HA7CH

Ha7ch Shenzhen #001｜FDE Meetup

这一场已经办过了。

信息

时间已办 · 31 位 builder 到场
城市深圳 Shenzhen
形式互助会，所有人围成一圈
语言中文为主，英文也欢迎

现场纪要

一场 AI / FDE 线下交流会，约 31 个人围着一张桌子。先自我介绍，再分享真实案例，然后自由讨论。主线不是某个 AI 工具，而是 AI 怎么真正进到企业的业务流程里。

FDE 到底是个什么角色

  • 不是纯开发，也不是售前或产品，而是卡在业务和技术中间的复合角色。
  • 核心能力：从碎片化的表达里还原真实需求，把工作流拆成可执行的步骤，组合大模型 / Agent / RAG / 浏览器自动化，还要管上线和稳定性，跟老板和员工分别沟通。
  • 现场共识：纯技术门槛在降，越往后越值钱的是需求挖掘和业务理解。

真实落地的行业案例

  • 制造业：驻场摸流程做 AI 化改造，端侧小模型、本地部署，数据不上云。
  • 纺织：大模型加视觉模型，解决 RGB 转 CMYK 这类工艺难题。
  • 跨境电商：把选货、报关、配货等规则化流程沉淀成自动化，人效降约 60%。
  • 财务：用浏览器自动化操作税务系统，完成自动开票。
  • 银行：交易预判系统辅助人工审核，每天处理十几万条交易。
  • 海外餐饮、工程勘察、医疗、企业内训等也各自带来了真实场景。

落地真正难在哪

  • 数据隐私和本地部署：工厂、金融、医疗都不接受核心数据上公有云。
  • 多步骤 Agent 的稳定性：单个任务 99%，十几个任务串起来整体成功率就垮了。
  • 多模态：现实流程不只有文本，还有图片、声音、设备状态、现场动作。
  • 需求说不清：得 FDE 下场访谈、观察，先做小 PoC 再系统化。
  • 工具迭代太快：长期壁垒不在某个工具，而在行业数据、客户渠道和交付经验。

怎么把它变成生意

  • 几种路子：项目制交付、顾问 / 内训、长期服务、技术换股权、资本化整合（AI roll-up）、联合创业。
  • 定价别只按工时和代码量，要按省了多少人、降了多少风险、带来多少新增收入、客户有多焦虑。
  • 常见误区：朋友单不好意思收钱，把 Demo 当成交付，没提前定验收标准。

下一步

  • 提了一个「48 小时 FDE / AI 落地挑战」：派 builder 进真实企业，两天内摸流程、找切入点、做出一个 MVP，让老板打分。
  • 继续按城市办，用 AI 筛人，收集各城市真实的 FDE 需求。
以真实的企业问题为入口，以 AI agent 的工程化落地为手段，长期孵化 AI native 的公司。