约束满足：安排得再多，怎样先知道有没有可行解？

「约束满足问题」（Constraint Satisfaction Problem，CSP）把一个「请安排得合理」的问题拆成三层：要决定的变量、每个变量可以取的值，以及必须同时成立的约束。给每个变量一个值，而且没有违反任何约束，就得到一个可行解。这个概念来自人工智能和运筹研究，常见例子包括排班、排程和数独。12

它替代的是「请综合考虑各种因素，给我一个合理方案」这类模糊 Prompt。比如安排会议时，变量可以是每场会议的时间，取值域可以是周三上午或下午，约束可以是「两场会不能撞车」和「中间至少留出 30 分钟」。把三层写出来，AI 才有机会检查每个安排是否冲突，而不是只生成一份看起来完整的日程。

你可以直接这样调用：

这里要分清两件事：可行解只是「能同时成立」，不代表它是最优解；Google OR-Tools 的说明也把约束编程的重点放在寻找可行解，而不是必然优化某个目标。3 如果「尽量方便」「最好兼顾」没有进一步写成可检查的偏好，模型也无法替你决定该牺牲什么。硬约束互相冲突时，正确输出是指出无解或指出冲突，而不是偷偷放宽条件。