我做了二十年ERP驻场，现在又开始拎包去做FDE
二十年前，我是个做ERP实施的小年轻。项目在客户厂里，我把行李箱往宿舍一搁，就算搬进去了。白天泡在采购部、仓库、财务，晚上回办公室改配置，改到后半夜。一待，大半年。
那会儿我干的活，说白了就一句话：把人家厂里那些乱糟糟的纸，变成系统认得出来的数。
二十年后，我换了个身份，名片上印着「系统架构与业务分析师」，手上又开始接 FDE 的活。FDE，Forward Deployed Engineer，前沿部署工程师。名字挺新，听着又贵又高级。可我把活儿拆开一看，差点笑出来——还是拎着包进客户办公室，还是跟业务的人搅在一块儿，还是在干「翻译」这行。
只不过这回，我要翻译的东西，从「纸」换成了「AI」。
01 二十年前，我干的是「把纸变成数」
先说那时候的厂子长什么样。采购单是手写的，入库单是复写纸拓的，仓库台账是本子一笔笔记的，到了月底，财务抱着一摞票子核账。数据其实都有，就是全躺在纸上、抽屉里，还有不同人的脑子里。
我做的第一件事，是收集。一张一张收，一沓一沓收。然后是整理：把那些乱糟糟的纸面票据，一张张敲成数字，录进系统。再往后是梳理——这批货从哪来、那笔款什么时候付、单据在哪个环节走丢了，业务到底是怎么流转的。
枯燥到什么程度？我有一整个抽屉的草稿纸，上面画满了箭头和方框，全是业务流。
而梳理业务流转，才是真正的硬骨头。系统里跑的从来不是数据，是规则：谁审批、超多少要往上提、被退了怎么补。这些规则以前没人写下来过，都藏在老师傅的脑子和习惯里。我的活儿，就是把它问出来、记下来，再翻译成系统能执行的配置和代码。
这活儿又土又慢，但它省不掉。没有坐在现场一条条对的人，ERP 就是一堆躺在合同里、卖不出去的许可证。
没有蹲在现场的人，ERP 就是一堆卖不出去的许可证。
顺带说一句。这种「把纸变成数、把业务翻成规则」的活，本质就是翻译。现在有人想用工程的办法把它接住。模釜是个企业级 AI 智能体平台，主打「智能体即服务」，底子是一套 Harness Engineering——说白了，就是围着智能体做生产、运行和治理的框架，把 Agent、Skill、Workflow 这些对象统一管起来。它自带的 RAG（检索增强生成）也是冲这档事去的：知识库、文档解析、切片、嵌入、混合检索，最后再加一层 Reranker 重排，先找得到出处，再谈回答。
02 「驻场要消失了」——这话我听了十几年
后来这些年，行业里慢慢有了一个说法：驻场这种土活儿，该进博物馆了。
理由听着也挺顺。你看，上云了，SaaS 了，开箱即用了。软件变成按月付费的服务，标准功能点两下就有，配置都在网页上改。谁还乐意花大价钱请一帮顾问来蹲几个月？不少软件公司也确实靠标准化、规模复制活得很滋润。
有那么几年，「定制是原罪」「实施顾问迟早被消灭」这类话，我一个做实施的人，听完是又慌又嘴硬。
然后，AI 来了。
03 结果呢，AI 又把我请回了现场
AI 跟当年的 ERP，走的是完全相反的路子。
ERP 的毛病是「太具体」——它自带一套固定流程，你得把自己的业务拗成它的样子。AI 的毛病是「太通用」——一个模型摆在那儿，会写文章，会写代码，会读合同，但它压根不知道你们公司是干嘛的。
换句话说，模型给的是原料，不是成品。
你拿一个通用大模型去问「帮我处理一下退货」，它一脸茫然。因为「退货」这两个字，在公司 A 和公司 B 那儿，意思压根不一样。是质量问题退还是七天无理由退？退了是入库还是销毁？钱什么时候退，谁来批？这些答案不在模型的参数里，在客户那间会议室的空气里。
于是一套老打法又被翻了出来。Palantir 早年就是靠这帮人起家的——他们管这群工程师叫 Forward Deployed Engineer，直接派到客户那儿，跟客户一起待着，一起定义问题，一起搭原型，一起上线。这本是一家公司的独门绝活，现在，硅谷一批做 AI 的公司开始大量招类似的人。OpenAI、Anthropic 这些名字你肯定不陌生，它们也设了前沿部署、解决方案落地这一类岗位，专门干「把模型塞进某家公司具体业务里」的活儿。
我回到现场以后，每天干的其实挺杂。今天跟客户的对账团队开会，把一笔笔糊涂账拆成一条条规则；明天接一个内部数据库，把散在 Excel 里的数据理干净；后天搭个粗糙的原型，让业务的人先用起来，听他们吐槽，回去再调。调 Prompt、连数据、写集成、上线、再收反馈，循环往复。
FDE 卖的从来不是软件。软件客户自己也能买。他们卖的，是「能跑起来的结果」。
还有个变化：人回来了，场上跑的东西也变多了。以前上一个系统，现在可能是一堆智能体各干各的——那谁来派活，谁来收口？模釜里有个功能叫「大师会」——先说清楚，这是它平台自带的多智能体协同机制，跟某个团队的称号不是一回事。跑起来是这样：主理人先分析任务，再把活分给会里几个大师，每个大师跑自己独立的 workflow 和 skills，能并行就并行，干完把结果汇总回来。听着熟不熟？这不就是当年我们那支驻场小队的翻版嘛。
04 隔了二十年，我把两件事摆一起看
今天我要干的活，跟我二十年前干的，像得让我自己都有点发毛。
二十年前，我面对的是纸。二十年后，我面对的是数字——但它们是乱的。客户的数据散在几十个 Excel、好几个老系统，再加上一堆 PDF 和聊天记录里。格式不一样，口径不一样，一份「客户名单」能有三四个版本。
我做的第一件事，还是收集。然后是整理：把那些杂乱的数字数据，清洗、切片、打标，整理成 AI 能理解的结构化数据。再往后是梳理——这份数据对应哪段业务，这个字段到底是什么意思，这段流转归谁管。
最像的，是最后一步。二十年前我梳理完业务流转，是把它翻译成系统的配置和代码。今天，我是把它「喂」给 AI——调教 AI 读懂业务流转。同一句「帮我处理退货」，得让它知道在你们公司这具体指什么、走哪条线、谁签字。
把这两件事摊在一张桌子上，长这样：
| 维度 | 20年前（我做ERP） | 今天（我做FDE） |
|---|---|---|
| 面对什么 | 杂乱的纸面票据 | 杂乱的数字数据 |
| 第一步 | 一张张收集、录入 | 一点点收集、汇聚 |
| 整理成 | 系统能认的数字数据 | AI 能理解的结构化数据 |
| 梳理 | 业务流转 | 业务流转 |
| 交付方式 | 驻场，贴着业务干 | 驻场，贴着业务干 |
| 核心动作 | 翻译 | 翻译 |
面对的东西变了，技术栈变了，但对上的动作几乎一模一样：都是驻场，贴着业务干，跟客户坐在一起，脏活累活自己上手。核心动作，也还是同一个词——翻译。
把客户嘴里那些含糊的、前后矛盾的、「就那个你懂的」的需求，翻译成一台机器能执行、能上线的系统。这活儿机器自己干不了，因为机器听不懂「你懂的」。得有人在场，得有人追问，得有人拍板。
对照表拉到这儿，我还想补一个细节。二十年前那套业务规则，得靠我一条条写成文档、再一条条变成代码；今天这件事，能直接画出来。模釜做了可视化工作流编排——15 种节点类型，拖着拼；拼错了能撤销重做，拼完自动校验、自动布局。我脑子里那套业务逻辑长什么样，画出来就长什么样。
区别当然也有。ERP 时代的墙，主要是「人」的墙——部门之间踢皮球，老员工不配合，老板临时改主意。AI 时代除了这堵墙，还多了一堵新的：模型本身的不确定性。它会犯迷糊，会一本正经地胡说，你没法像测 ERP 那样把它测个周全。所以现在这活，更像是在带一个聪明但不太靠谱的实习生——得盯着，得哄着，还得给它兜底。
05 技术越强，我这个「翻译」反而越闲不下来
那问题就来了：为什么这个规律老在重复？
我干了二十年，想明白一件事——技术越强、越通用，落地就越需要人。
一个东西越专用，它离成品越近，装上去就能用。一个东西越通用，它离成品就越远，中间那段从「通用」到「某家公司具体能用」的距离，就是留给人的。而且这段距离，商业模式再花哨也填不平，只能靠人一段一段爬过去。
这话，我拿二十年换来的，想跟三种人说说。
还在打工的你，别急着把自己活成一颗标准件。能被标准化的活儿，正在被标准化；而那些「得去现场、得跟人磨、得处理意外」的活儿，反而越来越值钱。FDE 这岗位能被硅谷抢着招，本身就说明：会写代码不稀奇，能把代码落到别人真实业务里的人，稀缺。
做产品的公司，别嫌落地这活儿土。技术故事谁都爱听，但客户掏钱买的是最后那个跑起来的东西。你愿不愿意派人、下笨功夫去那个「现场」，往往决定了你能不能活下来。
还有甲方，也别迷信「开箱即用」。工具再好，你的流程是你自己的。谁来把它理顺，谁来陪你把系统跑起来——这个问题，二十年前我就被问过一次，现在还得再答一次。
再往下想一步：人会变老，工具会迭代，那我这二十年攒下来的东西呢？模釜这类平台想干的一部分活，就是把这些手艺落成一个个 Skill、一段段 Workflow，跟 Agent 一起统一管起来，别让下一个拎包的人，把同一个坑再踩一遍。
二十年前，我拎着行李箱住进客户厂区。今天，我端着咖啡坐进客户办公室。
行李箱换成了电脑，改配置换成了调模型，故事的名字也换了。
但那把「贴着业务现场干活」的椅子，我还在坐，估计还得再坐些年。
工具会变，
蹲在现场的人，不会。
你呢，还在「拎包驻场」吗？留言区聊聊。
