看到即刻上了置顶功能，就借机发篇自我介绍吧：
申悦，12年产品经验，前360产品总监、36氪产品负责人。常年发表对产品、内容行业、职场发展的观察和思考。公众号：互联网悦读笔记【关注领取七百余篇原创产品思考，与我深度交流】

来无锡给客户大领导做项目汇报，对地方国资企业经营一把手的AI转型态度、期望和要求，有了更深的认知，记录下来作为案例，如果你也在给国央企落地AI，可以参考看看：
①安全合规是绝对底线，宁慢也不能翻车。尤其知识库授权安全是底线，操作可审计可追溯是前置要求。
②坚持场景化务实落地。要优先落地提效最明显的场景，逐步推进，研究清楚依赖对象，要有看得见、可量化的业务价值。
③长期竞争看数据，卡位核心资产。模型可以采购，技术可以外包，但几十年积累的业务数据、行业认知是独家壁垒。AI建设的目标是沉淀数据资产，而不是上一套软件系统。
④AI是系统级工程，不是单一技术部门的事。以知识库为例，要搭建成长型知识库、落实到每位员工的价值贡献。
⑤AI转型要依托自身生存发展，不能依赖集团。做AI的动机是“抢跑同行、活下去”。同时直面组织变革，敢于谈岗位优化。
从客户的表述上看，一方面，他很清楚AI的长期价值，也提出“以打造 AI 原生企业为目标，系统性设计组织智能体”的要求。但同时也清楚，在上级没支持、没资源的前提下，只能先带着自己的团队提前布局，同时务实落地、逐步推进。
结论就是，给地方国资企业做AI项目，局部落地易，彻底转型难；短期见效易，长期闭环难😕

越来越意识到一个无奈的现实，在生态链最低端的FDE，最大的价值，就在于不断帮AI自媒体和大模型厂商“擦屁股”。AI能力被吹的天花乱坠，每天都在“变天、颠覆”，动不动就“xx行业不存在了”。代价就是FDE要不断在验收标准里，和客户反复battle“AI准确率能不能从99%降几个点”，结果做着做着，一个所谓的“AI智能体”，为了做到准确率100%，里面没有任何大模型，全是代码实现，这和做外包软件开发有什么区别😓

昨天帮一位 面临pip的FDE 同学做职业辅导，看到他的绩效改进计划，越看越气。
10 天时间，要完成"20 个站点盲测、稳定抓取四大社媒平台且不登个人账号、接口 100% 通过"——这哪是 FDE 的考核，这是招了一个高级爬虫工程师+服务端工程师+AI 中台架构师，还想只付一个人的工资[裂开]
我不反对要求高，但我反对用错标准。FDE 的价值是懂业务、能落地、敢验证，不是被当成代码外包！
最讽刺的是：考核标准里全是代码能力，而他们最该考核的"业务结果"，一个字都没提。

我参与录制的播客上线啦！特别感谢雅娴老师的邀请，有幸做客科技圈头部播客《科技早知道》～这一期在录播室聊嗨了，也吐槽得很爽。算借着这次机会，把我这两年做企业AI项目时遇到的真实现场、落差和各种救火经历，完整复盘了一遍。欢迎同样做企业AI、FDE的朋友来对对答案，看看我们遇到的是不是同一个现场😂

一个想法不一定对，类似TRAE、WorkBuddy这类产品，起初的定位是CodeAgent。它们在AI Coding领域是很强的IDE工具，因为代码世界天然高度结构化：文件、函数、类型、依赖、测试、Git、CLI、API这些概念，都是机器可理解的。
但现在厂商直接复用 Code Agent 的 Harness，把它从代码目录搬到员工桌面，让它去读 Word、Excel、PPT、浏览器，再包装成 WorkAgent，开始All In。
而这个迁移，我觉得忽略了一个根本差异：企业业务世界不像代码世界那样已经结构化。如果没有先把客户、订单、合同、流程、制度、权限、状态等业务语义建模，Agent 即使会操作软件，也未必真的懂业务。
那么现在这一波 WorkAgent，到底是在把已经验证过的 Coding Agent 能力合理扩展到知识工作，还是在用 Coding Agent 的成功制造一种“办公任务也能直接 Agent 化”的错觉呢？
Code Agent 的强大，有一部分其实是吃了软件工程几十年结构化的红利，但是企业业务不是这样。比如一句：
“帮我判断这个客户现在是否应该升级为重点客户，并跟进下一步。”
如果没有统一建模，WorkAgent无法理解什么是重点客户，也没有判断依据，也不知道怎么“跟进”
WorkAgent可以操作浏览器、Office、文件系统、MCP、Skills，它很会干活，但不知道企业为什么要这么干。
现在很多所谓的 WorkAgent Demo，实际落地展示的都是写PPT、整理Excel、查资料、写报告、做网页、生成图片、处理文件这类基础工作。之所以集中选择这类场景，是因为这些工作高度贴合 Coding Agent 原本就擅长的工作范式：输入文件→理解任务→操作文件→运行工具→生成Artifact→检查结果的固定流程，本质上都属于Artifact Work（工件型工作）。
这类型的Demo不会触及真正的企业核心工作，也就是理解企业当前业务状态→整合多系统数据→依据企业既定规则做出业务判断→主动变更业务状态并承担后续业务责任的完整流程，而这一套具备业务闭环、权责属性的工作，才是真正的Business Process Work（业务流程型工作）。

这篇文章拖了很久才写完，因为每次一想起要把怎么做知识库这件事讲清楚，就有点头大😂
知识问答智能体几乎是我服务的每家企业必提的需求，所以也积累了不少经验。在这个过程中最花时间精力的，当属帮客户一点点把混乱的资料理顺的过程。这些东西说出来不性感，但却是决定项目成败的关键。这篇文章就是把过去踩过的坑做个盘点。如果你正在做知识库，可以看一眼，也许会有共鸣

这篇文章想聊聊这年头给客户做项目的痛😂
这年头我们在网上看到的AI文章，大多都是在聊模型、聊工具、聊养虾，但真正做项目的人都知道，最累的那部分，反而很少有人会讲，因为没那么好讲故事……
这篇文章就试着把自己做AI项目的感受写一写，如果你觉得有共鸣，也欢迎分享给身边的人~

为什么人们装了OpenClaw之后反而觉得更累了？我觉得这是好事，因为他强制激活了人们的“系统化工作思维”，而用这种慢思考来想事情，本来就会很累，但这个过程会把原本靠经验完成的工作，变成需要拆任务、定规则、想流程的慢思考，所以短期一定更耗脑。
一旦把这些结构想清楚并沉淀下来，很多重复劳动就能交给系统，长期反而会更轻松～

上一篇源码解读的续篇，聊聊理解 OpenClaw 原理后，我觉得可以参考的10条“龙虾调教指南”～

历时两周，不追热点，不造焦虑，也不做流量选题。就做了一件事：顺着OpenClaw源码，把一条消息从进入系统到返回结果的完整链路，一行一行梳理了一遍。
很多东西，如果只是会用，很容易产生一种错觉：好像自己已经懂了。 但当你真的把代码读下去，会发现很多地方和表面看到的完全不是一回事。
于是就写了这篇一万多字的记录，如果你也在研究 Agent，可能会有一些不一样的视角。也欢迎分享给身边正在开发AI Agent系统的人~