FDE 该自己养，还是外面挖？聊点实在的
上周跟一个做汽配的老板吃饭，他夹了口菜问我：现在到处都在讲 FDE，我是不是得去大厂挖一个？人家开口就是八十万，还不算期权。
我说你先别急着掏钱，我问你三个问题。
第一，你们厂排产的时候，那个「这批订单能不能插进去」的判断，谁能一句话说清楚？第二，你们仓库里那套用了十二年的老系统，接口文档还在不在？第三，上周车间停线两个小时，真正的原因是什么，写进报告的那个版本对不对？
他愣了半天，说：这些啊，都在人脑子里。
我说，那就对了。你要找的这个人，恰恰得是「脑子里有这些东西」的人。外面挖来的那位，技术肯定比你车间里的老师傅强，但他脑子里没有这三样东西。
1能自己养，就先别急着挖
不是说外聘不行，是我见过太多厂，钱花了、人也来了、方案也做了，最后那个智能体在服务器上躺了一年没人打开。
问题不出在技术上，出在「他不知道自己该问什么」。
举个我印象特别深的例子。有个厂花大价钱请了一位算法背景很不错的工程师，做了套排产优化模型，逻辑漂亮，跑出来的结果也好看。上线三个月，使用率几乎为零。
为什么？
因为排产里最要命的一条规则叫「换模具的隐性损耗」——哪台设备换模要多久、换完之后头几十件合格率会掉到什么程度，这些东西在系统里根本没有字段，只存在于计划科长的经验里。那位工程师很努力地问了很多问题，但他不知道要问这一条。
你说这怪他吗？不怪。换谁从外面来，都问不到点子上。因为他不知道有这回事。
这就是外聘 FDE 最贵的地方——不是工资，是那半年到一年的「补课期」，而且这课补完，他还不一定留得住。
2外聘是租能力，自己养是攒资产
这句话我想说得更直白一点。
外聘 · 租来的能力
人在，能力在；人走，能力跟着走。你付的不是薪水，是租金，而且是逐年上涨的租金——因为这种人现在是真的缺。
自己养 · 攒下来的资产
他做出来的每一个智能体、每一份知识库、每一条被沉淀下来的规则，都留在你自己厂里。他越干越懂你的业务，越懂越值钱，而且这个价值长在组织身上，不长在某份简历上。
还有一点可能更关键：AI 工具的入门门槛正在快速往下掉。
以前搞点自动化，得会写代码。现在很多平台，你把流程用大白话讲一遍，拖几个节点、连几条线，它就能跑起来。这就意味着，FDE 最稀缺的能力已经不是「会写代码」，而是「知道该让机器干什么、不该让它干什么」。
而这件事，只有在这家厂待够年头的人才干得最好。
3选人：别挑最忙的，也别挑资格最老的
这是全文我最想跟你掰扯的部分。选错人，后面全是白费劲。
我总结下来，值得培养的对象大概是这么个画像：
在一线摸爬滚打五年以上。他知道流程在哪一步会卡，知道哪个数据不准，知道谁在偷偷用 Excel 兜底。这种「脏知识」任何文档里都没有，也最值钱。
手里有土办法的人。有些人你注意观察，他自己会做点小工具、写两个公式、拼个透视表，把每天重复的活省下来。这不是爱偷懒，是天生见不得低效——这就是干 FDE 的底层气质。
好奇心还在，不排斥折腾。对新东西第一反应是「这个能用来干嘛」，而不是「这玩意儿不靠谱」。
能在车间和会议室之间来回翻译。上能听懂老板要什么，下能跟老师傅聊明白。这能力比技术重要得多。
愿意教别人。这条容易被忽略。一个人会不会，跟他能不能让别人也会，是两件事。FDE 是要带出一批人的，只顾自己厉害的不合适。
再说几个反面例子，都是我见过踩坑的：
· 别选最忙的那个骨干。他确实最能干，但他没时间，机会给了也接不住，最后两个人都不痛快。
· 别选最资深的「老资格」。业务确实熟，但对新东西第一反应永远是「这个不行」。这不是能力问题，是心态问题，很难改。
· 也别选只想「管人」的。FDE 是手上有活的角色，得自己动手搭东西，纯做协调的做不长。
那具体从哪些岗位上挑？生产计划、工艺、质量、设备、信息化，这几个口子的中坚力量通常是好池子。另外说句题外话，厂二代其实是个被低估的群体——他们既有业务视角，又有推动事情的权限，还真心想让厂子变得不一样，往往是最早跑出来的那一批。
4怎么养：一周一个场景，比上十节课管用
这块不讲大道理，就说几条我觉得真管用的。
第一个智能体，一定让他给自己做。别一上来就搞「公司级平台、全厂推广」。让他从自己每天最烦的那件事开始——比如每天早上一来要花四十分钟把三张表对一遍。做完这个，他自己就是第一个用户，也是第一个信的人。别人怎么劝都没用，自己省下那四十分钟最有用。
别开培训班，边干边学。搞成「先学两周、再开始用」，基本等于白学。更靠谱的节奏是一周挑一个小场景，两周做一次复盘，做完说清楚哪里好用、哪里不好用、下次怎么改。学的东西要马上用掉，不然就忘了。
练「把话说明白」的能力。大部分人卡住不是不会点鼠标，是需求说不清。可以让他们练一个动作：把一句口头需求写成四句话——我要的结果是什么、我手里有什么材料、判断规则是什么、出了异常怎么办。这四句清楚了，智能体基本就能跑对。这能力练出来，受益的不只是 AI。
一定要有人兜底。最常见的死法：一个人兴冲冲开始做，卡在第二步，问了一圈没人管，第二次又卡住，然后就没有第三次了。所以要么配个外部教练，要么内部指定个师父，保证他卡住的时候两小时内有人能搭把手。
做出来的东西要收进柜子里。智能体、知识库、提示词、模板，都得归档、能复用、能被下一个人接着改。不做这件事，做十个也是十个孤岛，人一走全废。这一点上，工具选得对不对，差别特别大。
给时间，也给面子。每周固定给半天，别让人拿下班时间干这个——那样坚持不过一个月。做出成果的，要在会上讲出来、让全厂知道。很多厂推不动，不是没人才，是没人愿意当那个「多干活还不讨好」的人。
5模釜在这件事里，是个什么角色
我们做模釜（AgentSteamer）的出发点，其实就一句话：让企业自己的人，也能把智能体搭起来、养起来。
围绕的是 Harness Engineering 这套工程化治理的方法，做的是智能体从创建、可视化编排、测试、发布到运营治理的全生命周期——不是丢一个工具给你就走，而是让它能标准化地生产、能持续地运营。
落到具体能力上，跟「自己培养 FDE」直接相关的有几块：
可视化编排。业务的人不用写代码，也能把流程串起来。
RAG 检索增强。能把厂里的 SOP、图纸说明、维修记录、历史工单都吃进去，让智能体说的是你厂里的话。
多智能体协同。一个主智能体按意图分派给几个专业子智能体，大问题拆成小问题，一个人也扛得住。
再加上模型管理、技能与工具体系、上下文工程。让做出来的东西是可维护的，不是一次性的。
部署上是完整私有化，知识库和制品都留在企业自己域内，数据不出门。这点看着像技术细节，其实很关键——只有数据不出厂，老师傅才敢把真东西往里放。
场景上，智能办公（文档、PPT）、智能业务（流程自动化）、智能客服（知识问答）、智能审核（规则判断加 AI 审核）、智能研究（多源检索分析）、智能运维（监控加自动处理），这些是我们跑得比较多的。计费上也留了口子，License 订阅或者一次性打包，按自己的节奏选。
至于我们的角色，我更愿意说成陪练，不是代打。平台和方法论交给你，人从你队伍里挑，我们一起把第一批场景跑出来。跑通了，后面你自己就能往前推。
6外聘不是错，是要放对位置
说了这么多自己培养的好处，也得说句公道话：外聘本身没错，错的是把它当主力。
如果一定要外聘，建议是少而精，一到两个，定位是种子、是教练。他的任务不是把所有活干完，而是带出五个自己人。一年之后，他的价值就变成「你们的」了。
反过来，如果你指望外聘的人挑大梁——那等他哪天走的时候你会发现，智能体还在服务器上，但没人知道它为什么这么设计。这比没有更麻烦。
FDE 其实不是一个新岗位，它更像一种能力：把业务想清楚，然后告诉机器该干什么。
这种能力没法空降，只能长出来。它长在车间的噪音里，长在计划科的争吵里，长在那些「这个我们一直是这么干的」的说法里。
与其花八十万去挖一个人，
不如花半年，在自己队伍里养出三个人。
这三个人，才是你们厂以后真正的底气。
