FDE 要深入客户的业务现场，搞清楚业务怎么跑，再用自己的 AI 知识，想办法让 AI 接进去为业务赋能。
组建这样的团队，首先要解决的是：谁能和客户一起找到值得交给 AI 的任务，谁能把它做出来，又怎样判断做出来的东西能不能用？
腾讯研究院关于 FDE 的报告发布文章和行业圆桌，提供了几种具体做法。沿着这些实践，可以进一步看看业务判断和 AI 工程怎样配合，以及现场做出来的东西，怎样服务更多客户。
《FDE 模式行业观察与实践》报告封面。
业务判断和 AI 实现，要在客户现场接上
腾讯研究院用 Echo 和 Delta 区分两类能力：Echo 判断业务上该做什么，Delta 负责工程实现。在它介绍的传媒实践中，腾讯云与软件服务伙伴合作，一人讲行业案例，一人现场用平台工具搭原型。
我觉得这里最有用的是“现场搭”。
客户说希望提高效率，工程师可以拿出一个可操作的东西，让客户指出哪些地方符合实际、哪些地方想简单了。熟悉行业的人帮助大家找到值得尝试的任务，懂 AI 的人则把想法做成可以检验的方案。
这时，业务判断和技术判断会碰到一起。某一步看起来重复，实际需要老员工凭经验判断；某个输出看起来完整，业务人员却发现少了一项决定后续操作的信息。客户对原型的反馈，会继续改变工程师的实现。
因此，我们可以把腾讯的 Echo 和 Delta 看作组队时要覆盖的两类能力。团队可以由不同的人分别承担，也可以由一个熟悉行业的工程师兼顾，关键是能围绕同一项客户任务来回验证。
腾讯研究院的圆桌也呈现了具体分工的差异。Cresta 的钟钱杰介绍，他们有专门的架构师处理旧电话系统的集成，FDE 可以更集中地解决 AI Agent 的幻觉、延迟和对话体验问题。
腾讯研究院 FDE 圆桌，讨论嘉宾包括钟钱杰与陆骁鹏。
这对建团队有一个很实际的提醒：**要给 AI 工程判断留出位置。**客户需要这支团队回答，模型为什么在这类任务上出错，补充业务资料有没有帮助，工具调用该放在哪一步，怎样测试才能发现问题。
如果准备招聘 FDE，可以先问 FDE，如果要做一个AI 赋能，需要先向业务人员了解什么，准备让 AI 做哪一步，用什么办法验证。看他怎样把行业信息变成技术决定，比单独问他会多少种 AI 工具更有帮助。
把客户的业务经验，变成 AI 能执行的东西
腾讯研究院介绍的教育实践，采用了工作营陪跑的方式：围绕教师的真实任务，从选择场景、拆解流程，到搭建应用、进入课堂验证。
这段过程里，重点是教师参与验证。
工程师可以判断模型是否按要求输出，教师则要结合教学任务，判断输出是否适用。哪些内容可以直接使用，哪些需要老师改，哪些地方看着像那么回事却不适合课堂，都需要在使用中发现。
FDE 的 AI 水平，应该用在处理这些差距上。业务人员指出问题后，工程师要判断：是缺少必要资料，是任务拆分不合适，还是这一部分应当保留人工判断。改完再拿回真实任务里试。
这个过程中，业务人员原本凭经验处理的事情，会逐渐变成明确的输入要求、判断条件和操作步骤。
腾讯研究院的圆桌里，Ventus AI 的陆骁鹏谈到，他们会把散落在客户员工脑中的经验整理出来，转化为知识库、Skill，并纳入自动化流程。这里的 Skill，可以理解为供 AI 调用的一套任务做法。
沿着这个思路理解“复用”，就容易具体一些。
例如，要让 AI 接手一项业务，团队需要说清楚：处理之前必须知道哪些信息，按什么规则作判断，可以调用哪些系统，遇到什么情况交给人。如果这些内容已经在客户的实际工作中验证过，就可以继续用来指导 AI 执行，也可以成为检查 AI 有没有做对的依据。
复用到另一家客户时，工程师仍要重新核对业务条件。同行业的两家公司，审批权限、使用的系统、允许 AI 执行的动作，都可能不同。
腾讯的教育案例还说：发布文章介绍，工作营中形成的教育专属能力，进一步孵化出了 LearnBuddy 行业产品。
LearnBuddy 的学习空间，可见课程生成入口与课程列表。
从这条路径看，FDE 与产品的联系就是教师在使用中暴露问题，工程师把问题解决，经过验证的能力再进入产品。下一次面对相近任务，就有了一部分已经能用的基础。
腾讯的规模化思路：原厂打样、伙伴复制、客户自助
腾讯研究院将腾讯云的这条实践路径概括为：原厂先做样板并积累能力，伙伴承担复制和本地服务，客户在陪跑中逐步形成自助能力。
把它放回前面的案例里，就能看到不同参与者各自提供了什么。
平台方熟悉模型、工具和产品，可以和客户一起探索某类业务任务怎样交给 AI。熟悉行业的伙伴，再把已经验证过的能力带到具体客户那里，处理当地的业务流程、系统条件和使用习惯。客户自己的业务人员则参与试用和调整，逐渐掌握应用的使用方法。
伙伴需要拿到可运行的能力，以及适用条件和验证办法。客户则需要能处理自己工作中经常发生的调整，比如更新业务资料、修改任务要求，再检查 AI 的输出。做到这些，已经成熟的场景才有条件由更多人继续推进。
LearnBuddy 官网展示的专家智能体构建界面。
腾讯研究院圆桌中的一个做法，可以帮助理解这种自助。钟钱杰介绍，Cresta 正在把团队积累的工具和任务做法组合起来，让客户表达想完成的事情，再由 AI 工作流调用这些能力尝试实现。
这里既需要前线的经验，也需要产品把使用难度降下来。原来必须由工程师逐项操作的部分，如果已经能够交给工具执行，客户就能在自己的业务里继续尝试；碰到新的模型问题、复杂流程或产品缺口，再由 FDE 深入处理。
回到“团队怎么建”，我会先找一项客户确实想改善的工作，让懂业务的人和懂 AI 的人一起把它做通。团队需要拿得出具体答案：AI 接手了哪一步，业务人员怎样判断它做得对，使用中出现的问题又怎样解决。
以上就是这次的侦察。
如果对你有用，顺手点个赞 +「♥️」。
想第一时间收到前线情报，关注「硅基斥候S01」。我们，下次侦察见。
