我有 22 年政企经验,也服务过世界500强客户。
现在,我又给自己配了 6 名执行 AI 员工。
按理说,一个人的生意应该可以轻松跑起来了。
但真正运行以后,我发现了一件很现实的事:
Agent 越多,如果没有人负责判断、调度和验收,混乱只会来得更快。它们可以执行任务。
但它们不会自动知道:
现在最应该解决哪一个业务问题?
客户随口说的一句话,背后真正要的是什么?
哪些步骤可以自动执行,哪些地方必须由人拍板?
做到什么程度,才算真的可以交付?
这些问题如果没人负责,AI 干得越快,返工可能越多。
这也是很多小生意主理人用 AI 时最容易踩的坑。
工具装了不少。
Agent 也搭了几个。
每天还是很忙。
因为真正缺的,不是更多工具。
而是一个能站在业务和 AI 之间,把事情真正跑通的人。
这就是我现在给自己的定位:
AI Agent 工作流搭建师 · 小生意 FDE 服务商。我不是站在外面给老板推荐工具。
我会进入一项具体业务,先找到最疼、最高频的重复工作,再把它翻译成 Agent 能执行的任务。
然后确定分工、设置暂停点、检查输出,直到这条流程能用、能验收,也能由老板自己继续维护。
所以,FDE 对我来说,不是一个新头衔。
它是我在一项真实业务里的位置。
FDE 到底是什么
FDE 通常被译为前线部署工程师或前置部署工程师。
OpenAI 对这个岗位的描述,覆盖问题发现、技术范围界定、系统设计、构建和生产上线。Palantir 也一直强调,工程人员要靠近真实业务问题,再把现场反馈带回产品和工程。
我借用的不是职位名称,而是这种工作方法:
不要站在业务外面卖工具。要进入现场,把技术接进一条真实流程。大公司有复杂系统、数据平台和工程团队。
小生意面对的场景没那么大,但痛苦一点也不少:
- 内容总是断更。
- 客户问过的问题找不到。
- 答应跟进的人经常忘记。
- 报表、素材和排期反复整理。
- 明明装了不少 AI 工具,晚上还是自己加班收尾。
这些老板不需要再听一堂“AI 很重要”的课。
他需要有人和他一起把问题问清楚:
到底是哪件事最耗人?
这件事能不能拆成固定步骤?
AI 能接哪一段?
哪里必须由人拍板?
做到什么程度才算合格?
这就是我进入一项业务后的第一份工作。
01 我的第一个角色:业务需求翻译者
很多老板一开口就说:
“我想把公司 AI 化。”
这句话听起来很大,实际上没法直接开工。
我会继续往下问:
- 过去 7 天,哪件事至少重复了 3 次?
- 每次是谁开始做?
- 开始前要收集哪些材料?
- 最容易卡在哪一步?
- 最后交出什么才算完成?
- 出错以后,谁能发现并接管?
老板说的是“我要 AI 化”。
我要把它翻译成:
每周一,从用户问题表里找出 5 个高频问题,结合最新产品资料生成选题,由本人确认后进入写作。
或者:
客户咨询后,先整理问题、产品意向和下一步,不自动报价,不替本人承诺,只生成一张待跟进任务卡。
到了这一步,事情才从一个愿望,变成了一项可以搭建的任务。
所以,我不是先问客户想用哪个模型。
我先帮他找到:
哪件重复工作最值得被交出去。这个角色更像业务翻译者。
一边听懂老板真正烦什么,一边把它翻译成材料、步骤、边界、产物和验收标准。
如果这一步没做好,后面装再多工具,都只是把混乱跑得更快。
02 我的第二个角色:Agent 总调度和工作流搭建者
任务说清以后,才轮到 Agent 出场。
这时我做的,不是扔给客户一段很长的提示词。
我要决定:
- 哪个 Agent 负责搜集材料?
- 哪个 Agent 负责生成初稿?
- 哪个 Agent 检查事实和边界?
- 哪一步必须暂停,等人确认?
- 结果保存在哪里?
- 下一次执行时,怎样直接接着跑?
我自己的工作台里,现在有 6 名执行 AI 员工,阿仁负责商业守门,共 7 个协作席位。
它们会处理开发、内容、视觉、信息搜集和运营等任务。
但我不会把这件事简单说成“我有很多 Agent”。
Agent 多,不等于业务能跑。
没有分工、没有交接、没有验收,一群 Agent…