约束求解与路线整合：满足要求还是优化目标

不是所有问题都要预测答案

星河玩具展要把纸船、木方块和玻璃星球放到甲、乙、丙三个展台，每台只放一件。纸船不能放甲台，玻璃星球必须在带软垫的乙台，木方块不要与纸船挤在同一台。这些要求可以直接写成约束满足问题，而不必训练一个模型猜布置。变量是三件玩具各自的展台位置，取值范围是允许的展台，约束限制哪些组合合法。先把条件表达清楚，再用枚举或专门求解方法寻找满足全部硬要求的组合。

逐步缩小可能组合

玻璃星球固定在乙台，其他玩具不能再选乙；纸船不能选甲，因此只剩丙；木方块只能放甲。这样的推导称为约束传播的直觉形式：确定或缩小某变量范围后，再影响其他变量。较复杂问题中可能需要尝试一项选择，发现矛盾后回溯换另一项。求解器能在给定变量、范围与条件下查找方案，但若条件漏写，就可能返回人们不满意的合法组合。合法是相对于模型定义，不是对现实全部要求的自动保证。

硬约束和软目标别混淆

必须有软垫、每台容量不超过一件属于硬约束，不允许违反。希望同系列玩具靠近或搬运步骤少可以写成软偏好或优化目标，在多个可行方案中比较好坏。找到可行解只证明某组要求被满足，不证明目标最好；证明最优需要适当搜索条件、界限或算法支持。若突然规定玻璃星球也不能放乙，就与必须放乙冲突，问题无解。应解释冲突条件并请求修改，不偷偷牺牲硬约束来装作成功。

把六条路线摆到合适位置

展览可先用知识图谱整理玩具系列与当前位置，用规则推导哪些玩具需要软垫，用约束求解分配展台，再用规划安排清理和搬运顺序。材质不确定时可用概率表示证据强弱，而不是直接当事实；若要判断提示牌能否改善访问，需要因果设计而非仅搜索。不同方法共享数据时，要保持来源、未知值与时间一致。生成式模型可以协助把要求写成草稿，但正式约束仍需核对，流畅表达不是满足条件的证明。

综合作品应展示验证过程

工坊把最终分配、动作前提和未知事项分别列出，逐条检查硬要求，再解释优化偏好是否被满足。若模型给出文字方案，可独立核对每件玩具恰好一个位置、每台容量和软垫条件，不能只相信看起来合理的叙述。练习规模很小，纸笔即可；大规模问题的计算复杂度可能很高，需要限定规模或接受近似，但近似优化也不意味着硬要求可以随意违反。选择路线的标准是问题结构与可验证性，而不是把所有模块都堆进去。