一个百万级的FDE项目，到底在交付什么？
作者通过拆解一个百万级FDE（前端部署工程师）交付项目，介绍企业AI落地的方法论：分四个阶段（诊断问题、小范围试点、工程化、验收交接）逐步落地，并在每阶段前明确交付边界，写清做什么、不做什么及前提条件。项目为集团办公场景解决资料检索、会议纪要、公文与PPT生成等需求，采用模型网关集中管理AI调用，检索使用轻量BM25。作者强调验收要验证最终文件的实际可用性，并从交付账与业务账两个角度分析百万级订单的价值构成。
全部文档 / 标签: 企业AI落地
7 篇
和深圳一位服务过四五十家企业的FDE从业者深度对谈：FDE行业的真实面貌是什么？
作者与一位深圳的企业AI落地创业者深度对话，探讨FDE（前线部署工程师）行业的真实面貌。该团队已服务四五十家企业，以跨境电商客户为主。文章指出企业AI应用需求兴起，但通用Agent越强，单纯开发Agent的价值越需重新评估；企业需求难以标准化，但方法论可以沉淀。落地难点包括运维负担重、企业数据基础薄弱、内部组织阻力大、验收标准难对齐。FDE服务往往走向长期合作，从业者需筛选客户、区分短期功能与长期合作，用培训和咨询补充现金流。
拆完 Palantir 的本体论，我发现国内 99% 的 FDE 都是扯淡
作者批评国内许多自称 FDE（前台部署工程师）的人只是换了名字的售前、实施或驻场外包，没有真正的企业 AI 交付能力。文章分析了 AI Native 的本质：AI 进入具体工作流程并执行可审计的业务动作。详细解读了 Palantir 本体论（Ontology）——将对象、属性、关系、动作和权限构建成可操作的企业地图，强调只有名词没有动词不算本体论落地。通过发票争议、消费品公司替代原料等案例说明'五天交付'的真实含义是窄闭环验证而非全公司改造，并反推出一套 FDE SOP，指出 FDE 背后需要平台、产品、安全和业务的完整支撑，而非一个人单打独斗。
万字实战｜FDE 经验分享：小团队如何跑通企业 AI 服务第一单
本文面向准备做企业 AI 服务的小团队（3-5 人），系统分享 FDE（前沿部署工程师）交付模式的实战经验。文章强调企业购买的是工作流结果而非 AI 功能，拆解了从获客筛选、需求访谈、付费诊断、报价结构、SOW 撰写到交付验收的完整流程。作者提出不应做免费 POC，而应按诊断、试点、生产部署、持续运营四层服务阶梯推进，并给出客户筛选表、报价表、验收指标等可复用模板，帮助小团队跑通第一笔可验收、可复用的企业 AI 项目。
国际化视角里的 AI 未来：为什么 AIBP 是更应该去做的岗位方向
本文对比中美 AI 岗位招聘差异，提出 AI Business Partner（AIBP）是未来几年最值得普通人押注的职能方向。作者分析指出，企业 AI 落地的瓶颈不在技术而在变革管理、数据质量和流程重构，AIBP 作为嵌入业务线的第三种 BP，能弥合业务与技术的结构性张力。文章将其与提示词工程师、FDE、AI 产品经理、管理咨询顾问和培训岗逐一区分，拆解了岗位的三层结构（工作流、能力、人），并给出九十天检验标准和五类适合转型的背景，其中商务拓展是最被低估的入口。
比中转站更赚钱的生意：AI 培训
文章认为 AI 最赚钱的生意已从中转站转向企业 AI 培训。培训可赚五种钱：通识课、定制课、场景诊断、人才培养和项目交付服务。作者提出企业 AI 落地的五个阶段（知道、用上、会用、用好、组织提效），强调好培训必须是实操课，并主张培养懂业务的老员工而非只招懂 AI 的新人，把经验转译为知识库、规则和评测集。完整的培训体系涵盖管理层决策课、全员实操、岗位工作坊、知识转译、业务 AI 负责人培养和交付运营训练，同时需提前定好交付边界。
我们凭什么要学 AI，把自己的经验提炼出来，然后全都交给公司？
文章探讨了企业 AI 落地中的核心矛盾：员工学会 AI、提升效率后，收益归公司，风险归个人，因此抵触是理性选择。作者指出老板应自己深度使用 AI，与一线员工一起跑通真实业务场景，并优先激励离收入近的岗位，同时不应裁掉最先做出提效成果的懂业务员工，否则员工会把方法藏起来。企业转型前必须先回答员工心中的问题：用好了 AI，我会更值钱，还是先被替代？
