啤酒游戏：让 Claude 和 Codex 干了这杯酒

上一篇讲的是同一门《运营与供应链管理》的设施选址案例。那次比较干净：重心法有唯一解，让两个 AI 互评一轮，再用 Python 跑一遍，基本就能定谁对谁错。

这次不一样。第二次课后作业是经典的啤酒游戏（Beer Game）：零售商 → 批发商 → 制造商三级供应链，真实需求在第 2 周从 4 箱/周升到 8 箱/周，之后保持稳定，但由于信息失真和 4 周提前期，链路里层层放大。案例写到：到第 24 周零售商还堆着 75 箱、批发商还堆着 218 卡车量，而制造商在第 19 周库存已经冲到 93 批。

题目三问：

1. 画出 1–24 周库存和订单图，解释牛鞭效应
2. 分析牛鞭效应的影响、成因、对策
3. 假设你是“聪明零售商”，给出最优订货策略，并算出你比“普通零售商”多赚多少钱

问题 1、2 偏定性，两个 AI 答得大体接近。真正分歧出在问题 3：Claude 最初算出超额收益约 500–1000 元，Codex 最初算出 7500–7900 元。差了一个数量级。

一开始的分歧，其实不只是一道算术题

两份答案的最优订货策略看上去很接近：第 1 周按常态 4 箱，第 2 周开始往上调，之后维持 8 箱/周的稳态。真正的差别只在一句话：

• Claude：第 2 周订 12 箱
• Codex：第 2 周订 8 箱

但光是 4 箱之差，不足以解释为什么一个答案多赚几百元，另一个多赚几千元。真正把两份答案拉开的，是背后的两个建模选择：

• 行为假设：第 5 周不可避免的 4 箱短缺，到底能不能在第 6 周作为 backorder 补卖？
• 收益口径：第 24 周普通零售商手上的 75 箱库存，到底是资产，还是在本题比较口径里被等效忽略掉？

事后看，双方真正争的不是“谁算错了”，而是“哪套假设和口径更适合这道题”。

第一轮：双方先各自为自己的答案辩护

我先让它们各自写一份对比报告：

• Claude_VS_Codex_by_Claude.md
• Claude_VS_Codex_by_Codex.md

这一轮的立场很清楚：

• Claude 认为自己那份更合理，因为案例 PDF 第 6、7 周明确写了顾客会留下名字电话等货，说明 backorder 真实存在
• Codex 认为自己那份更严谨，因为从 24 周现金流口径看，普通零售商第 24 周手里还有 75 箱库存，占着现金、卖得慢，财务上不能当成“已经实现的收益”

如果把两边都尽量善意理解，它们其实各有抓手：

• Claude 抓的是案例行为证据
• Codex 抓的是比较口径和现金占用

到这一步，我还不能明确说谁一定错。因为和设施选址那题不一样，啤酒游戏这道题在第 3 问里确实存在建模自由度。

第二轮：真正让局面收敛的，不是继续争观点，而是“用对方的尺子重算一遍”

第二轮我把两份对比报告再丢回去，让双方继续回应：

• Claude_VS_Codex_Round2_by_Claude.md
• Claude_VS_Codex_Round2_by_Codex.md

Claude 这一轮做得最好的一点，是它没有继续停留在“PDF 原文支持 backorder”这种事实争论上，而是直接做了一件更硬的事：

用 Codex 自己定义的口径，反算 Claude 的策略。

它的核心计算逻辑是：

如果第 2 周订 12 箱，那么：

• 第 5 周的 4 箱缺口先形成 backorder
• 第 6 周正好到货 12 箱
• 这 12 箱刚好覆盖“第 5 周积压的 4 箱 + 第 6 周真实需求 8 箱”
• 之后回到稳态，每周到货 8 箱、卖 8 箱
• 因而 期末库存仍然是 0

按这个路径，套进 Codex 当时自己采用的“收入 - 采购 - 持有成本”的 24 周现金流式口径，会得到：

口径	Claude 策略（W2=12）	Codex 策略（W2=8）
销量（箱）	188	184
收入（元）	23,500	23,000
采购（元）	17,600	17,200
持有成本（元）	9.23	9.23
现金利润（元）	5,890.77	5,790.77
期末库存（箱）	0	0

也就是说，在同一口径下，Claude 的第 2 周订 12 箱方案，比 Codex 的第 2 周订 8 箱方案多赚 100 元。这 100 元恰好就是多履约的 4 箱 × 单箱毛利 25 元。

这一步很关键，因为它把争论从“你觉得、我觉得”推进到了“就用你自己的尺子量，结果还是这样”。

第二轮之后，Codex 的主要修正也很明确

Codex 在第二轮里做了两个重要修正。

1. 承认原先的 7500/7900 元量级不合理

它接受了一个关键点：

不能把普通零售商第 24 周剩余的 75 箱库存直接按 0 价值处理。

因为案例并没有说这 75 箱永远卖不出去。真实需求仍然大约是 8 箱/周，这些库存更合理的理解是：

• 期末库存资产
• 后续持有成本负担
• 潜在的折价风险和资金占用

而不是立刻等于当期亏损。

这一步修完以后，Codex 把自己原先的“多赚 7500/7900 元”回收掉了。

2. 接受“第 2 周订 12 箱”作为基准更优方案

在允许并管理 backorder 的前提下，Codex 也接受了：

• 第 2 周订 12 箱
• 第 3～20 周每周订 8 箱
• 第 21～24 周订 0 箱

这个策略方向。

不过这里 Codex 也补了一句我认为很重要的限定：

这个“12 箱更优”的结论，最好显式写出前提：允许并管理 backorder。

我认为这是必要的，因为 PDF 确实证明了 backorder 现象存在，但它并不自动等于“第 5 周那 4 箱一定 100% 都能补卖”。所以更稳妥的说法，不是“无条件严格最优”，而是“在题目给定的聪明零售商设定下，作为基准解更合理”。

到最后，双方其实收敛到了什么？

如果只看“最后谁赢”，这个过程会被误读成：

• Claude 证明了自己是对的
• Codex 改口认输

但我觉得更准确的描述是：

双方最后在“主策略”和“收益量级”上基本收敛了，但在普通零售商对照组的具体重构数值上，还没有完全统一。

已经收敛的部分是：

1. 第 1、2 问两边都能作为参考
2. 第 3 问的基准策略应以“第 2 周订 12 箱”为主
3. 这个策略的前提是：允许并管理 backorder
4. 原先的 7500/7900 元 应判为口径失真，不再成立
5. 更合理的收益量级是：几百元到一千元左右

但还没有完全统一的部分是：

• Claude 版当前仍把中心值写成 727 元
• Codex 修订后写成了基准 476 元，并把现实区间写成 500～1,000 元

这说明它们已经没有大的结论性冲突，但还保留着一个典型的“同方向、不同中心值”的建模差异：普通零售商路径到底按哪组重构数据来算。

一个小插曲：我自己也踩了“AI 不重读文件”的坑

这轮还有个挺好玩的插曲。

共识文件落完之后，我又让 Claude 再检查一次两份正式答案是否还有逻辑冲突。按道理说，这一步应该先重读最新版文件再比。

但它一开始并没有这么做。它直接沿用脑子里前几轮的旧印象，给了我一个“已经基本没问题”的判断。我后来自己去看文件，才发现：

• Codex 的正式答案已经被修订过了
• 第 3 问的主策略、收益区间、口径说明都已经更新了
• 但 Claude 那次检查没有先读最新版，就直接开始比较

我后来让它重新读取文件，再做一遍结论，结果就正常了。

这件事让我挺警惕一件事：

AI 在多轮上下文里，不是只会“算错”，它也会像人一样偷懒地以为自己还记得文件长什么样。

所以现在我的默认流程变成了：

1. 跨轮复核前，明确要求它重新读取目标文件
2. 不接受“基于之前讨论我认为……”这种比较
3. 文件类任务尽量让它把引用行号和当前版本一起报出来

这次复盘，对流程最大的启发是什么？

1. 有争议的题，不能只让双方“表态”，要让它们“同口径重算”

第一轮的问题在于，双方都能自圆其说：

• Claude 说：PDF 支持 backorder
• Codex 说：现金口径更保守

这两句话都没错，但都还不够“打穿”对方。第二轮真正让问题收敛的，是 Claude 改变了打法：不用自己的尺子，而是用 Codex 自己的尺子，去量 Claude 的方案。

这比继续争抽象原则有效得多。

2. 案例题里，分歧很多时候不是“算错”，而是“口径没统一”

设施选址那题属于“公式题”，ground truth 比较硬。

啤酒游戏第 3 问更像“建模题”：

• backorder 怎么处理
• 期末库存怎么估值
• 普通零售商的路径怎么重构

这些都不是 PDF 直接给好的唯一答案，而是解释空间。

所以这种题最重要的不是先问“谁对谁错”，而是先问：

• 你们是不是用了同一套假设？
• 你们是不是在用同一套收益口径？

3. 最终共识最好落成文件，而且最好双方都落

这次最终比较清楚的阶段，不是嘴上说“好像差不多了”，而是双方都逐步把立场修正进文件：

• Claude_VS_Codex_Final_Consensus_by_Claude.md
• Claude_VS_Codex_Final_Consensus_by_Codex.md
• 以及修订后的 answers/啤酒游戏-案例解答_Codex.md

一旦文件更新，后续讨论就有了稳定落点。否则很容易出现“口头上已经同意了，原答案还停留在旧版本”的错位。

这道题本身也给了我一个额外收获

我觉得这次最有意思的，不只是“谁算赢了”，而是它把一个课堂上常讲、但很多时候很抽象的管理问题，演得特别具体：

同一个案例、同一份 PDF，只要口径和隐含假设不统一，最后得出的“结论”就可能差一个数量级。

这和牛鞭效应本身很像。牛鞭效应里，上游看到的不是“需求”，而是“需求 + 滞后 + 情绪 + 防御性下单”。这次两个 AI 一开始看到的也不是同一个“收益”，而是：

• 收益 + backorder 假设
• 收益 + 库存估值口径

所以最后真正值得记住的，不是 7900 还是 727，而是：

在供应链和管理分析里，先统一口径，再比较数值，往往比争谁的数字更大更重要。

尾声

AI 也会偷懒，也会划水。 而且不是个案，使用 AI 也是要走心的~