FDE 是 AI 时代的落地工程师——把业务需求翻译成 AI 能听懂的语言，在现场交付可验证的结果。它不是「又一个技术岗」，而是「企业 AI 转型的执行者」。

老板需求 ≠ 真需求。需求翻译的第一步，是找到真实干系人——直接使用系统的一线员工和需求部门负责人，往往比老板更清楚问题在哪。

行业语境是 FDE 的入场券。不懂 PMC、不懂电商、不懂零售，就翻译不了需求——先进入客户的行业，再谈 AI。

方案生成三件套：WSJF 排优先级（别什么都做）、原型先跑通用户视角（别贪大求全）、MVP 界定边界（最小可验证，而不是最小可演示）。

数据是 AI 落地的地基。FDE 在现场的第一件事往往是：把客户散落的 Excel、系统报表清洗成可用的数据底座。

上传文档 ≠ 知识库。没有梳理、切片、权限与回流的知识资产，不会产生业务价值——知识资产化是 FDE 的招牌动作。

避开概念验证坟墓：POC 卡在「验证」永远不落地。最小可行部署——跳过无限 POC，直接上最小可用系统进真实业务流。

界面不是给机器看的，是给业务人员用的。低代码的真本事是：把复杂逻辑藏起来，让一线员工愿意点。

集成是 FDE 的隐形战场：不打通既有系统，AI 就是空中楼阁。接得住 API，才能进得了业务流。

AI 越会写代码，越要克制。Prompt 的价值不在炫技，在于把模型的输出稳定成业务可用的结果。

上线首日就要准备救火：现场值守、快速热修复。客户买的是可验证的变化——每一次迭代都要留证据、可量化。

AI 化不是老板一言堂。没有一线员工配合，任何 AI 系统都跑不起来——组织变革，是 FDE 的隐藏必修课。

卖结果，不卖工时。按结果收费 + 存量深耕复利，是 FDE 商业模式真正的利润来源。