客户与背景
医药零售信息化，是厚科起家的老本行。18 年里我们服务了全国数千家药店，深知门店最真实的痛点在哪里。这一次，我们把这份行业积累做了一次彻底的 AI 升级：面向全国中小连锁药房，打造「门店本地优先 + 云同步」的新一代药店 SaaS——门店端本地运行、响应快、断网也能开单，总部通过云端统一管理与同步。
挑战
- 门店对稳定与速度敏感：收银是门店的生命线，不能因为网络波动就卡顿或停摆。
- 连锁的统一与灵活难两全：总部要统一管理，门店要灵活响应，传统架构往往顾此失彼。
- 需求响应太慢：连锁体系里门店多、需求碎，一个小小的数据查询需求走传统开发流程，往往要排期数天甚至数周。
- 经营数据敏感：药房的进销存与经营数据属于门店核心资产，店主并不希望它离开门店。
我们做了什么
我们围绕「门店本地优先 + 云同步」重构了整套药店 SaaS，并把 AI 用在了两个关键位置——交付效率与门店经营：
- 门店本地优先 + 云同步架构：收银与核心业务在门店本地运行，保证速度与可用性；数据与管理通过云端统一同步，兼顾连锁的统一性与门店的灵活性。
- 亮点一 · AI 辅助交付：借助 AI 编程与 MCP 工具链，数据查询类需求从「提出」到「几百家门店自动上线」只需 2–3 小时，把过去按天、按周排期的响应速度压到了小时级。
- 亮点二 · AI 门店助手（pos_agent）：一个跑在门店本地的智能体，提供每日待办、进销存分析、补货与 ABC 建议、遗忘事项追踪；关键在于它全部在门店本地运行，经营数据不出店——AI 帮店主看数据、提建议，而数据始终留在自己的店里。
我们坚持「负责任的 AI」：门店助手给的是分析与建议，补货、下单等决策由店主拍板；经营数据不出店，是这套产品的底线设计。
成效
数据不出店
pos_agent 在门店本地完成进销存分析、补货与 ABC 建议、待办与遗忘事项追踪——店主既用上了 AI，又守住了数据主权。
- 数据查询类需求 2–3 小时上线：借助 AI 编程与 MCP 工具链，这类需求从提出到多门店自动上线只需 2–3 小时，连锁体系的迭代不再被排期拖住。
- 本地优先的稳定体验：收银与核心业务本地运行，响应快、可用性高，云端负责统一管理与同步。