Agent Skills
返回列表
FDE 交付操盘系统

FDE 交付操盘系统

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_ee2f9a3e/fde-os 技能。

技能介绍

交付现场反复出现的四类失败

FDE(Forward Deployed Engineering)项目很少死于模型能力不足。更常见的是:销售带回一个模糊需求,团队直接进入写代码阶段;工作流只按官方文档理解,没人记录现实中的脏活、断点和交接失败;AI 介入点选得太宽,上线后靠英雄主义维持;试点结束被当成上线批准,缺少验收合同与回退路径。

这些问题的共同点是:没有一个可审计的操作回路。@user_ee2f9a3e/fde-os 把交付拆成可判定的阶段,让每一步都有明确的进入证据、必须产出的工件和失败信号。

它如何组织交付

这个技能先做请求路由:先判断你当前处于哪类请求(机会评估、真实工作流采集、试点设计、生产就绪、还是多阶段操盘),再加载最轻量的方法。

它用七个阶段串行推进工作:

  • 阶段 1:任务资格判定 — 明确谁负责结果、可观察指标是什么、哪些约束可能导致 no-go
  • 阶段 2:运营现实采集 — 重建真实工作流,包括影子流程、脏案例、人工步骤和交接失败
  • 阶段 3:系统框架定义 — 划定系统边界,识别当前真正的瓶颈(感知、解读、路由、执行、验证还是治理)
  • 阶段 4:状态-动作-证据模型 — 把业务对象转成可运行的控制模型,定义状态迁移、权限与回退规则
  • 阶段 5:干预与试点设计 — 选择最小的 AI 介入面,设计评估集、验收标准和回退条件
  • 阶段 6:交付架构 — 定义读写集成、遥测、事故响应、隔离边界和运营计划
  • 阶段 7:扩展逻辑 — 判断该回路是否值得复用,以及先硬化哪些平台能力

每个阶段都有对应的模板工件(如 mission-brief.md、operational-reality-map.md、poc-acceptance-contract.md),并明确退出闸门。

同时,四条并行控制回路防止局部进展掩盖全局失败:客户价值、系统质量、生产可靠性、产品学习。五个闸门(G0–G4)要求每个决策都显式给出 go、conditional-go 或 no-go,并附带证据要求。

适用边界与注意点

这个技能不是用来替代实现工作的。纯编码任务、厂商对比、无上下文的行业研究会被路由到别处。它的价值在于先判定再设计:如果你连谁是结果负责人都说不清楚,它不会帮你写出一个看起来漂亮的方案。

首次运行时,技能要求选择一个操盘人、一个业务对象、一个触发条件和一个输出,在证据还薄弱时停在交付架构之前。这种保守策略是刻意的——过早进入生产部署是最常见的失败模式。

机器可读的工件与闸门定义在 contracts/artifacts.json 中,可作为团队内部对齐的单一事实来源。

使用场景

  • 拿到客户需求后,需要在投入资源前判断该 AI 交付机会是否值得立项,并给出明确的 go / no-go 结论与证据要求。
  • 团队要把客户现场的人工工作流接入 AI,需要先重建真实流程,记录参与者、交接点与脏案例,形成可回放的证据包。
  • 试点已经跑通,需要撰写验收合同,明确最小闭环、代表性评估集、验收阈值、操作权限、回退与回滚条件。
  • 项目即将进入生产环境,需要组织一次上线前评审,逐项确认负责人、采用计划、回归闸门、遥测、事故响应与隔离边界。

适合人员

  • 交付团队负责人:需要在签约前判断机会是否值得投入,避免把销售线索直接变成开发任务。
  • Applied AI 工程师:需要把客户现场的真实工作流转成可观测、可回滚的 AI 干预回路。
  • 评估与质量负责人:需要把黄金案例、失败案例、回归闸门和生产采样串成同一套质量体系。
  • 产品与运营经理:需要判断已验证的回路能否跨客户复用,以及先硬化哪些平台能力。