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。
相关文档
FDE 已死！从 FDE 到 FDU：重新定义 AI 交付
文章指出企业级 AI 落地陷入困境：85% 高管计划增加 AI 支出，但仅 22% 实现规模化，平均 ROI 仅 17%，并出现“加速鞭打效应”——个人产出提升但工程质量恶化。作者认为单兵 FDE 模式已死，IBM 推出的 FDU（前线部署单元）才是新范式：以“人类在两端、智能体在中间”的拓扑，用 6 人加 10-30 个数字员工替代传统 30 人团队，通过 Procedure Eater、RAD 方法论和数字员工认证体系实现工业化交付，并重构商业模式，从人力套利转向技术套利。
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。
FDE 做 AI 落地的两条路：外部接单 vs 内部推进
文章分析了 FDE（前沿部署工程师）做企业 AI 落地的两条路径：外部接项目单干和公司内部推进。外部路线的死穴是商业闭环，需要找销售合作、分层报价、守住交付边界、结项算清回款/成本/结余三笔账；内部路线的死穴是权责分配，类似当年推 BIM 的困境，AI 落地本质是重构权力和利益。作者提出三条通用原则：不吹全自动裁员的牛、选自带数据的业务环节、内部做事必须有业务负责人担责。核心观点是技术只是起点，外部能收到钱、内部有人接盘才叫真正落地。
东南亚现场交付项目对我做 FDE 方式的影响
作者复盘了一个东南亚现场交付项目：客户区域仓储运输成本高，方案要统一数据并逐步纳入调度系统，但推进时遇到持续阻力。现场调研后发现项目本质是利益关系调整，部分资源受当地地下势力影响，技术团队看到的是流程低效，现场的人看到的却是权力重新分配。作者调整策略：先做不改变资源归属但带来实际收益的功能，调度只给建议不强制，从人工拒绝中获取隐性规则数据。最终项目虽延期但上线稳定。作者总结 FDE 的核心能力包括看懂组织真实的权力与利益结构，很多项目风险早在写代码之前就已存在。
深度拆解 | FDE小团队是如何搭建项目管理Agent的？
文章复盘了FDE小团队在飞书上搭建项目管理Agent（马斯克）的完整工作流。针对传统项目管理工具维护成本高、录入摩擦大等痛点，作者构建了从通话自动录音、语音转写、专有名词纠错、说话人识别、多项目拆分，到写入统一飞书多维表格、任务分派给专业Agent、结果回收与状态更新的完整链路。核心法则是聊天负责产生信息，表格负责确认现在，项目状态以多维表为唯一法定落点，含暂停与结项闭环。文章还讨论了Token成本、检索优化及最小可用版本的搭建策略。
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。
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。
从0到1入门FDE系列（二）：如何寻找并拿下第一个客户
本文探讨了AI落地工程师（FDE）如何获取并推进第一个客户项目。作者指出，找客户不应从技术栈出发，而要去寻找正在付出代价的业务环节。在与客户初次沟通时，应聚焦真实的业务流程和样本，避免盲目承诺。通过把合作拆解成低成本诊断、利用AI进行沟通预演以及制定有条件的谈判策略，FDE能有效推动项目落地，最终实现从模糊兴趣到真实投入的转化。
从 0 到 1 入门 FDE系列教程（一）：FDE到底需要会什么技能
本文探讨了在AI时代，FDE（全栈交付工程师）如何整合业务咨询、算法、工程与交付等多个职能。作者结合自身转型经验，指出FDE需具备业务洞察、客户筛选、沟通落地及端到端技术工程能力。文章系统梳理了从需求收窄、RAG治理、Agent权限控制到部署压测、生产发布及最终知识转移的完整闭环，强调技术落地必须与组织采用相融合，为AI企业级落地提供了实操指南。
FDE的第一单，别从写Prompt开始
本文探讨了企业AI项目落地的FDE（Foundation Deployment Engineer）模式。作者指出，AI项目不应一上来就写Prompt或搭Agent，而应遵循“业务理解-协作搭建-真实数据评估-业务结果验证”的闭环。文章详细拆解了FDE的团队协作阵型（Echo、Delta、FDPM）、绩效考核标准及个人能力成长路径。强调FDE的核心是将工程能力带入模糊的现场需求，用业务指标验证AI价值，并呼吁从业者从熟悉的行业切入，完成最小价值的业务闭环。
FDE模式行业观察与实践：第一单更重，为何反而能规模化？
本文深入探讨了AI企业交付的FDE（Field Deployment Engineering）模式。FDE虽首单成本高昂，但通过将现场经验沉淀为Skill、模板和连接器等可复用资产，能显著降低后续同类客户的交付成本，打破传统外包模式困境。文章将FDE能力拆解为定义问题的Echo和负责落地的Delta，并提出“双向蒸馏”机制。以Palantir为例，指出国内团队应遵循“先做Skill，再逼近本体”的现实路径，通过构建持续的反馈链，将一次性交付转化为组织能力，最终实现规模化复利。