栏目C｜AI比选提取方案与自动生成采购清单

〇、与前篇的分工

前篇《大模型辅助提取方案选型顾问》（2026-09-02，https://reports.ebaiao.com/report/llm-extraction-protocol-advisor）已回答"AI 能不能选对方案"：协议推理基准 BenchBench-Protocol 上最强模型仅 59.2%，商用落点在 OpentronsAI 与 Claude for Life Sciences，引文伪造（GPT-3.5 时代 55%、GPT-4 时代 18%）是最大障碍。本篇默认上述结论为前提，回答"选完之后呢"：AI 能否把选型结果变成可交付采购系统的输出物——结构化比选表（JSON/表格）、按通量反推数量的 BOM（试剂盒型号×数量、耗材、设备、预算合计）、与电商/商城 API 及 ELN/采购系统的对接。两篇合起来构成"方案推荐 → 可下单清单"的完整链路评估。

一、应用场景与成熟度分级

"AI 比选提取方案与自动生成采购清单"拆为三个功能点：①自然语言输入样本类型/通量/预算 → 输出结构化比选表（多厂家、多规格、单价、单反应成本）；②按通量自动计算 BOM 数量与预算合计；③清单对接电商/商城 API 或采购系统直接下单。按"AI 到底落地了没有"分级：

• 论文验证级（有基准、无产品）：Boiko 等 Coscientist（Nature，2023-12-21，doi:10.1038/s41586-023-06792-0）证明 GPT-4/Claude 驱动的代理可"检索互联网与文档、规划实验、生成代码驱动自动化实验平台"★^[6]——这是"Agent 联网找试剂"的学术原型；但 CMU 官方新闻稿的能力清单中不含自动下单，即"列清单"止步于人审★^[6]。更直接的证据来自对 LLM 推荐器的目录忠实度审计（arXiv:2608.10008，CIKM 2026 录用）：四个未接地的零样本 LLM 推荐器（Mistral Large、Llama-3.3-70B、GPT-OSS-120B、Claude Sonnet 4.6）在 Amazon Toys 目录上推荐目录外商品（幻觉）的比例达 49.3%–61.0%，Yelp 目录 11.6%–38.7%，MovieLens 仅 0.6%–2.7%；且各模型口头置信度几乎恒定、不随目录命中率（波动 60 个百分点）变化，用置信度阈值拒答最多只降低 1.65 个百分点幻觉率——"模型自己知道自己编没编"这个假设不成立★^[4]。映射到采购场景：直接问大模型"XX 提取试剂盒多少钱"，回答的货号与价格不可信。
• 早期商用级（有产品、无规模）：通用采购编排层已见 AI 落地——ZAGENO（生命科学多供应商商城）自我定位"AI 驱动的科学采购编排平台"，宣称 5,000 万+ SKU、6,000+ 品牌单一界面，功能含会话式采购（自然语言描述需求→按合同推荐产品）、化学结构搜索、缺货时自动推荐有货等效替代品（评估浓度/纯度/体积/合同价/实时发货时间）、单一"元购物车"+统一审批流、三向发票匹配，并宣称每周为科学家节省最多 6.5 小时、为实验室管理者每周节省 3 天厂商宣称★^[2]；Zip（采购编排 SaaS）2025-06-10 发布"代理式采购编排（Agentic Procurement Orchestration）"，50+ 专用 AI Agent（需求校验、关税分析、法规筛查等），连接 60+ 系统含 ERP，宣称 2024 年批准 1,400 万请求、预计 2026 年 5,800 万且 30% 由 Agent 自主处理厂商宣称★^[3][7]。但注意：二者均未公布"输入样本类型/通量/预算→输出提取试剂盒 BOM"的专用能力——ZAGENO 的智能推荐围绕"已有明确商品意图的替代与合规筛选"，Zip 的 Agent 围绕审批与支出合规。电商 AI 助手方面，Amazon 的 Project Amelia（2024-09-19）为第三方卖家侧运营助手，不面向买家侧试剂比选，如实归类为生态背景★^[8]。
• 规模化级（本篇未找到合格案例）：未检索到任何一家提取试剂主流厂商（QIAGEN、Thermo Fisher 等）或国内科研电商上线"LLM 比选 + 自动 BOM"产品页；国内侧仅投资者互动表态（优宁维 2026-05"会积极借助 AI 提升服务"，无产品）^[10]。供给侧有商城系统商营销"AI Agent+科研商城"建设方案（远丰软件等，属项目制定制开发宣传）★低^[11]。渠道一手证据：ebaiao.cn 商城快照（2026-08-27，352 个 SKU）无任何 AI 比选/采购生成类软件 SKU 在架★^[1]（详见第八节）。

二、技术路线：结构化输出、RAG 目录库、Agent 工具调用 + 校验器

• LLM 结构化输出（JSON Schema 强约束）：Azure OpenAI 官方文档明确，structured outputs 让模型遵循调用方给定的 JSON Schema（Chat Completions 用 response_format、Responses API 用 text.format、函数调用用 strict:true），并指出旧 JSON mode"只保证合法 JSON、无法保证严格遵循 schema"；该能力自 API 版本 2024-08-01-preview 起支持★^[5]。对 BOM 生成的意义：保证输出"能被采购系统解析"。但必须强调：结构化输出只约束形状、不约束事实——一个格式完美、价格错误、货号不存在的 JSON 恰恰比自由文本更危险，因为它看起来更"可下单"。且该 schema 子集不支持数值的 minimum/maximum/multipleOf 等约束，"数量为正、单价不超过预算上限"这类业务校验必须在 schema 之外做★^[5]。
• RAG 目录库：把商城/厂商目录（含货号、规格、标价、库存、报价时间）做成可检索知识库，模型只允许推荐目录内 SKU——这是压制"货号幻觉"的主流工程手段；arXiv:2608.10008 的对照含义是：不接目录（未接地）时幻觉率高且不可自察★^[4]。
• Agent 工具调用 + 价格校验器：本品类最关键的设计约束是"价格必须来自 API 实拉，而非模型记忆"。可行架构：Agent 收到"样本类型/通量/预算"后，先由 LLM + 协议知识库确定试剂品类与规格，再逐条调用商城/电商目录 API（或 Zip 类采购编排平台已接的 60+ 系统★^[3]）拉取实时货号、价格、库存与发货时间，返回 JSON 中每个价格字段必须携带 source_url 与 quote_time；校验器拒绝任何无来源字段。ZAGENO 的替代品推荐（评估实时发货时间与合同价）与"三向发票匹配"说明这一"平台侧数据 + AI 决策"模式已在商用产品中实现厂商宣称★^[2]。
• BOM 数量计算逻辑（按通量反推盒数）：不应交给模型心算。规则引擎口径：月样本数 = 周通量 × 4（或 ×52/12）→ 加复测冗余（如 10%）→ 除以每盒反应数 → 向上取整；散装耗材（吸头、离心管）按单孔消耗×批量折算。LLM 只负责把约束翻译成计算参数（如"血液样本、每次 200 μL 全血"对应每反应用量），乘除与合计由代码完成。公开文献中未见对"LLM 生成 BOM 数量正确率"的评测，本篇不做定量结论。
• 人审环节：商用产品均把审批留给人——ZAGENO 元购物车走统一审批流★^[2]；Zip 强调 Agent"嵌入审批节点与现有工作流、编排层提供人工可见性"★^[3]；学术原型 Coscientist 亦止步于人审下单★^[6]。与采购系统/发票合规的衔接点即在此：AI 生成清单 → 人审 → 进入采购系统审批留痕 → 收货后与目录价、发票三向匹配（ZAGENO 宣称已产品化厂商宣称^[2]）。

三、产品与厂商清单（商用 / 开源·学术 / 自研）

四、定价与部署形态

• ZAGENO：官方博客与官网均未公开订阅/抽佣价格，本篇记未确认；部署为云端 SaaS，宣称依赖与 ERP/库存/财务/实验室系统集成落地★^[2]。
• Zip：企业级询价制，无公开价目，未确认；云端 SaaS，宣称连接 60+ 内外部系统（含 ERP 与银行验证工具）★^[3]。其 2025-10 发布的 AI Agent 套件（识别多付款与议价，覆盖全部支出品类）同样无公开定价★^[7]。
• Amazon Project Amelia：随亚马逊卖家平台提供，面向卖家的收费口径本篇未逐项核实，记未确认^[8]。
• 自研路线：无成品定价；成本构成 = 大模型 API token + 目录数据授权 + 系统集成开发。其中"目录数据授权"在国内是隐性门槛：多数商城/代理商价格为询价制（见第七、八节），价格不在公开 API 中，AI 拿不到真实价即无法生成"可结算"清单。
• 部署形态小结：商用采购 AI 全部为云端 SaaS；涉及内部预算与供应商合同数据的场景，企业通常要求私有化集成（Zip 走"嵌入现有工作流"路线），独立本地部署的"提取试剂盒比选 AI"目前不存在公开产品。

五、数据质量与合规风险：AI 报价错一位数字的采购风险

• 目录幻觉（数字证据最硬）：arXiv:2608.10008 显示未接地 LLM 推荐器在电商目录上 49.3%–61.0% 的推荐为目录外商品，且模型置信度恒定、无法自我察觉，置信度拒答几乎无效★^[4]。叠加前篇已核实的引文伪造率（Sci Rep 2023：GPT-3.5 引文 55% 完全伪造、GPT-4 时代 18%）★^[9]，"AI 报价错一位数字"不是假设而是可预期的失败模式——错一位小数点即预算差 10 倍，错一个货号即整批试剂不可用。
• 结构化输出≠数据正确：strict JSON Schema 保证格式合规★^[5]，但 schema 子集不支持数值上下限约束，价格、数量、合计的全部业务校验必须由外部代码对 API 实拉数据完成——"AI 生成的 BOM"只有在每个价格字段可回溯到目录页/接口返回时才可交付采购。
• 目录时效性与比价授权：试剂价格随促销、关税、汇率变动（Zip 专门设关税分析 Agent 即为此背景★^[3]）；跨商城比价需各目录方开放 API 并授权商业使用，国内科研电商价格多以询价/线下报价为主，公开可机读价格稀缺（渠道证据见第七、八节），这是比价 AI 在国内落地的结构性约束。
• 采购合规与预算审批留痕：AI 参与采购必须可审计——谁发起、依据什么数据、谁批准。ZAGENO（统一审批流、减少游散支出 maverick spend）与 Zip（Agent 嵌入审批节点、人工可见性）均把留痕做成产品卖点（厂商宣称）★^[2][3]；国内高校/医院/国企采购还叠加政采目录与预算科目约束，AI 清单需映射到预算科目方可进入审批（本篇为推断，未见国内公开案例）。
• 数量计算的边界条件：按通量反推盒数看似机械，实则含易错点——冗余系数、有效期（酶类试剂不可囤积）、整盒取整、大规格单价摊薄。这些应由规则引擎承载并在清单中显式标注假设（示例见第六节）。

六、可复现评估口径与"可验证采购清单"示例

6.1 测试口径

• 固定输入："某分子实验室新增每周 200 个血液样本基因组 DNA 提取任务，按月采购，预算上限 5,000 元/月，下游 qPCR。"（与前篇的选型口径衔接：先由 AI 选型确定磁珠/离心柱路线，再进入本环节。）
• 核对维度：①清单中每个货号是否真实存在（可点击溯源到商品页）；②每个价格是否来自目录实拉而非模型记忆（有无 source URL 与报价时间）；③数量计算是否正确（200/周 × 4 周 = 800 rxn + 10% 冗余 = 880 rxn → 按 100 rxn/盒向上取整 = 9 盒）；④预算合计加总是否正确；⑤错误注入测试（故意给出断货/改价目录，看 Agent 是否拉到新数据）。
• 判定标准：任一价格字段无来源链接即判"不可交付采购"；任一数量或合计错误即判"需人审重算"。

6.2 正面示例：用真实标价 SKU 生成的可验证 BOM

七、渠道底稿（ebaiao.cn，2026-08-27 快照核对）

ebaiao.cn 商城快照（2026-08-27 抓取，352 个 SKU）中无任何 AI 比选/采购清单生成类软件 SKU 在架，如实注明★^[1]。更重要的是本篇的核心论点：全站仅约 20 个 SKU 有公开标价（OnGene 系列最完整，其余 332 个 SKU 为询价制，price 为 null）——价格不在系统里，AI 就无法"实拉价格生成可下单清单"，这一"标价稀缺"事实本身就是该品类在国内落地的前置约束：先有结构化标价目录（API 化、带报价时间），才有可信的 AI 比价与 BOM。上述 5 个标价 SKU 即第六节示例的数据底座。

在售实验软件/技术服务类 SKU 作为渠道数字化生态背景引用（真实存在，但均为样本管理/自动化软件，非 LLM 比选工具，品类差异须明示）：

八、对现有工作流的人力替代效应评估

• 实证部分：ZAGENO 宣称每周为科学家节省最多 6.5 小时、为实验室管理者每周节省 3 天（厂商宣称、无第三方验证）厂商宣称★^[2]；Zip 宣称 2026 年 5,800 万请求中 30% 由 Agent 自主处理（厂商宣称的前瞻目标而非实测）厂商宣称★^[3]。目录幻觉 49.3%–61.0% 的硬数据★^[4]则划出了替代边界：AI 可替代"找货与初筛"，不可替代"核价与下单"。
• 推断部分（明确标注为推断）：受冲击最大的是采购助理的"询价—比价—汇总表"环节（一旦目录 API 化，AI 可自动完成 80% 以上的比选表制作）；其次是实验室管理员的库存—采购联动（按通量自动触发补货，前提是标价与库存可机读）。受冲击最小的是供应商议价、合同谈判与合规审批——Zip 的产品逻辑也保留人工审批节点★^[3]；ZAGENO 自我定位"数字副驾驶、不取代实验室管理者"（厂商宣称）^[2]。
• 国内侧：询价制主导（渠道 352 个 SKU 中约 332 个无标价★^[1]）意味着"人工询价报价"环节短期反而更重要——AI 无价可比；电商侧仅表态（优宁维）^[10]，供给侧有商城系统商的 AI Agent 建站方案营销★低^[11]，落地证据缺失。

九、对分子/蛋白实验室的实际影响

十、半年趋势判断

未来半年（2026 下半年）三个可观察信号：①ZAGENO 类生命科学商城是否把"会话式采购"从替代推荐推进到"按应用场景生成整套购物车"（其 5,000 万 SKU 与合同价数据是现成底座★^[2]）；②Zip 类采购编排平台是否出现"实验室品类模板"（试剂盒级 BOM schema）——其 Agent Builder 已支持无代码自建★^[3]；③国内科研电商是否出现首个公开标价 API 化 + AI 比选的落地案例，以及渠道侧（含 ebaiao.cn）是否出现 AI 类软件 SKU——若半年内标价目录仍未 API 化，则"AI 自动生成可下单采购清单"在国内应定性为"两年期观察项"。全球采购 AI 市场份额类定量数据无免费公开数值，本期公开信息不足以支撑份额结论。

Sources（来源）

1. ★高（渠道一手来源） ebaiao.cn 商城 SKU 快照（2026-08-27 抓取自 https://ebaiao.cn/api/products?limit=500 ，共 352 个 SKU）：无 AI 比选/采购清单生成类软件 SKU 在架；全站约 20 个 SKU 公开标价、其余约 332 个为询价制（price=null）。本篇引用的标价 SKU（人民币、中国市场、报价时间=快照日期）：OnGene 血液DNA提取试剂盒(MINI)100rxn，货号 001-01-100S(MINI)，¥180，https://ebaiao.cn/product/994 ；组织DNA(MINI)100rxn，002-01-100S(MINI)，¥200，https://ebaiao.cn/product/997 ；细胞DNA提取试剂盒(100)，003-01-100S，¥200，https://ebaiao.cn/product/999 ；微生物核酸提取试剂盒，009-01-500S，¥475，https://ebaiao.cn/product/1010 ；浓缩试剂盒，011-01-100S，¥160，https://ebaiao.cn/product/1011 。软件类在售（询价制）：Limfinity https://ebaiao.cn/product/725 、/product/726 ，FreezerPro https://ebaiao.cn/product/724 ，DP5 https://ebaiao.cn/product/878 ，ARCON https://ebaiao.cn/product/929 ，莫纳定制开发 https://ebaiao.cn/product/1047 。注：Azenta/莫纳/昂景为渠道代理或合作品牌，非中生柏奥自产。
2. ★高（厂商官方博客·宣称口径） ZAGENO：AI in Lab Procurement: How AI Is Transforming Scientific Purchasing（官方博客）。定位"AI-powered scientific procurement orchestration platform"；宣称 5,000 万+ SKU/6,000+ 品牌、会话式采购、化学结构搜索、缺货替代品推荐（实时库存/发货时间/合同价）、元购物车统一审批、三向发票匹配、每周为科学家节省最多 6.5 小时/实验室管理者 3 天、Gartner 预测 2026 年底约 40% 企业应用嵌入对话式 AI——均为厂商宣称。https://go.zageno.com/blog/ai-in-lab-procurement-automations-role-in-scientific-supply-chains-blog-zageno
3. ★高（厂商官方公告） Zip：Introducing agentic procurement orchestration from Zip（2025-06-10，Zip AI Summit）：50+ AI Agent（Intake Validation/Tariff Analysis/DORA Screening 等）、AI Agent Builder、连接 60+ 系统含 ERP、2024 年批准 1,400 万请求、预计 2026 年 5,800 万且 30% 由 Agent 自主处理、2030 年超 10 亿次审批——均为厂商宣称；与 OpenAI 合作打造 AI Lab。https://zip.com/blog/introducing-agentic-procurement-orchestration
4. ★高（预印本论文，CIKM 2026 录用） Ravikumar, S.：Do LLM Recommenders Know When They're Hallucinating? Auditing Confidence Calibration in Catalog Faithfulness（arXiv:2608.10008，v2）。四个零样本未接地 LLM 推荐器在 MovieLens/Yelp/Amazon Toys 三目录上的目录外推荐率 0.6–2.7%、11.6–38.7%、49.3–61.0%；模型口头置信度恒定、不随目录命中率（波动 60 个百分点）变化；conformal 置信度拒答最多仅降 1.65 个百分点幻觉率。https://arxiv.org/abs/2608.10008
5. ★高（厂商官方文档） Microsoft Learn：How to use structured outputs with Azure OpenAI（更新于 2026-08-24）：structured outputs 使模型遵循调用方 JSON Schema（Chat Completions response_format / Responses text.format / 函数调用 strict:true），旧 JSON mode"保证合法 JSON 但无法保证严格遵循 schema"；schema 子集不支持 minimum/maximum/multipleOf 等数值约束；首个支持版本 API 2024-08-01-preview。https://learn.microsoft.com/en-us/azure/ai-services/openai/how-to/structured-outputs
6. ★高（同行评审论文+机构稿） Boiko, D.A. 等：Autonomous chemical research with large language models（Nature，2023-12-21，doi:10.1038/s41586-023-06792-0）：GPT-4/Claude 驱动，检索互联网与文档、规划实验、生成代码驱动自动化平台；CMU 官方新闻稿（2023-12-20）能力清单不含自动下单（采购决策留人）。https://www.nature.com/articles/s41586-023-06792-0 ；https://www.cmu.edu/news/stories/archives/2023/december/cmu-designed-artificially-intelligent-coscientist-automates-scientific-discovery
7. ★高（官方新闻稿·经 BusinessWire 发布） Zip Launches Powerful Suite of AI Agents to Help Companies Identify Overpayments and Negotiate Better Deals（2025-10-21）：AI Agent 套件覆盖全部支出品类的多付款识别与议价。https://secure.businesswire.com/news/home/20251021882875/en/Zip-Launches-Powerful-Suite-of-AI-Agents-to-Help-Companies-Identify-Overpayments-and-Negotiate-Better-Deals-Driving-Cost-Cutting-Across-All-Categories-of-Spend
8. ★高（厂商官方新闻） About Amazon：Amazon's Project Amelia uses gen AI to boost sellers（2024-09）：面向第三方卖家的生成式 AI 助手（销售/库存问答）——本篇如实定位为卖家侧、非买家侧试剂比选。https://www.aboutamazon.com/news/innovation-at-amazon/amazon-project-amelia
9. ★高（同行评审论文，前篇已核） Fabrication and errors in the bibliographic citations generated by ChatGPT（Scientific Reports, 2023）：636 条引文核查，GPT-3.5 引文 55% 完全伪造、GPT-4 时代 18%。https://www.nature.com/articles/s41598-023-41032-5
10. ★中（投资者互动，前篇已核） 优宁维（2026-05-12 投资者互动）：会积极借助包括 AI 在内的科技发展成果提升服务（仅表态，未见比选/采购 AI 产品上线）。https://finance.eastmoney.com/a/202605123734496692.html
11. ★低（供给侧营销） 远丰软件：科研服务电商平台建设方案，集成 AI Agent+商城系统（网易号，项目制定制开发宣传口径，非落地案例）。https://www.163.com/dy/article/L2EEBK1E0553CSVD.html
12. ★高（本平台前篇） 中生柏奥/BioReport：栏目C｜大模型辅助提取方案选型顾问（2026-09-02），本篇的前提报告：协议推理基准最强模型 59.2%、商用落点 OpentronsAI 与 Claude for Life Sciences、引文伪造 55%/18%。https://reports.ebaiao.com/report/llm-extraction-protocol-advisor