作者分享了在杭州一家制造业企业落地资金报表自动化流程的完整 FDE 案例。该企业资金部 4 人管理 60 多家银行的 200 多个账户，过去每天靠人工下载流水、手工做 Excel 报表赶在上午 10 点前发给老板。改造后，通过网银直连、数据管理平台和 RPA 三条路径拉取流水，Agent 用 Python 处理核对数据并自动生成报表，每天上午 8 点自动发送，并设计了三层兜底机制。团队 9 天完成交付，新流程与人工并行两周后切换，资金组从每日赶表转为每周复盘。文章还总结了挑选第一条自动化流程的三个条件及第一周可执行的 6 件事。
文章通过梳理FDA及微软、OpenAI、Anthropic、Google等公布的实际案例，证明AI已在医疗领域真实落地：FDA已授权超1600种AI医疗设备，主要应用于医学影像、心脏疾病、糖尿病筛查等。大语言模型也进入医院工作流程，如微软Dragon Copilot服务超10万名临床医生，OpenAI帮助波士顿儿童医院节省6万小时工作时间，Claude助力Banner Health整理病历，Google辅助生成诊疗记录。作者指出需区分三个问题：技术已落地是事实，医疗AI市场正在形成但规模尚小，科技公司的巨额投资回报仍需时间验证。
文章面向 FDE（前沿部署工程师），系统讲解传统企业进行 AI 改造的技术架构。作者梳理了 Model、Agent、Skill、MCP、CLI 五大概念的分层关系与职责，并以请假查询为例展示一次工具调用的完整链路。针对 OA、PLM、MES 等存量老系统，提出三级改造路径：API 封装（首选）、CLI 包装（次选）、RPA 兜底（过渡），并强调凭证透传、审计底账和人机协同确认等安全机制。最后结合整车制造请假系统与商用车 PLM 客户端两个案例说明落地方式，给出从资产盘点、协议标准化到审计闭环的实施步骤。
TypeSafe AI 于 2026 年 9 月发布的 Jev 是一个只做选择题的 AI 模型（单选、打分、是/否），响应 0.07–0.5 秒、输入价格极低、输出免费。作者梳理了官方数据及 Hacker News 上的质疑，指出“Jev 取代大模型”是伪命题，其合理定位是高频、低价地执行小判断。文章按用途分类整理了已真实跑通的案例：为 AI Agent 当决策器、海量数据分类、高低置信度分流混合架构、实时反应界面和仿真实验，并列举了已接入的商业产品。作者还分享了自己四次失败的集成尝试与两轮实测结论，强调概率校准的重要性。
