先判断 FDE 应该负责什么
从业务结果、工作流和责任边界开始，不从模型名词或工具清单开始。
再看 Agent 如何进入真实流程
把数据、权限、人工审核、异常处理和验收证据放进同一个交付问题。
最后把一次交付变成下一次起点
沉淀连接器、评测集、运行记录和产品反馈，而不是重复做一次性项目。
为什么企业 AI 停在 Demo？
模型能力不是瓶颈，落地工程才是。大部分企业的 AI 项目卡在"最后一公里"。
缺工程角色
模型厂商负责模型，业务团队负责需求，中间缺一个把两者接起来的 FDE。
缺交付标准
AI 项目不是"功能完成"就算落地，需要业务指标改善、效果可量化、运维可交接。
缺运维体系
Agent 上线后效果波动、成本失控、日志缺失——没有 FDEOps 就无法持续运营。
FDE 是什么？
FDE（Forward Deployed Engineer）是嵌入客户真实业务环境，负责把 AI 模型或 Agent 接入业务系统、数据流程和生产运营的工程型角色。在 AI 时代，FDE 不只是售前或实施，而是同时承担业务理解、系统集成、原型构建、上线验收和持续反馈的混合角色。
一张图看懂 FDE 交付闭环
FDE 的工作不是把 Demo 做得更像产品，而是把客户上下文、生产控制、用户采用和反馈复用连接起来。Playbook 的每一章都对应这条闭环中的一个决策点。
FDE Playbook：四个生产阶段
从场景诊断到持续运营，每个阶段都要留下可检查的交付物和验收证据。
场景
梳理业务流程、Owner、数据条件和停止信号，先判断是否值得做。
上下文
把业务对象、工具、权限、人工审核和异常路径写成可运行的生产切片。
准入
用真实样本、评测集、日志和回滚方案判断 Agent 是否可以进入生产。
复用
复盘采用和失败模式，把连接器、评测集与运行经验沉淀为下一次能力。
进入生产后还要学什么？FDEOps 的五类记录
FDEOps 不是另一个工具名，而是一种让交付可复盘的工作方式：把需求、测试、验收、日志、成本和效果放在同一个运营回路里。
从哪个问题开始？
不同阶段需要不同的判断。先定位你现在卡在哪里，再选择对应的文章和方法，不必从一份长清单开始。
从现场经验提炼的三个判断
我们不把公开材料当成新闻榜单，而是把其中反复出现的问题，转化成企业可以拿来做决策的工程判断。
阅读与方法
先用 Insights 理清问题，再用 Playbooks 把判断变成项目动作；路线图告诉你下一步，来源页让每个关键判断都能回到可核验的材料。
需要把学习变成项目？
如果你已经有明确场景，FDEr.ai 可以把这套 Playbook 带进真实业务，协助完成诊断、原型、生产和运营。