01先判断
AI 场景诊断与快速验证
从一个具体流程开始,梳理现状、数据、收益和风险,用一个小型原型验证它是否值得继续投入。
了解服务核心成员直接负责,一次做深一个业务流程。
我们采用前线部署工程师(FDE)的工作方式:直接理解业务、动手实现,再根据真实使用反馈持续改进。
梳理输入、操作和例外,选定优先解决的环节。
用真实样例试原型,记录错误与人工修改。
根据运行记录和使用反馈调整流程。
交接源码、文档与维护方法,明确后续责任。

AI 加快了编码,却没有替团队决定需求、承担上线责任。从 Anthropic 七人团队的工程复盘出发,结合询盘整理的例子,讨论小团队怎样控制需求范围、保留系统校验、验证结果,以及处理发布后的问题。

客户在邮件里提需求,在群里补附件,又打电话改数量,这件事最终由谁跟进?从巴克莱的邮件处理案例出发,结合国内企业的协作方式,讨论如何整理零散消息、避免重复建单,并让请求进入现有业务系统。

有企业一年上线几百个智能体,却答不出哪些真创造了价值。这篇把 Gartner、Liferay、CSA、IDC 与网信办的八组公开数据整理成一张对照表,讲清每组数字能回答什么,并给出可以照着填的八行字段、填法与三条自律原则。