从“会用 AI”到“交付 AI”：FDE 实战公开课在上海举行

2026 年 7 月 25 日上午，由 YiTang.top 上海学习中心组织的“FDE 实战入门：从会用 AI 到交付 AI”线下公开课在上海举行。 Moments 创始人刘凯担任主讲，现场十余位学员围绕 AI 项目如何从 Demo 走向交付，展开学习与实操。

从能演示，走向可验收、可运行、可接手

课程从一个问题开始：一个 Demo 已经能跑，如果要对客户结果负责，还缺什么？

一次成功输出之外，团队还需要明确数据边界、失败与停止条件、运行控制、上线风险，以及新的接手人能否独立复现。

FDE（Forward Deployed Engineer）既是一类贴近客户现场、推动结果落地的角色，也可以是一种跨业务、产品、工程和交付边界持续负责的工作方式。课程强调，结果责任不应在岗位交接时中断：需求和功能完成之后，仍要有人判断能否上线、确认风险，并确保客户能够接手。

用证据决定每一步是否继续

课程围绕一个核心框架组织交付工作：1 个 Owner × 6 个 Gate × 证据链 × 4 件套。

• 一个结果负责人（Owner）：持续对业务结果负责。
• 六个检查关口（Gate）：发现、定界、验证、交付、上线、赋能，由证据决定继续、回退或补充验证。
• 一条可复核证据链：记录版本、路径、判据、失败项、失效条件和签署人。
• 四项移交内容：生产系统、评估测试（Eval）、运行手册（Runbook），以及客户内部能够推动使用和接手的人。

面对每个关口，团队需要作出明确判断：继续（GO）、停止（NO-GO），或补充证据（MORE-EVIDENCE）。验证的作用，是让假设能够被检验，而不只是完成一次顺利的演示。

AI 执行，人保留关键决定

在 AI-native Rescue Lab 环节，课程使用 ServiceOps 合成教学案例进行演示。从固定基线和评估测试出发，学员用任务约定（Task Contract）写清已验证事实、待验证假设、本次目标、允许修改的文件、禁止动作、验收标准，以及需要由人决定的事项。

Agent 负责读取项目、生成范围受控的修改并汇总证据；人负责收敛范围、检查改动、判断风险和确认是否进入下一步。这一教学案例用于练习交付方法，不作为客户项目成效展示。

从一个真实场景开始

课程最后，学员回到各自岗位，选择一个用户、一次流程和一个尚未实现的结果，写下目标、基线、非目标与负责人，再形成第一份任务约定，并约定下一份证据和检查日期。

从“会用 AI”到“交付 AI”，需要补上的不仅是工具熟练度，还有对业务结果、运行风险和客户接手的持续负责。

如果你的团队正在推进 AI 项目，希望讨论验收、上线或交接中的具体问题，可以与 Moments 交流。

本文同步发布于微信公众号。在微信中阅读 ↗