10 月 17 日，深圳前海，「AI 落地大会·第二期 —— 千问办公专场」现场满场，企业管理者和一线从业者到场。在近两年的企业 AI 落地实践中我们发现：大量 AI 项目止步于 Demo，真正进入业务、长期稳定运行的只是少数。问题的核心往往不在模型能力，而在落地方
比起「FDE 到底是什么岗位」，我们更关心一个本质问题：一套适配中国企业的AI 落地方法，到底应该解决什么实质性问题？
答案从来不是多做几个 Agent、多写几段提示词。如果 AI 只是帮员工更快地写文档、做表格，它还没有真正进入企业的经营核心。真正的价值，是让模糊的业务痛点被精准定位，让藏在老员工脑子里的经验变成组织资产，让一次成功的实践成为下一次成功的基础 —— 这些，才是衡量 AI 落地价值的标尺。
老板说不清楚需求，从来不是老板的问题
很多 AI 项目做不下去，行业里常把问题归咎于「客户需求不清晰」。我们始终认为，这是一种推卸责任的判断。
企业管理者没有义务精通 Agent、大模型和技术架构，就像家里空调坏了，住户没有义务懂压缩机和冷媒原理。
你打电话叫师傅上门，师傅一进门就问：「您想换压缩机还是修电路板？用哪种冷媒？」你只会一头雾水。你不懂技术，你只知道空调坏了，你很热，你要的是凉快。
住户的责任，是说出「我很热」；判断问题在哪、怎么修、修到什么程度算好，是师傅的责任。放到企业里也一样：老板的责任，是指出「这里效率低、这里成本高、这里有瓶颈」；把模糊痛点变成可落地的 AI 方案，恰恰是 FDE 该解决的问题。
很多 AI 项目的错位就在于：供方忙着输出技术概念、罗列功能清单，却不肯花时间走进现场，先把真实问题搞清楚。项目最后要么停在 Demo 里，要么上线了没人用。
有人问，这和传统的软件外包、ERP 实施有什么区别？核心区别，在于面对的不确定性层级完全不同。传统软件实施应对的是确定性需求 —— 字段、角色、流程都已明确，比拼的是质量、成本与交付效率；但今天的企业 AI 项目，往往同时面对着三重根本性的不确定：
技术不确定
模型迭代以月为单位，刚验证完成的方案，工具接口、产品形态就可能发生变化。
价值不确定
同行的成功经验无法直接复制，具体到自身业务，改哪项工作、影响哪个指标，仅靠演示无法得出结论。
组织不确定
数据归属、决策流程、审核机制、使用意愿，所有配套条件都需要重新梳理。
技术、价值、组织，三件事同时不确定。
当需求本身还不存在，就不能坐在原地等客户交出一份完整的需求说明书。总得有人先走进真实的业务现场，把模糊的痛点拆解成具体的问题，再一步步构建出解决方案。
那个不先问方案、先上门排查故障的空调师傅，就是 FDE。它的核心从来不是一个职位头衔，而是「走进现场、先定义问题、再落地方案」的工作方式。
FDE 的三层价值：从单点提效到组织智能
顺着「走进现场」的逻辑往下走，FDE 对企业的价值会逐层深入。绝大多数团队停在第一层，而真正的壁垒，在第三层。
定位真问题，戳破伪需求
很多客户找到我们时，都带着一个模糊的工具需求。有做企业政策服务的客户，开口就要一个「政策申报 Agent」。换做纯开发团队，可能立刻就开始讨论模型选型、知识库搭建。但我们做的第一件事，是请客户打开电脑，从接起客户咨询、核对政策条目到整理申报材料，把从获客到交付的完整工作走一遍。
「能不能带我们看一遍，以前到底是怎么做的？」
走完才发现，客户嘴里「很简单的分析填报」，背后藏着大量隐性经验判断：哪些资料有效、哪些条件不满足、哪些内容必须二次确认，这些判断大多装在老板一个人的脑子里。
一句「分析一下就填报」，拆开是五段完整的业务流程（基于访谈归纳的流程示意）。
客户以为自己缺一个 AI 工具，但我们首先发现的是：一家企业最宝贵的工作知识，还没有成为组织能够复用的资产。
AI 不会因为「老板做了十年」，就自动拥有对应的判断能力。不先把这些知识、标准和资料关系梳理清楚，AI 根本无从介入。
FDE 的第一步，从来不是接需求做开发，而是先还原真实工作链路，把「我觉得需要 AI」，变成「这个具体环节，用 AI 能产生明确价值」。
技术回答「能做吗」，经营回答「值得做吗」。
有些场景演示很惊艳，再怎么提效也影响不了公司整体结果；有些工作只有几个人做、毫不起眼，却关系着重大风险或关键成交，反而值得优先投入。
打通全链路，从单点能力到流程能力
单环节的 AI 提效，价值是有限的。企业的工作本来就是一场跨部门接力：AI 可以让其中一棒跑得更快，但如果交接处信息丢失，前面省下的时间，还是会被后续的协作内耗吃掉。
单个部门、单个岗位的提效，很难转化为整体经营结果的改善。局部的智能相加，不等于组织智能。
面对大型集团类客户，我们不会让每个部门各自上报需求，拼凑出几百行需求清单就等同于完成了 AI 战略规划。而是从经营目标逐层往下拆解：从成本控制、效率提升等核心目标出发，拆解到价值链、跨部门流程，再到一个个具体的工作单元 —— 谁、基于什么信息、在什么条件下、做什么判断、交付什么结果。
最终落成一张完整的企业 AI 场景地图：机会集中在哪些领域，业务目标对应哪些真实工作，每个节点需要什么资源、由谁负责、AI 该从哪里切入。
地图的价值，是让管理层从「大家都觉得 AI 有用」，进入「知道哪里值得先投」。
它的价值不是做了多少个 AI 应用，而是让管理层清晰地知道：优先级怎么排，每一项投入对应什么业务结果。技术可行只是起点，值不值得投资，是另一个问题。
沉淀组织资产，让一次成功变成可复用的能力
这是 FDE 最核心，也最容易被忽略的价值。我们交付给客户的，从来不是一段提示词、一个孤立的工具，而是「方法 + 系统 + AI」的完整组合。我们会把熟手的隐性经验、验证过的判断逻辑、有效的工作方法，一点点外化、沉淀下来，变成组织可以复用的能力。
AI 能运行一次，不代表它能在真实业务里长期稳定工作。要让它真正留下来，还需要两个基础条件：
工作的承载
当信息散落在表格、聊天和个人脑中，AI 没有统一的读写与协同底座。这也是多维秒搭（BaseBuilder）的核心价值：先让工作组织成系统，人和 AI 才有共同的工作基础。
组织的推手
真实样本谁提供、权限谁协调、标准谁确认，必须有真正负责的业务推动人。否则工程能力再强，也走不到「被日常使用」的最后一公里。
很多企业做 AI，做完一个项目就归零。换下一个岗位、下一个场景，一切又从头开始。而 FDE 式的工作方式，是每做一个项目，就给组织留下一套可复用的方法、一组可沉淀的能力、一份可延续的知识资产。
FDE 不靠超级个体，靠可复制的能力体系
很多人对 FDE 有一个误解：以为要找「全能选手」，既要懂业务、又要会产品、还能写代码、能推动组织。现实里没有这么多超级个体。
联合创始人范昊迪给出过一组数字：近两年他经手了上百个 AI 需求，真正签下来、做完的只有十几个。「死掉的需求，大多不是败在技术上」 —— 而是需求不成立、价值不匹配，或组织承接不住。
参考行业成熟实践，Palantir 用三类角色围绕同一个客户问题持续反馈，而非流水线式传递需求；OpenAI 强调从客户现场到生产部署、再到效果评估的端到端工程闭环。核心逻辑都是一样的：懂业务的人和做工程的人，不能只是互相扔需求。
源子的答案，是把 FDE 拆成四种能力的组合。这不是四个互不相干的岗位，而是可以重叠、叠加的能力画像：
业务专家
懂行业、懂战略、懂经营指标，判断客户到底为什么要做这件事。
产品专家
把工作变成用户真正能用的流程和产品，而不是一个技术演示。
开发专家
系统集成、代码、部署、权限、稳定性，真正把东西做出来。
产品开发专家
在产品设计和工程实现之间复合，把想法完整变成可用的成果。
不是四个互不相干的职位，而是能够协作、叠加的能力画像。
再用 L1 到 L3 标注能力层级（这是源子内部的实践划分，不是行业统一标准）：
升级的本质不是名片上多一个头衔，而是能承担的问题越来越复杂。
这套体系的意义，是让 FDE 从一种依赖个人天赋的模糊能力，变成一套可训练、可评估、可复制的方法 —— 让 AI 落地从「碰运气」，变成可重复的结果。
踩过两年的坑，我们进一步把实战经验拆解成了一套可复制、可训练的能力体系：FDE 全能力地图，包含 5 个能力域、11 个维度、33 项原子能力，覆盖从业务还原、方案探索到工程交付、组织复用的全链路。
把业务看清楚、把方案做出来，再让它真正进入工作。
普通人上手 AI 落地，不用从零变成技术专家，先从最核心的 7 项基础能力练起就够了：
当天下午 Workshop，每个人从 F08—F14 开始动手练。
我们常提「能力底色」：不是每个人都要重新活成技术人。大模型出现前你练出来的核心职业能力，就是你做 AI 落地的基础。有产品、咨询、技术背景的人，补业务还原和价值判断；有行业深耕经验的人，先把脑子里的规则外化出来。先看清自己的底色，再用真实作品把能力一项项验证出来。
有边界，AI 才能走得更远
越是深入业务核心，越需要敬畏；越依赖智能，越需要责任。在所有项目里，我们始终守住三条边界：
需求边界
不夸大 AI 的能力，能解决什么、不能解决什么，提前讲清楚。演示只是开始，不是结论。
价值边界
所有投入都要对应可验证的业务结果，不做为了 AI 而 AI 的项目。演示再惊艳，不能对经营结果产生实质影响，就不值得优先投入。
责任边界
AI 可以生成方案、整理证据，但核心判断、最终责任一定在人。所有过程可追溯，所有结果可核验。
AI 出方案、人来签字：每一条建议都可以被拒绝，每一个决定都能回溯，出了问题始终有人承担。把证据讲到它真正支持的程度，本身就是专业的一部分。
中国版 FDE 的五个核心支柱
FDE 的概念因海外公司被行业熟知，但直接照搬「全能前线工程师」的设定，在中国企业的真实场景里往往水土不服。那些模板诞生于流程规范、体系完备的超大型公司，而中国大量企业的真实处境是：问题模糊、核心知识装在老板脑子里、工作散落在 Excel 和微信里、组织尚未准备好。FDE 需要先在这片土壤里，长出自己的样子。