FDE × Agent
让 AI 真正进业务
谁来改造流程？Agent 在哪里干活？
价值怎样落到开源、节流和组织能力？
老板买的不是 AI，
而是一段业务改善
客户少等待，员工少切系统。
同样的团队，承接更多业务量。
按当前制度办事，关键动作留痕。
减少查找、搬运、返工和无效等待。
FDE 是人／团队；
Agent 是一套系统
找真问题、做方案取舍、接入现场、推动上线并验证结果。
读懂情况、判断下一步、调用受控工具，完成或升级任务。
FDE 像一名驻场的
流程改造总工程师
从第一次访谈到稳定上线，
FDE 都在场
看真实流程与数据。
目标、范围与风险。
Agent、规则与人工分工。
接数据、知识和工具。
沙箱、影子、试点、灰度。
看采用、成本与结果。
老板定结果，FDE 改流程，
Agent 干任务，系统和人把关
定义目标、预算、容错和是否继续投入。
把业务问题变成能上线、能使用、能验收的系统。
处理不确定信息，选择下一步和受控工具。
系统管权限和交易；人批准高风险决定。
规则写得完，用普通软件；
规则写不完，Agent 才可能有价值
- 输入是表单和字段
- 步骤稳定，可以提前写完
- 错误代价高，需要强确定性
- 输入来自工单、聊天记录和附件
- 例外很多，规则无法穷举
- 要结合多个系统判断下一步
售后工单
“设备用了一个月就出现异响，上周师傅来过但没有修好。合同说一年保修，现在影响生产，怎么处理？”
Agent 要读懂工单，查询合同和维修记录，再判断保修、升级处理还是转人工。
普通 AI 给答案；
Agent 继续把事情做下去
读到问题，生成一次回答；通常不会改变外部系统。
围绕目标持续观察、判断、调用工具，直到完成、拒绝或转人工。
Agent 不是一个模型，
而是一套工作系统
把售后工单推进到可确认的处理方案。
读懂“修过仍异常、正在影响生产”。
查询有效保修条款和服务规范。
查维修记录，创建二次上门任务。
确认任务创建成功；失败就停止或转人。
Agent 专门处理
流程里那段“不确定”
给出可执行的售后处理。
异响、复修失败、影响生产。
查合同、维修记录和工程师排期。
补信息、二次上门还是升级。
校验权限后创建上门任务。
回写工单；赔偿诉求交人。
不是以前做不到，
而是以前只能靠熟练员工
输入很乱
工单、聊天记录和故障附件，没有固定说法。
Agent 先读懂“修过仍异常、正在停产”。
信息很散
合同、维修记录、备件库存和工程师排期分在多处。
Agent 用受控工具把事实组织起来。
情况太多
仍在保修、修过一次、影响生产，还提出赔偿。
Agent 处理常规判断，越权事项交给人。
客户只提交一张工单，
背后却是一整条业务链
“设备用了一个月就出现异响，上周师傅来过但没有修好。合同说一年保修，现在影响生产，怎么处理？”情景示例，用于解释方法；不代表真实企业或已部署结果。
客服小李不是在处理一张工单，
而是在手工拼一条业务链
理解故障和停产影响。
确认设备和保修范围。
确认上门记录和结果。
找备件和工程师排期。
选择二次上门或升级。
创建任务、通知和记录。
先把四件事问清楚：
结果、基线、权限、责任
例如：更快安排二次上门，减少漏看保修、重复派单和错误承诺。
例如：现在每单查几个系统、转几次、处理多久、返工多少。
例如：可读合同和维修记录，可建任务，但不能承诺赔偿。
例如：赔偿、停产争议或数据冲突，由谁审批、多久接管。
先做“带依据的处理草稿”
暂不自动承诺赔偿
- 直接承诺维修时间和赔偿
- 但重复派单、错误承诺会造成损失
- 停产责任与合同争议很难撤回
- 客服确认后再回复和派单
- 赔偿仍由有权人员批准
- 先观察哪些判断最常被修改
看、查、判、写、交：
五步处理这张售后工单
在不承诺赔偿的前提下，判断二次上门、补充信息还是升级主管，并给客服一份有依据的处理草稿。
合同、维修记录和工程师排期来自业务系统；信息不足、数据冲突或风险过高则停止并转人工。
把不确定交给 Agent，
把确定性和责任留给系统与人
理解与判断
是否复修失败？还缺什么？该二次上门还是升级？
处理工单语言、上下文和例外。
权限与执行
是否在保修？能否查看？是否重复派单？
校验权限，并真正创建和回写任务。
决策与兜底
是否赔偿？是否承诺承担停产损失？
由有权人员批准、接管和承担责任。
FDE 不只找“成功案例”
更要主动寻找失败
节流不是先裁人，
而是先拿回被浪费的产能
汇总工单、合同、维修记录和当前规范
看单笔处理时间与查找时间从工单创建上门任务，并自动回写进度
看人均处理量与回写完整率信息齐全后直接转给工程师或服务主管
看响应时长与一次解决率检查重复派单、旧条款和缺失的必填信息
看修改率、错分率与错误损失开源不是让 AI 凭空卖货，
而是少错过本来存在的机会
高意向客户更早得到有效回复
看线索响应时间过去顾不过来的长尾客户也能被跟进
看有效跟进覆盖率结合客户上下文给出更相关的下一步
看有效机会、转化与毛利把一线反复出现的问题反馈给产品
看新服务上线与问题闭环周期真正长期的价值，
是把个人经验变成组织能力
- 按当前制度和权限办事
- 关键动作可审批、可追溯
- 异常能停、能接管、能复盘
- 老员工经验变成知识与工具
- 失败案例变成回归测试
- 一个客户的解法沉淀为产品能力
不要问一次调用多少钱，
要问一个成功结果值不值
全部成本包括：模型、检索与工具、失败重试、系统集成、运维、人工审核和变更管理。
不是只懂行业，
也不是只会模型
代码、数据、API、云与安全
＋ Agent、知识、工具和评估
也能打开终端解决问题。
最难得的不是懂最多术语，而是在需求模糊、数据混乱、风险真实时，仍能做出取舍并把系统交付出来。
别先成立大部门，
先挑一段值得改造的业务
把 AI 从演示
变成经营结果
FDE 不卖一台“聪明的发动机”；
他对这辆车能不能安全到达目的地负责。
会议室里回答得很好，
为什么三个月后还是没人用？
生意里有客户、数据、责任和后果。一个“回答正确”的 AI，不等于一个“工作完成”的系统。
FDE 不是多一个岗位名称，
而是多一份端到端结果责任
帮助客户理解产品，推动购买决策。
诊断问题，给出方案和组织建议。
建设可服务更多客户的通用产品。
与客户一起把问题做到稳定生产和实际采用。
Agent 越能自己行动，
现场工程反而越重要
- 能读邮件和合同
- 能选择多个业务工具
- 能连续规划下一步
- 可能看错版本、越过权限
- 可能发错对象、重复执行
- 失败需要接管、回滚和追责
他接的不是一张需求单，
而是一段还没跑通的生意
跟一线看真实工作，不从功能清单开始。
基线、目标、责任人和停止条件。
最快验证模型是否真的有增量。
连数据、知识、工具和权限。
专门验证错答、越权和恢复。
小范围上线、培训、复盘并迭代。
老板为什么愿意为 FDE 买单？
先判断需不需要 Agent
避免把规则流程做成昂贵的 AI 项目把数据、系统和流程接起来
从“会回答”走到“能完成一段工作”权限、审批、熔断和回滚
不拿一次不可逆事故换自动化速度与一线共同改造工作方式
用采用率和业务指标，而不是 Demo 掌声验收对 AI 公司，FDE 是产品雷达，
不只是客户救火队
一个会议简报 Agent 经常失败
它要从日历等来源生成会前简报；问题不只是回答不好，而是指令引用了不存在的工具，部分工具也承载不了所需上下文。
老板的问题不是“做个 Agent”，
而是客服为什么越来越忙？
“我要切到工单、订单、旧聊天和退款制度；回复慢了客户催，承诺错了公司赔。”情景示例，用于解释方法；不代表真实公司或已部署结果。
先算清这笔账，
再决定要不要写代码
缩短处理时间，同时减少错误承诺和返工。
平均处理时长、人工修改率、错分队列率、升级比例。
只读取授权数据，只生成未发送草稿；不自动退款。
业务、系统、风险负责人明确；权限不足或付款争议立即转人工。
第一版不自动退款，
只做“带依据的回复草稿”
- 看起来节省最多人力
- 但一次错付就是实际损失
- 权限、重复执行、法律承诺都变成高风险
- 客服仍然确认并发送
- 可以快速观察修改原因
- 先证明价值，再逐级增加权限
真正的坑，
往往都不在 Demo 里
没有基线，
就没有真正的 ROI
而是问每个成功处理的工单花了什么。
是否真的更快
草稿离可用多远
有没有转嫁成本
员工是否愿意用
模型、工具、重试和人工
通常不必训练大模型，
但必须把系统做进生产
代码、数据、API、云、安全
＋ Agent、知识、工具和评估
也能打开终端解决问题。
最难得的不是懂最多术语，而是在需求模糊、数据混乱、时间紧张时，仍能做出清醒取舍并对结果负责。
创业公司可以先组一个
三人 FDE 作战单元
定义问题、基线、容错范围和是否值得继续投。
做原型、接系统、写生产代码并处理失败。
协调客户、一线、产品、安全和上线节奏。