适合
工程 / AI 开发
Demo 能跑，但需求、数据、评测与上线边界总在变化。
→ 把“写出来”升级为“交付出去”
今晚 · Lean-FDE 首发直播
写给正在推进 AI，却卡在真实业务落地的人
你的 AI Demo 能跑，
为什么业务还是不敢用？
Lean-FDE 训练你连接客户现场、价值流、Agent 工程、评测治理与组织采纳， 把“看起来能用”的原型推进成有证据、可运行、可持续改进的业务能力。
注册后可体验样本课；课程不承诺就业、收入、项目结果或等级晋级。
LEAN-FDE LAUNCH
这不只是一场直播，是一次体系发布
从 FDE 为什么诞生，到个人如何成长、企业如何落地，一次讲清完整路线图。
时代与诞生
01
AI时代为什么需要FDE
02
我的20年思考
03
企业AI失败原因
04
FDE诞生
05
FDE定义
06
FDE价值
07
FDE与传统角色区别
08
案例故事
方法与组织
09
Lean-FDE体系
10
C6模型
11
七阶段
12
九能力域
13
FDE Squad
14
企业成熟度
成长与认证
15
个人成长路线
16
训战营
17
认证体系
发布与共建
18
企业方案
19
平台Demo
20
招募计划
21
社群
22
企业合作
9能力域
7阶训战
31学习关卡
20标准 SOP
7成长等级
以上为体系结构数据，不代表所有内容均对匿名访客开放。
先判断是不是为你准备
你不必推倒重来，
要做的是把已有专业能力接入 AI 交付
适合
数据 / 算法
离线指标不错，真实流程却没有因此改变。
→ 把模型效果接到业务结果
适合
产品 / 咨询
方案讲得清楚，从 PPT 到可运行系统仍隔着一条河。
→ 把洞察变成可验证闭环
适合
行业专家 / 管理者
经验很多，却难以沉淀成团队可复用的能力。
→ 把隐性知识变成组织资产
为什么 FDE 会在今天出现
AI 改变了软件生产，
也重新定义了谁对结果负责
过去，需求可以先写清楚，再交给团队按计划开发。生成式 AI 进入核心业务后，问题、数据、模型行为和用户工作方式会在使用中共同变化。企业因此需要一个长期站在“现场—产品—工程—采纳”交界处，对价值闭环负责的角色。
软件生产变快
AI Coding 让原型成本快速下降，真正稀缺的从“能不能做”转向“该做什么、怎样进入生产”。
需求无法一次写完
Agent 的正确边界往往要在真实任务、异常样本和专家反馈中逐步发现。
模型不是确定程序
输出会受上下文、数据和模型版本影响，需要持续评测、治理与人工升级机制。
上线不等于价值
只有用户愿意改变工作方式，反馈能进入系统，AI 才可能形成稳定业务能力。
当“写代码”不再是唯一瓶颈，能够持续定义问题、组织证据、快速构建并推动采纳的人，就从项目中的偶然角色，变成 AI 时代的结构性需要。
FDE 不是因为某个新工具突然诞生，而是复杂 AI 系统进入真实业务后的责任重组。
不是换一个更时髦的岗位名称
FDE、传统外包与驻场顾问，根本区别在责任边界
三种模式都可能进入客户现场，也都能创造价值。区别不在“谁更高级”，而在以什么为起点、如何工作、最后对什么负责。
| 比较维度 | 传统外包 | 驻场顾问 | FDE |
|---|---|---|---|
| 工作起点 | 明确需求、合同范围与交付清单 | 客户议题、分析任务与咨询建议 | 真实工作现场与待验证的价值假设 |
| 主要产出 | 按约定完成的软件或人力服务 | 诊断、方案、治理建议与项目推动 | 可运行系统、评测证据、采纳机制与可复用资产 |
| 与客户关系 | 以甲乙方边界和验收为主 | 贴近客户、提供专业建议和协调 | 与业务、产品、工程混编，共同对结果学习 |
| 需求变化 | 通常通过变更流程控制 | 通过访谈和分析修订建议 | 把变化视为实验反馈，快速重构问题与产品边界 |
| 工程深度 | 由交付团队按分工完成 | 因顾问类型而异，常以方案和推动为主 | 必须能亲手连接数据、模型、工具、权限和工作流 |
| 成功标准 | 范围、进度、质量和验收 | 建议被认可、项目被推动 | 系统可用、可评测、可治理，并被真实用户持续采用 |
| 项目结束后 | 移交代码、文档与运维责任 | 移交方案、机制和路线图 | 留下产品能力、评测集、知识资产与下一轮交付能力 |
边界说明：优秀的外包团队和驻场顾问同样可以采用 FDE 工作方式；这里比较的是典型责任模型，而不是对行业或职业群体作价值判断。
LEAN-FDE 工作闭环
不多做一个 Demo，
多推进一个真实结果
每一步都留下可评审的产物。项目不靠“感觉不错”前进，而靠现场证据、边界、评测与用户反馈前进。
匿名制造案例：模型推荐准确率超过 80%，半年后业务依旧冷淡。真正的瓶颈不是最后的判断，而是多系统查询、上下文整理和等待专家。
来源：《Lean-FDE》书稿匿名案例；教学化表达，不构成客户背书或结果保证。
走进现场
观察真实工作，而不是只接收整理过的需求
诊断价值
找到等待、返工、风险和专家瓶颈
构建闭环
定义 Agent 的任务、数据、工具、权限和人机边界
用证据评测
以黄金样本、红队和生产准备决定能否前进
推动采纳
让真实用户参与确认、修订和持续反馈
三种版本，只选与你当前任务匹配的
从看懂，到设计，再到真实项目闭环
不是课程越长越好。先明确你下一步必须交出的产物。
ONE-DAY WORKSHOP
一天版 · 认知与场景工作坊
1 天 · 7 小时净教学
交付一个值得进入下一轮验证的 AI 场景
- ✓ AI 场景机会卡
- ✓ 场景优先级矩阵
- ✓ Concept Model Lite
- ✓ 30 天行动单
TWO-DAY BOOTCAMP
两天版 · MVP 设计实战营
2 天 · 每天 7 小时净教学
交付一个可以验证、可以治理的 Agent MVP 方案
- ✓ MVP Design Pack
- ✓ Agent PRD Lite
- ✓ Eval Plan Lite
- ✓ 30/60/90 天路线图
10-WEEK FIELD PROGRAM
系统训战营 · 真实项目孵化
10 周 · 6 个训练日 · 每周项目诊所
交付一个经真实证据验证的项目闭环与可复用资产
- ✓ 可运行原型
- ✓ Eval Report 与 PRR
- ✓ Adoption Plan
- ✓ 项目与个人双 Portfolio
跟着史凯老师，练前线价值交付
方法来自现场，也必须回到现场接受检验
畅销书《精益数据方法论》作者，Lean-FDE 方法发起人。拥有软件、咨询、数据、云计算与数字化转型实践经验，长期关注如何把数据与 AI 转化为可持续的业务能力。
✓ 《数据要素价值化蓝图》作者
✓ 《数字化领导力》系列三部曲作者
✓ 工信部“绽放杯”最高奖低空经济项目获得者
✓ CCF 数字化 SIG 主席
开始前，把边界讲清楚
你可能正在问
不会写代码，也能开始吗？
可以先从现场发现、价值诊断和概念建模开始。进入 Agent 工程阶段需要基础技术能力，也可以采用业务与工程混编组队。
已经会 Prompt 和 AI Coding，还有必要吗？
会做原型只是起点。Lean-FDE 重点训练问题选择、产品边界、评测治理、生产采纳与资产复用。
学完就能获得 L0–L6 等级吗？
不能自动晋级。课程结业、FCAE 能力诊断和正式等级评审相互独立；等级需要知识、真实作品、项目证据、答辩与独立评审。
没有真实项目怎么办？
可以先用明确标注的模拟案例练动作、形成作品。进入更高能力等级时，仍需要真实项目或客户证据。
今晚首发，从一个真实问题开始
少做 Demo，走进现场，交付价值
先免费注册，领取学习路径并体验样本课。适合再继续，不用被长期课程绑架。
课程结业不等于能力等级晋级；FCAE 为能力诊断，不是正式认证。