选准业务问题
不是先决定要上几个 Agent，而是明确谁会使用结果、现在如何完成、为什么值得改。
拆解目标、资源约束与当前基线，选一个价值清楚且材料可得的场景。
带走的产物机会与范围卡
一起完成的工作
业务负责人说明目标，提供现有样本。
怎样判断这一步有用首份产出的使用者、用途和评价方式明确。
FDE 学院 · 对应课程W01 / FDE 职责与项目判断 THE FDE PROCESS / FIELD TO CAPABILITY
从一个业务问题，
走到持续可用的能力。
FDE 是深入业务现场的工程交付：理解工作中的判断，接通专业方法与工具，用真实任务证明结果，再让有效方法留下来。
下载流程参考版 PDF一个真实任务 → 一套可运行方法 → 一个可复用能力包根据验证反馈迭代，而非机械走完六步
BEFORE BUILDING / 先定目标
把“我们想用 AI”，写成一项可验收的工作。
从耗时、差错、等待或服务质量中选择一个主要问题。目标卡要写到双方能够回答：结果给谁用，改善什么，拿什么证据判断。
教学示例 / 经营周报辅助
- 谁在什么时刻使用
- 运营负责人每周查看各区域的异常，决定本周需要跟进的问题。
- 首期只做什么
- 汇总获准使用的周报材料，核对关键数字并生成有来源的待复核草稿；暂不自动改系统或发给客户。
- 目前怎样完成
- 记录几次现有任务的取数、整理、复核和返工耗时，保留错误样本，形成改进前的基线。
- 怎样算更好
- 双方依据基线约定耗时、准确性、来源覆盖与返工目标。试点前写下阈值、观察周期、复核人和暂停条件。
示例用于说明定目标的方法，不是已完成客户项目，也不预设收益比例。材料、指标或负责人缺失时，先补齐条件或缩小范围。
还原真实工作
沿着一项任务看输入、判断、工具与产出，找到真正依赖经验的地方。
识别事实来源、缺失信息、业务口径、排除规则和常见失误。
带走的产物输入到输出的工作图
一起完成的工作
真实使用者演示一次工作，并解释关键取舍。
怎样判断这一步有用正常路径与例外路径都能被说清。
FDE 学院 · 对应课程W02 / 现场访谈与业务建模 沉淀专业方法
把专家怎样判断，写成能够被调用、被质疑、被检验的方法。
写清输入要求、判断规则、模板、反例与来源；需要复用时再整理为 Skill 等方法模块。
带走的产物工作规则与验证样本
一起完成的工作
业务专家核对判断方法，补充容易出错的样本。
怎样判断这一步有用不只格式正确，新任务也能检验方法是否成立。
FDE 学院 · 对应课程W05 / 业务本体与建议型 Agent 组装完整工作链
按任务选择固定工作流或 Agent：明确每一步的输入、权限、动作和人工确认点。
连接获准的数据与工具，记录关键步骤；为信息缺失、失败和重复请求设置处理方式。
带走的产物可运行工作链与首份样张
一起完成的工作
提供适用的数据与工具访问范围，参与产出审阅。
怎样判断这一步有用产物可用，缺口清楚，不能把草稿当成执行成功。
FDE 学院 · 对应课程W08 / 执行型 Agent 与业务闭环 用真实任务验证
用同一批材料比较质量、时间、返工和成本，不用演示成功代替业务评价。
覆盖正常、异常与失败任务，留出未参与调试的样本；由业务人员复核，并记录质量、完整投入与使用情况。
带走的产物试点评估与改进清单
一起完成的工作
业务人员评价能否使用，并记录实际承接情况。
怎样判断这一步有用有效部分、未达标部分和下一步投入依据明确。
FDE 学院 · 对应课程W07 / Agent 评估与需求变更 让有效改动留下来
将纠错、反馈和适配结果留下来，让下一次任务从更好的起点开始。
交接能力清单、版本、依赖、样例和维护责任；把通用方法与企业专属配置分开。
带走的产物能力资产与维护包
一起完成的工作
确定维护人与下一轮优先改进项。
怎样判断这一步有用团队能独立完成约定操作，知道异常找谁、怎样回退，以及何时重新验证。
FDE 学院 · 对应课程W11 / 交付复盘与产品化沉淀 ACCEPTANCE / 怎样判断可以交付
系统、使用、业务结果，分开验收。
演示成功只是一个起点。系统能否交付、团队能否使用、业务是否改善，需要分别取证；每一层都有通过条件、责任人和未通过时的处理方式。
01 / 系统是否可用与可控
用正常、异常和失败任务核对事实、来源与实际执行结果，并保留未用于调试的任务。验证权限、超时、重复请求、人工接管与回退。
证据：评审样本、测试与运行记录、恢复演练和操作手册。
02 / 团队是否真正用起来
让真实使用者完成约定任务，记录建议是否被采纳、动作是否完成、哪里需要返工。交接后，团队应知道怎样操作，异常时找谁。
证据：试用与采用记录、拒绝原因、用户反馈和交接确认。
03 / 业务是否得到改善
在约定观察周期内，比较含人工复核的总耗时、差错、返工及工具成本，再检查项目约定的结果指标。说明流程、人员或市场等同期变化的影响。
证据：基线与试用对照、使用反馈、负责人确认的结论。
未达到门槛时，可以缩小范围、保留人工复核、补测或停止试点。模型与数据更新后，关键任务应重新检查。
验证方法参考：Anthropic · Agent evaluations · 2026-01-09 · AWS · Agentic AI Lens
WORKING TOGETHER / 企业怎样参与
项目需要的，是几种明确的责任。
不要求每家公司新增一套岗位；一人可以承担多项职责，但每个决定都要有人负责。参与频率与投入在范围确认时约定。
业务负责人
立项时决定优先级与可投入资源；范围变化时做取舍；验收时确认结果是否值得继续。
带来：任务目标、当前做法、决策人与资源约束。
一线使用者与领域专家
演示真实任务，解释例外，评审样本；试用后记录错误、返工和使用阻力。
带来：典型输入、好坏样本、判断规则与反馈。
数据、IT 与相关管理人员
确认数据能否使用、接口与权限怎样开放、哪些动作要审批；上线前共同核对技术条件。
带来：授权范围、系统限制、接入与发布要求。
日常运行与维护负责人
参与交接与故障演练，接手问题处理、版本记录和周期复查，明确何时联系工程支持。
带来：维护安排、异常联系人与后续改进优先级。
FDE 负责把需求、技术实现与验证证据串起来，并把限制讲清楚。业务取舍、数据授权和上线责任由双方事先约定；工程交付不能代替企业作这些决定。
WHAT FIELDWORK TEACHES US
真正费功夫的地方， 也是差异产生的地方。
先把数据含义对齐
同名客户未必是同一主体；累计数据未必能相加。先对齐身份、粒度、时间和口径，再谈自动分析。
留下：业务口径卡与验证样本把“看起来不错”拆开
高潜力不等于高确定性。保留证据、分歧和未知项，才能让业务知道什么可以跟进、什么应该核实。
留下：判断规则与证据索引验证完整工作，不只看演示
生成成功不代表发出、被采用或解决了问题。要算上人工修正、等待、工具成本和真实使用。
留下：对照结果与改进清单THE COMPOUNDING OUTPUT
这次解决问题， 下次不再重新解释一遍。
01
业务产物
简报、清单、草稿、分析与建议
02
方法资产
Skill、模板、反例与评价样本
03
工作能力
岗位 Agent、工具配置与工作入口
04
维护约定
来源、依赖、版本与负责人
可复用的通用方法，与企业专属数据、配置及商业信息分别管理；复用不等于带走或公开客户资料。
START WITH ONE REAL PROBLEM
带来一个真实问题。
我们把第一步做具体。
不需要先写完整的 AI 战略。一个反复出现的问题、一份现有样本、一位真正会使用结果的人，就能开启有依据的讨论。