FDE 进厂之后，怎么把 AI 真正跑进业务？

一家制造企业，9 个工作日，跑通 6 个岗位场景—跟单、质检、报价核算、日常会务、SOP 整理。

这个案例值得看的地方，不是9 天做了 6 个场景，而是它给出了一条清楚的落地路径：

先把企业里的知识搬出来，再把知识变成 Skill，把多个 Skill 组织成 AgentTeam，封装成业务人员能直接用的入口，最后进入任务流。

前天写的《如果要选一个 FDE 落地行业，我投制造业》讲的是行业判断。今天往下走一层，看一个更具体的问题：FDE 真正进入一家制造企业以后，到底怎么把 AI 跑进业务？

按这套路径9 天大致是这样拆的。

图片

第 1 天：选一个真实场景

第一天，不搭平台，不做 Agent，先定场景。

跟单、质检、报价、SOP 整理都可以。关键不是场景听起来多先进，而是它是不是来自岗位每天都在重复发生的工作。

这个实践跑通的场景里，没有一个是为了展示 AI 专门设计的科幻场景，全部来自员工日常工作。

所以第一天把范围收住：9 天只解决一个明确问题。不是一上来就做AI 工厂，也不是一次覆盖整个部门。

第 2 天：进现场，看这个岗位怎么干活

场景定了，第二天不要问需要什么功能，直接看业务。

看报价，就看一张报价是怎么出来的。看跟单，就看一个订单从接任务到跟进完成，中间经过哪些动作。看质检，就看质检员怎么记录、怎么判断、怎么处理异常。

制造企业里真正有用的东西往往不在系统里。有些在表格里，有些在聊天记录里，有些在老师傅脑子里。有些人甚至已经在自己用 AI，但这些个人用法和结果，并没有沉淀到组织里。

所以 FDE 进现场的第一件事，不是告诉别人 AI 能做什么，而是先搞清楚这个岗位今天到底是怎么工作的。

第 3 天：把流程、规则、案例拆出来

看完业务，第三天开始拆。

一个看起来简单的岗位任务，拆开以后通常包含很多环节。以报价为例：前面拿需求，中间查历史数据、查材料、查规则。有些地方按标准算，有些地方参考过去案例，还有些地方必须由人判断。

这一阶段要拆清楚：哪些是流程，哪些是规则，哪些是案例，哪些是模板，哪些是真正依赖经验的部分。

后面 AI 能不能干活，基础就在这里。如果企业自己怎么干都没整理清楚，上来就做 Agent，最后很容易变成一个只能回答问题、不能干活的 Demo。

第 4 天：搬知识

第四天，把前面看到的东西集中起来。SOP、规则、案例、模板，逐步进知识库。

这个实践把知识库放在整个能力体系的最底层，原因很直接：没有企业自己的知识，后面的 Skill、AgentTeam 都没有业务基础。

这步看起来不够AI，但很重要。以前一个岗位的经验分散在十几个人身上，现在要做的是把它一点点拿出来，从某个人知道，变成组织知道。

到这里，AI 还没开始替员工干活，但地基已经形成了。

第 5 天：把知识变成 Skill

知识整理完，第五天往前走一步—不要停在知识问答。

知识库只能回答这件事怎么做，业务真正需要的是这件事能不能直接帮我做。这时候开始做 Skill。

还是报价：过去依赖一个熟练员工，根据材料、数量、工艺、历史价格做判断。现在把其中能标准化的部分变成一个 Skill，输入必要参数，按企业自己的规则直接出结果。

Skill 这一层的作用，就是把人会做的事变成可反复调用的动作。这一步之后，AI 从知道往会做走。

第 6 天：把多个 Skill 串成 AgentTeam

真实业务不是一个动作。一个 Skill 跑通，不代表一条业务流程跑通。

第六天开始把多个能力串起来：前面查数据，中间计算，后面出结果，再进下一步。这些动作组合起来，才是一条真正的业务链。这个实践把这一层叫 AgentTeam—核心不是多做几个 Agent，而是让不同能力围绕一条流程协同。

这里有一条非常重要的原则，人做判断，Agent 做执行。

不是把所有事情交给 AI。重复、标准、可以执行的事情交出去；需要经验、责任和判断的环节，留给人。

所谓端到端跑在 Agent 上，不是 AI 替人做决定，而是 AI 接掉大量重复执行的工作。

图片

第 7 天：封装成业务人员能直接用的入口

到了第七天，后面已经有知识库、Skill、AgentTeam。但业务人员不需要理解这些，他们要的是一个能直接用的入口。

跟单员不需要学什么叫 Agent，也不需要学提示词。他只需要说一句：“帮我出本周进展。”后面的能力自动运行，结果直接给他。

AI 能不能真正进入岗位，不只取决于后端能力强不强，也取决于员工用起来是不是足够简单。复杂的事情留在后面，给业务人员的东西，越简单越好。

第 8 天：让 AI 进入任务流

有了入口，还不能停。如果 AI 只是员工偶尔想起来问一下的工具，它还没进入业务。

第八天把流程拆成任务，任务进看板。谁在做、做到哪一步、哪里卡住，都看得见。任务完成后结果自动归档，回到知识库。

这时候，知识库、Skill、AgentTeam、Bot 才真正连起来：业务来了，能力被调用，任务往下走，结果再沉淀回来。

AI 不再只是聊天窗口，开始成为流程的一部分。

图片

第 9 天：真实业务跑一遍

第九天，最重要的不是汇报，是直接拿真实业务跑。真实的跟单任务、真实的质检记录、真实的报价、真实的 SOP 整理，让岗位员工去用。

最后只看一件事：这套东西到底有没有进入工作。

如果员工仍然只是偶尔打开 AI 问几个问题，那不算落地。如果一个岗位的高频动作已经通过 Skill 完成，一条流程能通过 AgentTeam 协同，员工有直接入口，任务能继续跑—那才算真正从会用 AI走到了AI 在干活。

9 个工作日，其实就三件事

压缩一下，9 天其实很简单：

前 3 天，看懂业务。中间 3 天，把知识变成能力。最后 3 天，让能力进入真实工作。

顺序不能反。

很多企业做 AI，习惯先上平台、先做 Agent、先搭知识库，最后才找业务场景。这套实践恰恰反过来：先去现场，看岗位，把知识和规则拿出来，再做 Skill，再串 AgentTeam，最后才进任务。

9 天结束，不是项目结束

跑通一个场景之后，才开始复制。报价跑通了，做跟单；跟单跑通了，做质检；再往后是采购、生产计划、设备、质量。

方法不需要每次重新发明，还是同一条路径：知识库 → Skill → AgentTeam → Bot → 任务驱动。一个场景一个场景往前推。

最后企业留下来的，不只是几个 AI 工具，而是以前散落在员工脑子里的经验、规则和工作方式，开始变成组织自己的能力。

这个实践里有一个结果我认为最关键：FDE 团队可以撤场，但流程继续跑，知识继续沉淀。

这才是 FDE 项目应该留下的东西。

写在最后

如果总结 FDE 进厂该怎么干：不要一进厂就讨论大模型，也不要先做一个看起来完整的 AI 平台。先拿一个真实岗位，用 9 个工作日跑一遍。

前面把知识搬出来，中间把知识变成能力，最后让能力进入任务。然后看员工是不是真的在用，看流程是不是真的变了。

能跑，就复制。不能跑，就回到现场。

FDE 交付的不是 AI，而是一套撤场之后还能自己跑的流程。