洞察
把 AI 接进真实业务的工程笔记
关于 FDE、AI 落地、验收标准与项目失败原因的实务文章。每篇都标注了参考来源，不写无法验证的结论。
- 决策约 8 分钟
FDE 项目怎么验收？一份可执行的验收标准清单
验收扯皮几乎都源于同一件事：标准到交付当天才开始谈。本文给出三个结构性原因、三组可执行的验收标准清单、验收会的签字机制、一页纸记录模板和八条失败信号。
- 实践约 8 分钟
FDE 进现场前必须谈妥的数据与合规问题（8 件事与合同条款）
数据访问范围、是否出内网、能否用于训练、产出物归属、交接设计、审计留痕、销毁退出、分包管理 —— 这八件事必须在开工前写进合同。本文给出可直接抄用的条款表述，以及 IT 与业务部门谈不拢时怎么办。
- 决策约 7 分钟
FDE 的 ROI 怎么算？一个可落地的测算框架
AI 项目的 ROI 不能只算省了多少人力。本文给出四笔账框架（直接成本、隐性成本、风险成本、复用收益）、该算与不该算的指标、一个示意性测算示例，以及什么时候不该做。
- 概念约 7 分钟
FDE 和外包到底有什么区别？一条分界线讲清楚
FDE 与外包的区别不在是否驻场，而在项目结束后留下了什么。本文给出可操作的三层判断标准、采购方可以直接用的提问清单，以及什么情况下你其实只需要外包。
- 决策约 9 分钟
怎么判断一家 FDE 服务商靠不靠谱：一份买方尽调清单
一份可以直接拿去用的 FDE 服务商尽调清单：需求侧自检、供应商真伪验证、交接设计、合同条款、以及该在什么时候喊停。每条都说明"为什么问这个"。
- 概念约 7 分钟
FDE 是什么？前沿部署工程师完整指南（2026）
FDE（Forward Deployed Engineer）指被派驻到客户现场的工程师，负责把 AI 能力接进企业真实业务系统，并把现场经验沉淀为可复用资产。本文讲清它的定义、起源、与外包和咨询的区别、岗位真实数据，以及企业什么时候需要它。
- 决策约 9 分钟
企业什么时候真的需要一个 FDE？信号清单与自检框架
需求模糊、横跨多个存量系统、已经试过一轮没落地，这三种情况才值得引入 FDE；需求标准化、能写清需求文档、只要长期执行人力时不要。本文给出两组信号清单、一份开会可用的自检问题、三条替代路径和算账框架。
- 实践约 8 分钟
为什么 60% 的企业 AI 试点停在 Demo？9 个失败模式
失败点几乎都在模型之外：系统对接、权限、数据质量、流程改造与组织配合。本文给出 9 个失败模式的现象、根本原因、早期信号与应对，一份立项前的反面清单，以及让一线员工愿意用的做法。
文章解决不了你那个具体问题
把你现在卡住的地方讲一遍。我们会判断能不能做、值不值得做 —— 包括告诉你现在不该做。