越来越多的人在学AI Agent、Skill、MCP等开发工具，但当真正面对企业客户时，很多人发现：掌握工具与完成项目交付之间仍有距离。客户不会告诉你需要什么智能体，他们的需求往往很朴素——“让AI帮忙做周报”“自动生成跟进建议”“员工直接问AI”。这些朴素需求背后，藏着企业AI落地的重要机会。
随着腾讯WorkBuddy等AI工作台成熟，部分文档处理、经营分析和流程辅助任务已可通过现成工具与轻量配置完成初步验证。本文用一个完整教学案例，拆解FDE如何基于WorkBuddy完成首个企业AI项目，从需求诊断到方案交付建立完整能力。
刚开始承接企业AI项目，建议避开业务链路过长、需深度系统集成的场景（如全自动客服、销售CRM自动化、财务自动审批），它们对缺乏经验的FDE首次实施难度较大。
选择首个项目看四个标准：
◆业务足够高频：每天或每周都处理，持续产生使用价值◆流程相对明确：有固定输入、规则和预期输出，便于建立验收标准◆容易获取样本数据：企业愿提供经授权脱敏的表格文档◆效果可以衡量：能比较实施前后的时间、准确率或完成情况
按此标准，经营数据分析、报表生成、企业知识检索、售前文档生成等场景值得优先考虑。
假设接触一家拥有10家门店的零售企业。运营部门每周制作经营分析报告，流程是：从各门店导出销售数据→合并Excel→计算销售额、订单量、客单价→对比上周找异常→制作图表→提交管理层。企业希望减少重复操作，最初需求是“让AI自动完成周报”。
但这句话不足以直接实施，需明确数据来源、分析口径、报表格式、业务边界和验收方式。（本案例为教学模拟，数据、周期和报价均用于说明方法，并非真实客户项目。）
FDE首先做什么：用五问完成需求诊断
◆现在怎么做？→ Excel来源、计算过程、汇报方式◆哪些环节最耗时？→ 数据合并、指标计算、图表制作很多AI项目的问题出在需求定义阶段：客户说“要一个智能体”，FDE就立即搭建Agent，最后发现客户真正需要的只是一个稳定的数据处理流程。需求诊断应形成一份具体的任务说明。
把业务需求转化为交付目标：项目名称“AI经营周报助手”，基于每周导出的销售Excel，自动完成数据检查、指标统计、同比/环比分析、异常提示和报告生成。确认三个边界：
1.PoC阶段仅处理历史样本数据，不连接生产数据库2.AI分析结论属运营辅助建议，由运营负责人最终确认3.首期仅支持固定格式周报，不承诺覆盖临时分析需求
WorkBuddy是腾讯AI工作台，支持自然语言任务执行、文件处理、数据分析及文档表格成果生成，可通过专家、Skills和连接器扩展能力。对本案不必开发独立网站或设计后台，直接从本地文件处理与数据分析开始。
准备项目资料：建立独立工作目录——input/（脱敏销售数据）、reference/（指标说明与历史样例）、output/（AI报告结果）、validation/（人工核对记录）、docs/（需求说明与交付文档）。准备两到四周历史数据，至少含日期、门店、订单号、实付金额、退款金额、订单状态。正式处理前由客户确认数据使用范围与安全要求，尽量用脱敏数据。
先让WorkBuddy理解任务：通过自然语言描述任务目标，提示词要点如下——
你是一名企业经营数据分析专家，读取input目录授权销售Excel并参考reference指标说明，按步骤完成任务：1检查字段、日期范围与数据完整性；2识别重复订单、缺失数据、异常金额与无法识别的订单状态；3按企业指标定义计算各门店销售额、订单量、客单价、退款金额；4对比当前与上一周期，识别变化幅度大的门店；5生成门店汇总表、趋势图和经营分析报告；6输出需重点关注的问题与核查建议；7结果保存到output，保留原始数据。执行要求：指标必须基于实际数据，计算口径不确定先提问不自行假设，区分数据事实/分析判断/运营建议，关键汇总独立校验，不删除覆盖原始数据、不连接未授权外部服务。最终交付Excel汇总表、分析报告和异常记录清单。
提示词关键是明确输入、任务步骤、计算约束和交付成果。即便AI能完成任务，也必须验证结果。
检查第一版PoC结果，重点看三方面：数据计算是否准确（总销售额是否与原始订单一致、有无重复计数或退款遗漏）；分析结论是否有依据（报告称门店下降应能找到对应数据变化）；业务人员能否直接使用（若需大量人工修改则未达预期）。此阶段不求复杂可视化，先用简单Excel和周报证明价值。
第一次成功只证明WorkBuddy能完成这次任务，企业需要的是下周上传新数据仍能按相同规则生成报告，因此要标准化流程。可先建“连锁门店经营分析”专属专家，再封装“经营周报生成Skill”。
为何要封装：企业环境变化多——门店表格模板不同、字段缺失、存在退款/取消/重复记录。若每次靠临时提示词，输出质量受操作和数据变化影响。标准化后可形成“固定输入规范→数据校验→业务计算→结果核对→报告生成→人工确认”。这也是构建可复用行业方案的基础，未来面对同类企业只需调整业务规则、指标和输出模板。
当客户提出“直接读业务系统”“不用手动导出Excel”“报告自动发给区域经理”时，项目进入系统集成阶段。WorkBuddy支持连接器扩展和MCP访问外部服务，但需区分三个实施层级：
▶Level 1 文件级AI辅助：员工导出Excel或上传资料，AI完成分析与报告。适合首次PoC，范围可控
▶Level 2 流程级AI辅助：通过授权连接器或定制工具访问数据源并对接办公系统。需配置接口权限、错误处理、操作记录和数据同步
▶Level 3 系统级AI自动化：建立定时任务、事件触发、审批、异常通知和系统写入。需完整工程设计、安全审查和运行保障
首次交付建议尽量完成Level 1，只有客户明确需要且具备条件才进入Level 2——每增加一个系统连接，就引入新的权限、数据质量、接口稳定性和维护成本问题。
很多项目演示效果好但难说清收益，原因是没提前约定验收标准。可从四维度评测：
◆数据准确性：核心指标与人工核对标准答案一致，退款、重复订单、异常字段按统一规则处理◆任务完成率：准备20组代表性测试数据（含正常、字段缺失、异常金额、重复记录），观察完成率及异常时能否正确提示并停止不可靠输出◆工作效率：对比人工与AI辅助总耗时（含数据准备、复核、修改）。如180分钟降为60分钟，减少约66.7%，仅为示例，实际需客户测试◆使用体验：让业务人员连续使用，关注操作易理解、失败易恢复、报告符合管理层阅读习惯
基础PoC验收表（参考目标）：
以上为可讨论的参考标准，最终阈值按真实数据复杂度和客户要求确定。强调：AI执行成功不代表业务结果正确，FDE必须设计可重复测试，并由客户业务负责人验收。
现成工具虽简单，但客户支付的是交付服务：需求诊断、流程设计、数据准备、模型与技能配置、系统连接、测试验收、培训和维护。以WorkBuddy为基础可形成三类标准化服务：
| | |
|---|
| | 单一文档处理、经营报表、知识问答等。含需求诊断、一个PoC、基础提示词或Skill配置及操作演示，约3—7个工作日 |
| | 需业务规则配置、多轮测试、部门培训及一定集成。含完整工作流、可复用Skills、评测报告、操作手册和一次培训 |
| | 需对接CRM、ERP、知识库等，涉及多角色权限、自动化调度及持续运维。需评估工程、安全和维护成本 |
价格为AI服务商商业方案示例，不代表WorkBuddy官方标准；软件授权、模型消耗、云资源、第三方接口及运维费用按实核算。对首个客户，项目范围清晰、验收标准明确、能沉淀复用方法更重要。建议分阶段付款，将启动、PoC验收和最终交付与付款节点关联，减少双方风险。
完成PoC并获认可后，把技术成果整理为正式交付资料，至少六项：
1.业务需求诊断表：现状、问题、角色、数据来源、验收标准2.AI解决方案说明：WorkBuddy完成哪些任务、哪些靠Skills或连接器扩展、哪些不在交付范围3.可运行的AI工作流程：任务配置、专家或Skill、输入输出模板、业务规则文件4.测试与验收报告：样本、预期结果、实际表现、已知问题、人工复核结论5.操作使用手册：如何准备数据、启动任务、检查结果、处理失败6.运维及改进计划：规则变化、Skill更新、问题响应、权限调整、额外需求处理7.这些资料决定项目能否持续使用。每完成一个项目，建议把不涉商业秘密的部分整理为匿名化案例，形成行业方案资料库，支持后续项目介绍、商务沟通和客户获取。
此为简单文件级场景的参考排期，涉及接口开发、复杂权限或合规评审需另排工期。执行中要保持与客户业务负责人定期沟通，每隔一到两天同步成果和待确认问题。企业AI交付是业务协作过程，很多问题只有真实业务人员参与测试时才暴露。
完成第一个项目后，建议沿已验证业务链路继续积累相似案例，而非同时进入多个陌生行业。例如交付了经营周报助手，可继续研究门店经营分析、库存异常检测、营销活动复盘、区域经理日报——这些场景常共享数据结构、经营指标和业务知识。
随着案例积累，你将拥有：一套行业诊断方法、一套标准化分析Skills、一套PoC与交付模板、一套测试验收培训流程、若干授权展示的案例，项目实施效率和行业理解随之提升。
有行业经验的FDE可从熟悉产业链切入（外贸做询盘与跟进、电商做商品与广告分析、人力做招聘资料处理）；技术背景的FDE可承担MCP连接、系统集成、数据治理和生产部署等复杂任务。长期看，企业AI交付竞争力归结为五项：业务理解、需求诊断、AI工程实现、项目交付、持续商业化能力——这些只能在真实项目中积累。
WorkBuddy、Dify等工具提供了越来越丰富的技术基础，但企业AI落地仍需回答几个基本问题：企业遇到了什么问题？值得用AI解决吗？需要哪些数据与工具？怎样验证效果？谁来承担维护责任？
对准备转型FDE的人，不必一开始就追求复杂多智能体系统，也不必等掌握所有技术后才开始。从一个具体、可验证的业务需求出发，完成一次完整项目实践即可。一个经业务人员验收、能稳定重复执行的AI工作流，就是FDE建立交付能力的重要起点。