先说边界：FDE 与 AI 工程师有交集，但责任不同。AI 工程师更偏模型、代码和系统组件；FDE 从客户现场出发，对问题定义、方案取舍、验证、交付和采用负责。

1. 课程要训练什么

每个模块都围绕一条交付闭环组织：客户背景 → 需求发现 → 场景选择 → 方案设计 → 原型/PoC → 集成上线 → 采用运营。

发现识别利益相关者，区分事实、推断和待确认。
判断明确价值假设、成功标准和技术边界。
构建用最小成本做出原型，验证是否值得继续。
交付处理集成、验收、培训、运营和复用。
判断标准课程结业不以“听完了没有”为准，而以学员能否留下问题定义、场景方案、原型/演示、风险边界和交接材料为准。

2. FDE 能力图谱

客户发现与沟通

访谈、追问、确认、预期管理。

业务理解与场景判断

流程、角色、约束、优先级。

方案与架构设计

边界、路径、系统和分期。

快速构建与集成

Agent、API、数据、部署。

评测、风险与治理

测试集、权限、人工接管。

交付、采用与运营

上线、培训、反馈、复用。

3. 学生线：四个模块，覆盖同一条闭环

学生线用于系统培养一组可迁移能力。每个模块可以独立成课，也可以按岗位组合；当前不预设长周期，先验证最小可售的课程单元。

基础

云计算与 AIDC 工程基础

资源、网络、存储、安全、算力、数据、模型、推理、API、权限和部署。目标是能做技术可行性判断。

Echo

客户洞察与场景规划

从客户愿望走到问题定义、价值假设、成功标准、PoC 边界和分期路径。目标是把问题讲明白。

Delta

场景方案与 Agent 落地

从架构、任务拆解、知识来源、工作流和提示词，到原型、集成、部署和验收。目标是做出可讨论的版本。

Foundry

数据与持续运营

数据准备、知识库、评测、安全、日志、人工接管、交接和迭代。目标是让成果持续运行，而不是停在 Demo。

4. 行业线：压缩方法，跑通一个真实场景

课程单元训练重点应交付成果
通用课程FDE 角色、场景判断、AI 辅助、PoC 与评测共同语言、问题定义模板、任务验收标准
场景解决方案材料阅读、需求分析、方案原型、演示验收一份可讨论的场景方案和风险交接清单

行业线不重复讲完四个学生模块，而是围绕一个真实行业问题，验证通用方法是否能在现场工作。

5. 训练方法：一张六格工作单

所有实训先填六格工作单，把“问 AI”变成“交办 AI”。这也是从 WorkBuddy 迁移到天翼云或客户指定 Agent 平台时不变的方法资产。

目标

要完成什么具体成果。

资料

AI 可以依据哪些材料。

步骤

先做什么，再做什么。

格式

结果要长什么样。

验收

什么情况能用，什么情况不能用。

沉淀

下次如何复用，由谁维护。

6. WorkBuddy 的位置：首个平台适配案例

平台承担资料处理、任务执行和成果初稿；FDE 方法负责问题定义、人工判断、客户沟通和交付承诺。课程结构不绑定单一产品，未来可以替换执行层。

资料层企业材料、政策、历史方案；先确认来源和权限。
执行层WorkBuddy、天翼云或其他 Agent 平台；分阶段产出。
协同与沉淀任务单、人工验收、Obsidian 或企业知识体系。

7. 评价：看证据，不看出勤

评价包至少包含六类证据：客户发现记录、事实/推断/待确认表、场景与 PoC 方案、原型或演示、评测与风险边界、岗位工作流卡。

  • 客户和业务理解：能否把客户语言转成可验证问题。
  • 方案和技术判断：能否说明边界、条件、取舍和实施路径。
  • 构建和交付质量：能否做出可演示、可复现、可交接的成果。
  • 评测和风险意识：能否设计测试、权限、人工接管和失败处理。
  • 沟通和复用：能否让客户理解，并把一次成果沉淀为下一次资产。

8. 第一版建设建议

先做一个完整案例，不先铺开全部行业。用同一份脱敏材料同时生产课程课件、讲师脚本、实训环境、任务单、评价表和演示成果，再邀请天翼云和省邮校共同评审。

需要共同确认的四个问题
第一，天翼云最急需哪类 FDE 角色和场景；第二，第一案例使用哪些真实材料、平台账号和验收标准；第三，GPDI 与省邮校分别输出哪些师资、课程和认证资源；第四，哪些证据可以进入企业培训结业评价。

内容状态

这是课程设计理念的公开版，具体课时、行业案例、平台操作和认证合作仍需通过真实项目与合作方评审验证。公众号文章整理将单独进入 FDE 文章线。