先找到问题，再谈方案。
行业 → 企业 → 场景 → FDE，四级下钻全部来自站上真实案例。沿着这条线走完，你知道一个现场从哪开始、谁来做、靠什么撑住。
先找到问题，再谈方案
从行业一路收到一家企业、一个场景——四层全部来自站上真实案例，不是示意图。
内部把 FDE 当成高级售后，招人 JD 照抄售前，来的人干两个月就走。
用自家正在跑的三个现场当教材，画出责任边界，把 JD 从「会用 AI」改成「对结果负责」。
工艺参数散在机器、纸质记录和老师傅的脑子里，出了事没人能复盘到根因。
先把三条产线的参数接进来，做一个带权限的检索与复盘助手，让每次故障都留痕。
六条线并行，工程师被拆成六份，谁都到不了现场，谁都做不深。
先把可复用的部分抽成模块，再用一套调度把人的时间排开，看多大比例能回流成产品。
上一个供应商做了一年的智能选品，演示很漂亮，上线后没人打开，成了 PPT 项目。
先不碰选品，只做「下周订货会要用的一页纸」，把决策链上六个人各自要什么画出来。
内容团队用 AI 生成种草文案，产出翻倍但转化没动，没人知道问题出在哪。
把采用度拆成生成、采用、发布、转化四级漏斗，任何一级掉下去就预警。
HR 给的 JD 要求精通大模型，来的人没有一个愿意长期待在门店。
把岗位拆成四张面孔、给出内部转岗路径，第一批从门店店长和区域运营里选。
进生产第二周就出了错，一条错的推荐发给了一万名用户。
把从演示到生产的硬骨头逐条列出来，写清灰度节奏与保险丝，重新走了两周。
合同里写的是「提供 AI 能力」，没人定义验收标准，双方对「交付完成」的理解相差三个月。
把结果拆成可计量的三个台阶，重签一份只写数字的附件，把「AI 能力」换成「日均处理量」。
客户自己想复制到别的部门，但没人会讲这套东西是怎么做出来的。
一次交付里带出两个客户方的人，把方法做成可照着讲的材料，让客户自己去复制。
精算、核保、客服三个部门各有各的期待，任何一个都能否决整个项目。
先把「结果」写成一条可验收的线——核保平均时长从两天到四小时——再倒推。
每次都要外部团队驻场，知识留在外面，客户觉得这不是自己的能力。
边做边留下一份六个月的培养清单，把这次现场拆成课，让客户的人照着走。
医学部想看能不能自动盯竞品临床进展，但他们说不清这值多少钱。
当场连上公开的临床试验库做一个能跑的演示，一页纸写下省了谁的几个小时。
每个新部门都想用，但每接一个都要从头谈一遍价格和边界。
把模块抽象出来、按席位定价，让第二个、第三个部门能自己接上。
一百多条功能需求里，找不出「做完之后哪个指标会变」。
从需求书里挑三条能变成数字的，把其余全部标成待定，先立验收线。
想学 FDE？
一个现场，三到五个人
一个现场通常配 3–5 人。前线部署工程师是那个对结果负责的人，其余角色按现场需要增减。
五步，从看不懂到用起来
每一步都有产出物。点开看它在做什么，上面那张图会跟着走到那一步。
-
01进场 现场地图 -
02摸底 数据可得性清单 -
03定义 验收口径 -
04闭环 最小闭环 MVD -
05上线 采用率曲线
-
坐下来看用户怎么做一天的工作——他要的和他说的往往不是一回事。
-
把散在多个系统里的信息、和老师傅脑子里的判断路径摸出来。
-
和客户一起把「做成什么样才算好」写死成可验收的口径，顺手攒一个评测集。
-
先做一个又小又真的入口，让用户第一周就愿意用。
-
把每一次人工判断都留痕，攒成可以回归的评测集；盯着采用率，不是盯着演示效果。
你已走完一个完整的现场。这套走法，换个行业也是这五步。
本体 · 对象 · 关系 · 数据 · Agent
跳过任何一层，Agent 都会变成一个看起来很聪明、但答不到点上的玩具。
同一套方法，四种现场
变的不是方法，是场景。每一行是一个场景从数据源走到结果的完整链。