FDE 政企 AI 业务交付落地实战训练营
Abraham Cheng 查看讲师
百林哲咨询(北京)有限公司专家团队成员
资深讲师和技术顾问。曾在交大南洋、微创软件和微软(中国)有限公司任职,先后从事技术培训讲师,售后技术支持工程师和解决方案专家等职位。
浏览:462次
详情 DETAILS

课程简介

生成式AI时代,FDE可以用需求挖掘防止第一枪打偏,用真实数据Demo在投入前证伪假设,用端到端基线把价值从“模型指标”翻译成“业务指标”,最后把每一次现场交付的经验沉淀为可复用的工程能力。它交付的不是一个Agent或一套系统,而是一条“问题可定义、结果可验证、能力可复制”的价值闭环。也是政企AI从“能演示”走向“能运营”所缺失的那一环。

 

FDE(前沿部署工程师)的真实工作模式,是在政企AI“最后一公里”的复杂土壤里,把“模型能力”翻译成“业务结果”,再把“单点结果”沉淀为“可复制能力”。它的核心不在于做出更漂亮的Demo,而在于让AI在真实的生产约束下稳定运行,并且每一单交付都能被追溯到可衡量的业务变化。

 

本课程通篇以 FDE 的真实工作模式,双视角验收、交叉审查、面向决策层汇报贯穿,帮助企业培养复合型人才,让学员能听懂业务方的真实需求、能快速做出可演示的 AI 原型、能把原型工程化并私有化部署到生产环境。围绕 AI 需求挖掘 → AI Demo 生成与工程化 → 价值量化与项目交付三大模块,全程以真实政企行业项目驱动。场景实践包含:市民诉求智能分类器 , 用 AI 施工,2 小时从零搭建可运行分类原型;政策法规知识库问答,搭建带来源引用的 RAG 知识问答应用;工单智能分级路由, 构建能自主决策调工具的业务 Agent。最后,使用双视角验收、能力回注、客户汇报的完整闭环,完成全团队项目总结。

 

课程收益

1、学习应用结构化诊断方法(三层需求模型、四类失败模式、ROI 概念)从模糊的客户需求中识别隐藏风险,拆出可施工的子场景,产出《解决方案框架》;

2、学习应用业务语言(150 字以内、禁用技术词)向非技术决策者汇报方案,让客户听得懂、能拿去汇报;

3、用自然语言驱动开源 Coding Agent(opencode)快速搭建文本分类、知识问答(RAG)、智能体(Agent)三类 AI 应用,掌握"先写规格再动手"的 SPEC 驱动开发纪律;

4、根据业务场景在提示词、RAG、微调、Agent 四层能力中选对技术路线,区分各自适用边界——什么时候用 RAG 而不是微调、什么时候该上 Agent 而不是简单分类器;

5、理解 Agent 的决策循环本质,掌握自动化与人工的边界判断力,用 LangGraph 构建分级路由 Agent,敏感件零漏判;

6、掌握基于国内开源大模型的私有化部署方法(Ollama/vLLM),满足政企数据不出域的硬约束(公网验证→本地回填);

7、学会 AI 项目的 ROI 量化五步法与变革推动策略,让系统"用得起来、留得下来";

8、掌握能力回注方法论(四步法 + 优先级矩阵),理解"碎石路→铺装公路",能从项目定制沉淀平台能力。

受众人群

业务侧人员、需求方、项目发起人;产品、运营、技术骨干;项目负责人、交付骨干、架构师等,对于FDE业务价值感兴趣的人群。

课程周期

 3天(18H)

课程大纲

章节

授课内容

一、AI 需求挖掘(.Echo 需求调研: 扮演部署策略师,穿透需求、拆场景、出方案框架)

1. FDE 角色定位与 AI 项目落地全景

1)FDE 起源与核心理念:"工程师去见世面,而不是让客户来理解代码";标杆案例(NHS、Airbus)

2) FDE 团队分工:Echo(部署策略师,挖需求)/ Delta(工程落地,写代码)/ Baseline(基础设施)

3)AI 项目为什么失败:四类失败模式(数据不可用 / 业务不配合 / 合规卡住 / ROI 说不清)与四个百亿级案例复盘

4)AI 项目四阶段全生命周期:售前诊断 → 工程集成 → 上线交付 → 持续运营

5)ROI 初步概念:三种 ROI 类型(效率/质量/收入),"客户买的不是 AI,是结果"

6)能力回注认知:FDE 与外包的本质区别——对"下一个项目怎么更快"负责

2、需求诊断方法论

1)需求诊断 vs 需求收集:客户说的是解法,不是问题

2)三层需求模型:表述需求 → 业务痛点 → 核心问题

3)5Why 根因分析法:如何判断"追问够深",及三个常见陷阱

3、PoC 四要素与汇报

1)验证什么、用什么数据、成功标准、时间与资源边界

2)价值对齐:业务负责人的书面确认

3)业务语言汇报:150 字以内,禁用技术词,让非技术决策者听懂

4、【实战一】Echo 需求调研:需求调研与解决方案框架(2h,小组协作,头脑风暴)

1)做什么:扮演 Echo(部署策略师),从一句模糊需求穿透到真实问题,拆子场景、选技术路线,产出解决方案框架。

2)怎么做:定位分工→独立判断→脑暴挖风险(四类失败模式)→脑暴理干系人(四层决策链)→脑暴拆场景选型(能力金字塔+快赢原则)→全业务语言汇报。

3)工具与方法:组内头脑风暴(不用 AI),白板 + 便签;脚手架为四类失败模式、四层决策链、LLM 能力金字塔。

4)核心收获:穿透客户表层需求,拆出可施工的子场景,用业务语言向非技术决策者汇报。产出《解决方案框架》= 实操二三四的施工图。

二、AI Demo 生成与工程化

1、AI 能力体系与技术选型

2、LLM 四层级金字塔:提示词 → RAG → 微调 → Agent

1)"从最简单开始"原则:能用提示词不上 RAG,能用 RAG 不微调

2)大模型选型三问框架:任务复杂度 / 数据敏感度 / 部署约束

3、Vibe Coding 工作法

1)AI 原生开发范式:从"手敲代码"转向"描述需求 + 审查判断"

2)开源 Coding Agent(opencode)实操;Vibe Coding 五原则

3)Sprint 工作闭环:Think → Plan → Build → Review → Test → Ship → Reflect

4、提示词工程与文本分类

1)提示词五要素(角色 / 任务 / 格式 / 约束 / 示例)的设计思维

2)评估体系设计:为什么准确率不够(类别不均衡、混淆矩阵、业务代价加权)

3)【实战二】市民诉求智能分类器(2h,个人实操)

A做什么:用 AI 在 2 小时内搭建准确率 ≥85% 的政企诉求五分类系统,并附带 Streamlit Web 验证面板。

B怎么做:需求诊断→审阅→规格生成→opencode 驱动代码生成→审查→混淆矩阵迭代→发布→复盘,gstack 八环节贯穿全程。

C工具与方法:采用 SPEC 驱动开发,构建阶段直接按 SPEC 实现,并配合 DeepSeek 生成代码与 Streamlit 验证效果。

D核心收获:掌握 AI 原生开发闭环——用自然语言驱动 AI 并审查产出,建立"先写规格再动手"的工程纪律。

5、RAG 知识问答

1)RAG 核心思想("开卷考试")与架构决策:何时用 RAG

2)文档解析、分块策略、Embedding 与向量库选型

3)【实战三】RAG 政企知识库问答系统(3h,个人实操 + 讲师点拨)

A做什么:搭建政企知识库问答系统,员工自然语言提问后从文档中检索内容,生成带来源引用的精确回答。

B怎么做:文档读取→分块→向量化→Chroma 存储→top-3 语义检索→LLM 生成并标注来源,并演练增量重建索引与排查预埋 Bug。

C工具与方法:采用 LlamaIndex 编排与 Chroma 向量库,配合 bge-m3 与 DeepSeek,并结合 RAG/微调/关键词搜索的选型框架及四层排查法。

D核心收获:理解 RAG 核心链路与适用边界,能区分 RAG、微调、关键词搜索各自场景,掌握"答案可追溯"的交付标准。

6、Agent 系统设计

1) Agent 适用边界:何时用 Agent vs 单次 LLM vs RAG

2)六种 Agentic 设计模式(Prompt Chaining / Routing / 并行 / 编排 等)

3)工具设计与 Agent 安全(Guardrails、权限最小化)

7、【实战四】工单智能分级路由(2h,个人实操 + 讲师讲解)

1)做什么:用 Agent 实现工单智能分级路由(咨询→自动答复 / 跨部门→深度处理 / 敏感→转人工),贴标签后继续决策调用工具,区别于只贴标签的分类器。

2)怎么做:用 LangGraph 构建 analyze / quick_reply / deep_process / escalate 四个节点与条件边,验证三路分流全部走通,敏感件零漏判。

3)工具与方法:采用 LangGraph + Router + Tool Use,并以 MCP 标准化接口使 mock 可升级为真实连接;三档定义用动作导向,敏感件宁多升级不可漏。

4)核心收获:理解 Agent 决策循环本质,掌握自动化与人工的边界判断力——即 FDE 方案设计的业务决策核心而非技术选型。

8、私有化部署与领域适配

1)基于国内开源大模型的本地部署(Ollama / vLLM)、量化技术、硬件选型

2)私有化交付流程与数据不出域方案(政企硬约束,公网验证→本地回填)

3)微调入门(LoRA / QLoRA):让模型学会领域知识

三、价值量化与项目交付

 

1、价值量化与上线落地

1)ROI 对话五步算法:与客户共同确认假设、锁定口径

2)AI 项目阻力三来源与变革推动策略

3)"没人用"三步快速诊断:门槛 → 动机 → 信任

2、能力回注方法论

1)能力回注四步法:识别 → 抽象 → 集成 → 验证

2)核心隐喻:碎石路(客户定制)→ 铺装公路(平台标准模块)

3)优先级评估矩阵:通用性 × 成本 → P0/P1/P2

3、双视角验收

1)Echo 视角:需求满足了吗(对照方案框架,验收达标 ≠ 需求满足)

2)Delta 视角:能上生产吗(MVP ≠ 生产可用,规模/边界/运维三层)

3)数据出域交代:公网验证→本地回填的工程决策

4、【实战五】全团队项目总结:双视角验收 + 能力回注 + 客户汇报(2h,分组对抗 + 讲演)

1)做什么:Delta + Echo 全团队协作,双视角验收(需求满足了吗 / 能上生产吗),能力回注(哪些碎石路能铺成公路),并产出客户汇报稿做决策层汇报。

2)怎么做:脑暴一双视角回顾→脑暴二能力回注(碎石路/能铺路 + 优先级)→脑暴三客户汇报(两套话术)→每组 5 分钟讲演收尾。

3)工具与方法:组内头脑风暴(不用 AI);ROI 五步法 + 能力回注四步法 + 优先级矩阵;数据出域交代(公网验证→本地回填)。

4)核心收获:在协作中综合运用三天方法论完成可交付成果,掌握 FDE 团队并行协作、交叉审查、面向决策层汇报的真实工作模式,并完成从"项目定制"到"平台能力"的能力回注。

四、贯穿主线:真实政企项目实战


三大模块不使用"教学玩具项目",以真实政企行业场景作为统一实战载体,Mini 小组全程在同一真实项目上推进。


1、模块:小组在真实项目上的产出

2、模块一 需求挖掘 需求诊断 + 《解决方案框架》(三场景 + 选型 + 优先级)

3、模块二 Demo 生成与工程化 三个可运行的 AI 原型(分类 / RAG / Agent)+ 私有化方案

4、模块三 价值量化与交付 双视角验收 + 能力回注总结 + 客户汇报方案

企业服务热线:400-106-2080
电话:18519192882
投诉建议邮箱:venus@bailinzhe.com
合作邮箱:service@bailinzhe.com
总部地址:
北京市-丰台区-汽车博物馆东路6号3号楼1单元902-B73(园区)
全国客户服务中心:
天津市-南开区-桂苑路15号鑫茂集团鑫茂军民园1号楼A座802-803
公众号
百林哲咨询(北京)有限公司 京ICP备2022035414号-1