ARTICLE · 1228863
收藏了 181 篇 AI 落地文章还是不会做?问题不在文章,在你没有主线
先说一个我自己身上的事。
我的知识库（xczhe.com/ai/kb）攒到 181 篇的时候，后台数据给了我一个挺扎心的信号：收藏的人不少，能把两条以上文章串起来读的，很少。
这不怪读者。AI 落地这个领域，今天冒出一个 MCP，明天一个 Harness，后天一个 Ontology，每篇单看都有道理，连起来看就是一团乱麻。收藏的行为制造了"我在学"的错觉，主线缺失让这些收藏永远躺在夹子里。
所以我干了一件笨事：把这 181 篇全部摊开，重新归成 7 条主线。每条主线告诉你：为什么重要、先读哪篇、读完你应该能回答什么问题。
这篇文章就是那张地图。
主线一：先搞懂 FDE 是什么（岗位认知线）
为什么排在第一：AI 落地失败的锅，八成甩给技术，其实是"没人负责把东西用起来"。搞懂 FDE 这个岗位，你就理解了 AI 落地的真正分工。
必读三篇：
《FDE 到底是干嘛的？我帮你拆清楚了》——入门第一篇，十分钟建立概念 《FDE vs 咨询 vs 外包：三个角色的分水岭到底在哪》——这三个角色经常被混着叫，分清了你就知道该招什么人、该买什么服务 《做 FDE 的第一步不是写代码，而是把客户问题拆到能验收》——这句话值得贴在工位上
读完你应该能回答：公司想上 AI，第一个该 hire 的人是写代码的，还是管流程的？
主线二：企业 AI 转型的路线图（组织线）
为什么重要：这是老板线。技术上能跑通的东西，组织上跑不通，白搭。
必读四篇：
《企业 AI 改造第一步：你不在上 AI，你在还债》——很多"上 AI"其实是补多年流程欠账，先认清这个再谈改造 《给「AI 组织」交了好几波学费后，终于看清了这五级台阶》——组织进化的五级台阶，对照自己在第几级 《为什么很多公司的 AI 转型，会卡在中层？》——老板热情、员工无所谓、中层观望，是绝大多数项目的真实状态 《别再用员工使用率证明 AI 转型成功》——一个反常识指标：用得欢不等于用得对
读完你应该能回答：你的公司卡在哪一层——工具层、流程层，还是组织层？
主线三：Agent 工程化（技术主干线）
为什么重要：从"会聊天"到"会干活"，中间隔着的全是工程。这条线是给技术人的主干道。
必读四篇：
《Loop Engineering：从提示词工程到智能体闭环设计》——提示词工程之后的新范式，先立框架 《一文讲透 Agent 三件套：MCP、Skill、Hook 如何给大模型装上护栏》——把三个最容易被混着说的概念一次拆清 《Agent 治理：用 Hook 堵住 LLM 的偷懒、越权与失忆》——生产环境不是能不能跑，是敢不敢放 《从 Loop 到 Graph Engineering，如何让 Agent 系统长期、可靠地运行》——单个 Agent 之外，系统怎么活过三个月
读完你应该能回答：你的 Agent 出错时，是靠人盯，还是靠机制兜？
主线四：RAG 与知识库（数据线）
为什么重要：企业落地十个项目，八个绕不开"让 AI 懂我们公司的东西"。这条线专治"把文档扔给大模型就完事了"的天真。
必读四篇：
《AI 知识库 ≠ 把文档扔给大模型——我在集团建 AI 知识库的真实经验》——先破除最大的误解 《企业级 RAG 的知识分层：实体、关系、属性与规则如何落库》——知识怎么组织，比向量库选型重要十倍 《RAG 怎么评估呢？RAG 评估体系 5 个指标让你的知识库从「盲飞」到「可量化」》——没有评估体系的知识库，就是在盲飞 《RAG 最难的不是向量库，而是知识链路》——这句标题就是答案
读完你应该能回答：你的知识库答错时，你能定位是哪一环坏了吗？
主线五：本体与知识图谱（认知升级线）
为什么重要：这条线最烧脑，但它是"企业级"三个字的分水岭。想让 Agent 从"会答"走到"会做"，绕不开它。
必读三篇：
《Palantir 把 Ontology 炒火了，但国内别把它当成知识图谱 V2.0》——先纠偏，防止一上来就走歪 《业务本体不是又一个知识图谱：让 Agent 从「会答」走到「会做」》——本体和图谱的区别，一篇讲透 《企业本体建模法：Palantir 4 要素 + DDD 4 原则 + 治理 3 步》——直接给方法，拿来对照自己业务
读完你应该能回答：你公司的业务知识，是存在文档里，还是存在结构里？
主线六：工具平台实操（动手线）
为什么重要：概念看一百篇，不如动手跑通一个。这条线按平台分，选你手头在用的那个就行。
按需选读：
用 Dify 的：《告别拖拽做工作流》《Dify 记忆能力实战：Mem0 插件接入，实现跨会话智能记忆》 用 Coze 的：《Coze Skill 速通教程：一文学会 Skill 设计方法》《把大厂 10 年的职场经验，做成了一个「Coze Skill」》 用 WorkBuddy 的：《腾讯 WorkBuddy 实践：如何把 Agent 做成可用产品》《WorkBuddy 保姆级教程｜把 Markdown 做成精美 Word 和 PDF》 自建的：《拆解 Agent Harness 的 11 大核心组件与工程实践》《用 LlamaIndex 让 AI 读懂你的 Excel：三种方案详解》
读完你应该能回答：你手头的平台，短板在哪一步——编排、记忆，还是知识接入？
主线七：复盘与失败案例（避坑线）
为什么放在最后：失败了才知道什么重要。别人的学费，是最便宜的教材。
必读三篇：
《一次 AI 赋能销售项目的失败复盘：为什么蒸馏了销冠经验，还是成不了销冠》——把经验喂给 AI 和把能力教给 AI，是两回事 《从一个售前场景开始：一次组织级 AI 落地项目复盘》——从一个场景撬动一个组织，过程全记录 《AI 技术坟场——没有系统思维的企业管理智能化部署，就是一场灾难！》——标题糙理不糙
读完你应该能回答：你上一个 AI 项目，死在哪一步？
一张表看完全部路径
给三种人的最快路线：
老板：1 → 2 → 7，三周读完，够你开高管会了 技术人：3 → 4 → 6，边读边跑，一个月上手 想转行做 FDE 的：1 → 3 → 7，补上 5，就是完整简历
最后说一句
这 181 篇我都翻过一遍，最大的感触是：AI 落地这个领域，缺的从来不是信息，是顺序。
信息过载的时代，"按什么顺序读"本身就是一种稀缺能力。我把知识库按这 7 条主线重新整理了一遍，放在 xczhe.com/ai/kb，以后每篇新文章都会挂上主线标签，你顺着标签读就行。
哪条主线你卡得最深，评论区说一声，我针对那条线再往深写。
我是小饭，在长沙。做小鹅通服务商六年，现在也做 WorkBuddy 和 AI 工具落地，进客户公司把事办成——这活儿在美国叫 FDE。完整书单（7 条主线 × 每篇带一句话摘要和直达链接）我整理成了 PDF，私信我发你。
知识库在这：https://www.xczhe.com/ai/kb/index.html[1] （建议先收藏，再按主线读）
引用链接
[1]https://www.xczhe.com/ai/kb/index.html
