

1) تحديد المورد المفضل من قاعدة بيانات الموردين
2) حساب الكمية المطلوبة (EOQ مع مراعاة الموسمية)
3) التحقق من آخر سعر اتُفق عليه
4) إنشاء أمر شراء PDF
5) إرساله تلقائياً بالإيميل للمورد
6) تسجيله في نظام المحاسبة (API)
7) إشعار المشتري للمراجعة والموافقة

أضف: قائمة انتظار إذا المورد الرئيسي غير متاح
والتحول التلقائي للمورد الاحتياطي"

-- برومبت تقييم أداء الموردين:
"حلل أداء موردينا خلال 6 أشهر من هذه البيانات:
[ألصق جدول بيانات الموردين]

لكل مورد احسب:
- On-time Delivery Rate
- Fill Rate (نسبة تلبية الطلب)
- جودة المنتجات (نسبة المرتجعات)
- مرونة قبول الطلبات الطارئة
- تنافسية الأسعار مقارنة بالسوق

رتّب الموردين وأوصِ بمن يُخفَّض التعامل معه ومن يُزاد"

-- برومبت لـ POS Integration:
"أريد ربط نظام مخزوننا (FastAPI) بنظام POS.
نظام POS يُرسل webhook عند كل عملية بيع.

اكتب:
1) Webhook Endpoint يستقبل بيانات البيع
2) يُحدّث المخزون فوراً
3) يتحقق: هل المخزون وصل نقطة إعادة الطلب؟
4) إذا نعم: يُضيف المنتج لقائمة الطلبات التلقائية
5) إذا المخزون = 0: يُرسل تنبيهاً فورياً + يُوقف عرض المنتج في الموقع

أيضاً أريد Real-time Dashboard يعرض:
- الكمية المتبقية لكل منتج في كل فرع
- تنبيهات المخزون المنخفض
- أكثر 10 منتجات مبيعاً اليوم
- المبيعات الإجمالية vs. الهدف اليومي"

-- برومبت لتحليل المبيعات مع كلود:
"هذه بيانات مبيعات الأسبوع الماضي من جميع الفروع.
أخبرني:
1) أكثر الفروع مبيعاً وأقلها — ما السبب المحتمل؟
2) المنتجات ذات المبيعات غير المتوقعة (ارتفاع أو انخفاض)
3) هل هناك مشكلة نفاد مخزون أثّرت على المبيعات؟
4) اقتراح لـ Promotion لمنتجات الفائض"

-- برومبت لتحليل الخسائر:
"حلل بيانات الجرد هذه وقارن بالمخزون النظري:

المخزون النظري (استلام - مبيعات - إتلاف رسمي):
[البيانات]

المخزون الفعلي بعد الجرد:
[البيانات]

لكل فرع احسب:
- Shrinkage Amount (الكمية والقيمة)
- Shrinkage Rate (%)
- المنتجات الأعلى خسارة
- هل هناك نمط بالتوقيت؟ (أوقات معينة أو أيام)
- مقارنة بين الفروع — أي فرع شاذ؟

ما احتمالية كل مصدر خسارة:
- أخطاء الإدخال في النظام
- سرقة الموظفين
- سرقة العملاء
- تلف غير مُسجَّل
- أخطاء في الجرد نفسه"