在零售智能补货系统的实际应用中,常出现“算法建议补货量远超门店实际承载能力”的现象,带来堆积压货、动线混乱与人力浪费等严重后果。为确保补货逻辑的业务落地性与门店适配性,补货推荐引擎应纳入空间容量、货架布局与陈列能力等实际门店变量。本数据集聚焦“补货建议与门店容量冲突”的边界约束推理问题,通过构建细致的Chain-of-Thought多步逻辑链条,训练具备上下文理解 + 空间约束建模能力的AI系统,支持智能补货算法的回溯验证与优化。