智能体工程师四维能力地图——想清楚、喂得进、考得准、跑得稳。附《给AI的说明书》《事故演练》模板。

学了一堆 AI 工具，为什么一碰真业务就抓瞎？

最近越来越多制造业的朋友在问同一个问题：AI 工具我学了不少——提示词、调参、接 API、搭知识库，怎么一碰到自己厂里的真业务，还是不知道从哪下手？

因为缺的从来不是工具，是一张地图。工具没白学，但缺了这张地图，工具就是一盘散沙，用到真业务上全散架。

先对个焦：FDE 和"智能体工程师"是什么关系

我在《你以为 FDE 是新技术？它干的其实是精益的老本行》那篇文章里说过：FDE（前沿部署工程师）是把 AI 真实落进业务现场的人。现在 AI 落地最主流的交付物，就是智能体（Agent，也叫 AI 智能体）——一个能自己规划、调用工具、干完一件事的 AI。所以"智能体工程师"和 FDE 基本是一类人，只是换了个更贴交付物的叫法。（没看过那篇的，在公众号里搜一下标题就能读到，底下先从地图讲起。）

但问题来了：干这活儿到底需要哪些能力？很多人心里没数，学的时候东一榔头西一棒子。

我给自己列了一张「四维能力地图」，也顺便说给你听——你拿它给自己打打分，看缺哪格。先说清楚：这不是什么行业标准，是我在干中学给自己列的补课表，你拿来对照就行。

先把你脑子里的地图画出来，免得后面讲每格的时候你不知道它在哪：

一句话记牢：第 0 维是地基（数据进得来），上面四格是能力——架构拆解是"想清楚"、数据接入是"喂得进"、评测观测是"考得准"、生产协同是"跑得稳"。 下面一个一个拆。

第 0 维：数据进得来吗（前置条件，先过这关）

别急着学后面四维，先问一句：你厂里的数据，AI 碰得到吗？

MES 里的工单、ERP 里的库存、设备上的运行数据——是靠接口实时给 AI，还是导出 Excel 给，还是干脆只能手工录？数据要延迟一天（T+1）行不行？

很多项目死在这一步：模型再聪明，数据进不来就是巧妇难为无米之炊。这一关过不去，后面全是空中楼阁。

记一句，别和第 2 维搞混：第 0 维问的是"数据在不在"，第 2 维问的是"AI 会不会用"。

第一维：架构设计与任务拆解

白话讲：你能不能把一个真实业务，拆成 AI 干得动的活。

一个需求来了，先判断：这是调一次模型就能答的，还是要建一条工作流，甚至多个智能体分工合作？

自测一下：挑一个你手头的真实流程（报工、库存核对、订单跟进都行），你能用四句话讲清楚吗——

1. 输入是什么；
2. 中间分几步；
3. 出错怎么办；
4. 怎么算做完（验收条件）。

补课动作：先别碰 AI，就按这四段，把那个流程写成一页纸。写得出来，AI 才接得住。

第二维：数据接入与资料管理

白话讲：AI 要知道该调哪个系统、该看哪份资料，而且资料得按需给，不能一股脑全塞进去。

很多人以为搭个知识库就完了，结果把全公司资料倒进去，AI 答得又慢又错。资料管理是门手艺：什么该喂、什么不该喂、什么时候喂。

自测一下：要让 AI 帮你干活，你清不清楚它要看哪几个系统、哪几张表？哪些数据不能给它看（比如报价、人事）？

补课动作：写一页《给 AI 的说明书》——3 个它可以用的系统、2 份它必读的资料、2 条它绝不能碰的禁令。照着下面这张样板填就行：

第三维：评测与可观测性

白话讲：这一维管两件事——考得准、查得清。

• Evals（中文叫"评测集"，就是给 AI 出题考试）：你事先准备好一批"标准答案"，让 AI 做，再自动判分。比如"这条工单该分到 A 线还是 B 线"，你标好正确分类，看 AI 答对了百分之几。没有这套考试，你根本不知道 AI 是真懂还是蒙的。
• Trace（中文叫"全链路追踪"，就是全程录像）：AI 每步干了啥、调了哪个工具、看了哪份资料，全记下来。出问题能倒带重看，像飞机的黑匣子。没有它，AI 一出错你就只能干瞪眼。

这是最容易被忽略、也最要命的一维。很多人把 AI 跑起来就撒手不管，上线了才知道它经常"一本正经地胡说八道"，但说不清哪错了、为什么错。

自测一下：AI 给你一个答案，你写得出一条验收条件吗——什么算对、什么算打回？

补课动作：拿 AI 最可能产出的一类东西，写 3 条"若 X 则通过、若 Y 则打回"的判据。写不出来，就别上线。

第四维：生产可靠与人机协同

白话讲：进度要能存盘、断了能续传、哪几步必须人来拍板、还得有保险丝。

AI 真上线跑起来，你迟早会碰到：它把事干到一半断了、它输出了离谱的结果、它需要访问一个它不该碰的东西。这时候系统能不能暂停、能不能回滚、找谁兜底——都要提前设计好。

自测一下：AI 出大,错、断网、结果离谱时，你知道找谁兜底、怎么暂停、怎么恢复吗？

补课动作：填一页《事故演练》——兜底人是谁、手工流程是什么、暂停按钮在哪，各写一格。照这张样板填：

能力地图怎么用

一句话：这不是"学完再上岗"的清单，是"边干边补"的对照表。

给你的建议：

• 你是精益老兵、懂现场懂流程——先看第 0 维和第 2 维，你的短板大概率在"数据怎么喂给 AI"。
• 你是工程师、懂代码——先看第 1 维，你的短板大概率在"把业务拆成 AI 干得动的活"。
• 你是老板、是管理者——别自己动手，拿这张地图问团队三个问题：数据进得来吗？验收条件写得出来吗？AI 出大错有人兜底吗？三个问题答不利索，项目别急着上。

最强的智能体工程师，还得补三样东西：后端工程能力（可靠底座）、对大模型的直觉（判断模型能力边界）、产品思维（想清楚这个场景值不值得做）。这是进阶课，本期不展开。

回去先做一件事：挑一个你厂里真实的流程，按这四维给自己打个分——每维 0 到 3 分，哪格低于 2 分，就是你这周该补的那格。

你照着这张地图给自己打了分，最低的那格是哪个？评论区聊聊。

🔥 今日福利 我整理了一份可直接照抄的《给 AI 的说明书》+《事故演练》模板（就是上面那两张样板的空白版），关注本号，在后台回复关键词「智能体地图」，自动发你。拿回去填一遍，比看十篇干货都管用。

（顺手转发给厂里那位"正在学 AI 的工程师"，他大概率正缺这张地图。）