agentleFS
mingxinbi112-sourcemingxinbi112-source/OBI-xiao-skill/skills/fde-ai-b2b-delivery/SKILL.md

fde-ai-b2b-delivery

Skill0 starsChanged 3 months agoLicence not identifiedView on GitHub

AI B 端(企业级)项目落地交付的 FDE(Forward Deployed Engineering)工作流与 go/no-go 评估方法论。当用户要做 AI 在企业/B 端场景的落地、交付、试点(PoC→生产)、系统集成,或需要评估一个 B 端 AI 项目能不能成、风险/卡点/死局在哪、如何搞定握有隐性知识的一线老员工(让他真配合的五种结构性机制 + 专家类型诊断)、如何把隐性知识抽成可执行的决策树 SOP(而不是让专家写步骤流水)、如何管理客户预期与"第 35 天试点疲劳"时,务必使用本技能。覆盖签约前残酷体检、人际破局与隐性知识抢救、MLOps 并行架构、预期管理四个阶段,每阶段内嵌可量化的 Go/Hold/No-Go 评估关卡。即使用户没说"FDE",只要涉及"AI 在企业/工厂/医院/银行/政企怎么真正落地""B 端 AI 项目评估/可行性""PoC 之后怎么工程化/怎么上生产/生产架构怎么搭""试点做不下去了""老员工不配合""AI 该不该有决定权/拍板权""agent 权限怎么设/会不会越权/过度代理/该用单 agent 还是多 agent/会不会过早多 agent 化""人工审核怎么设计才不形同虚设/自动化偏见""哪些事 AI 不能碰/禁区/人机边界/控制面执行面怎么分""AI 项目 KPI 怎么定/怎么量化 ROI/Adoption 怎么算/怎么做 eval""AI 部署在哪/自建 K8s 还是托管云/数据出不出境/数据本地化是哪一档/私有化部署/全栈信创国产化/数据不出集团内网""code/data/model 三轴""金丝雀/灰度/回滚/error budget""EU AI Act/NIST AI RMF/AI 合规合规"等,都应触发。当用户的诉求是"让 AI 真正进入业务闭环/参与决策/推动处置而不只是回答问题",或提到"业务对象/业务语义/本体(Ontology)/把散落的对象关系规则统一起来""企业 AI 怎么进入业务责任链""AI 输出怎么沉淀成可治理的决策对象(Decision Object)/证据包(Evidence Package)""可治理的 Action/动作生命周期/审批回滚补偿""行业 Pack/经验沉淀复用""决策闭环/六层闭环 Sense-Understand-Reason-Decide-Act-Learn""Palantir/Foundry/AIP/本体驱动""客户要的到底是看板还是决策闭环(工期差一个数量级)""发票催收/油田井控/数据治理质量闭环这类决策型场景"时,也应触发——详见 references/decision-os-playbook.md。当需要把签约前体检"操作化"——逼客户在"数据本地化/私有化/信创"等模糊需求上指认具体档位、跑签约前一周 mini 验证(PoC 前的数据可用性验证)、索取真实样本、梳理散落数据口径、面见隐性知识持有者时,也触发——详见 references/pre-signing-audit-toolkit.md。当用户的诉求是从自己熟悉的行业里跑通一个有人愿意付费的 AI 产品(而非企业级签约交付),或涉及"从现场/一线/脏活找到真问题""真需求卡/最近一次真实事件/能不能拿到真实材料""第一版做窄做深/最小闭环/一个节点做深""客户说好到底证明了什么/商业证据阶梯/付费验证/续费复购/收过钱却没长成产品""产品化沉淀/三堆分类法/0 到 1 到 10/该沉淀成 SOP 还是 Prompt 还是 Skill 还是 Agent 还是产品模块/载体选择""先让客户赚钱再收费/降本增效增收""七天跑通一轮 FDE"时,也触发——详见 references/field-to-cashbox-playbook.md。当涉及**交付之后的全生命周期**——激活部署(上线≠被用 / TTV / 首日魔咒 / 降使用门槛四手法 / 集成大战 / 变革管理三组人物 / 评估体系先行)、续约与扩收(NRR / 五类流失 / 健康度四类信号 / QBR / 免费转付费五开关 / 成果计价四档 / 存量深耕)、规模化复制(三级杠杆 / 复用率 / 定制递减率 / 失败复盘三机制 / 打法手册三属性 / 产品化四问)、四层指标体系(交付/客户/商业/组织层)、FDE 职业道德(数据主权/诚实报告/不制造依赖)时,也触发——**决策门(Go/Hold/No-Go,事前)与运营门(健康度/NRR/复用率,事后)是两类门,别混**——详见 references/activation-playbook.md、references/renewal-and-expansion-playbook.md、references/scaling-playbook.md、references/fde-metrics.md(职业道德并入 references/permissions-and-oversight.md)。当客户是**政府/国企(G 端)或智慧城市方向**——涉及"12345 热线/工单质检""视频网×城管/城市生命线/供水漏损 EMC""城市大脑/数据局/场景开放名单/揭榜挂帅""选哪座城/财政重整/化债""政府采购/免招标阈值/驻场运维/总包分包""大屏汇报没人用/验收指标怎么定""财政口袋 vs 省钱口袋/年年重招"时,也触发——详见 references/gov-smartcity-playbook.md(活地三信号选城 / 王坚四关过滤器 / 场景优先级 / G 端死亡区清单 / 收入硬度光谱 / 壁垒=Σ转换成本 / 死亡雷达)。当话题是 **FDE 小团队(1-3人)自身的组建与生死**——涉及"该不该招人/第 4 个人""吸收率""扩张/人月生意""止损线/垫资/应收账款""POC 赌注做多久/90 天处决门""白嫖/免费 POC 要不要撤""IP/纠错数据归谁/合同死了资产怎么办""三个合伙人怎么分工/轮岗/处决权/一人持刀""招什么样的人/死过一次项目的人"时,也触发——详见 references/small-team-playbook.md(吸收率先行指标 / 扩张四引擎 / 双轨止损 / 一单三买 / 90 天三道处决门 / 三军规 / 遗产三件套 / 三个座位选拓扑 / 处决悖论与外置持刀人)。

The file

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.