夜雨聆风最近福特 AI 质检的案例很火。很多短视频把它讲成一个爽文故事：福特嫌老师傅贵，想用 AI 替代人工质检，结果质量翻车，最后又把一批资深工程师请回来。这个说法很有传播力，但如果只停留在"AI 不行，老师傅赢了"，就把这件事看浅了。
更准确地说，福特后来确实重新引入了大量有经验的工程人员，来补足质量体系里被弱化的经验判断、人工审核和跨部门协同能力；与此同时，福特在 J.D. Power 2026 美国新车初始质量研究中成为主流品牌第一，PP100 指标较上一年明显改善，但它仍然面临召回等历史质量问题的消化压力。这个案例真正说明的不是"AI 没用"，而是企业不能把 AI 用成替人幻想。
真正值得讨论的，是一个更底层的问题：AI 到底能复制一个人到什么程度？蒸馏工程师到底能蒸馏出什么？FDE 又应该如何带着被蒸馏出来的 Skill 和 Agent 去现场工作？
很多企业现在都有一种冲动：既然一个老员工很有经验，那能不能把他的文档、案例、方案、培训材料、访谈记录全部喂给模型，做出一个"数字分身"？既然有了数字分身，那是不是就可以少依赖这个人，甚至替代这个人？这个想法听起来很合理，但真正放到业务现场，往往会出问题。
因为一个老师傅真正值钱的地方，从来不只是他知道多少答案，而是他知道什么时候不能急着给答案；不只是他做过多少项目，而是他知道哪些项目表面成立、实际推不动；不只是他会看一个缺陷，而是他能从一个小异常里闻到背后的系统性风险。
AI 可以蒸馏知识，可以迁移经验，可以形成 Skill 和 Agent，但不能简单蒸馏责任、边界感和现场判断。
一、蒸馏不是复制一个人，而是抽取可复用能力
所谓蒸馏，不是把一个老师傅完整复制出来，而是把他身上可表达、可复用、可验证的部分沉淀下来。这里面是有层次的。
最容易蒸馏的是知识，比如产品手册、项目方案、行业报告、常见问题、方法论框架。这些内容本来就是显性的，可以整理成知识库，也可以被模型检索和调用。再往上一层是经验，比如哪些客户经常问什么问题，哪些项目过去落地过，哪些方案容易失败，哪些坑反复出现。经验比知识更难，但只要有足够多的案例、复盘和反馈，也可以被部分迁移。
真正困难的，恰恰是更靠上的部分。
比如边界感。客户说"我们想做 AI"，下一个问题不是"好的，我们来设计方案"，而是：这是谁提出来的？预算在哪里？数据在谁手里？系统有没有打通？现有流程谁负责？出了问题谁兜底？这些问题没问清楚之前，方案写得再漂亮，也是空转。知识告诉你怎么回答，边界感告诉你什么时候不要急着回答。
再比如情境判断。同样一句"我们想做 AI"，董事长说、信息中心主任说、车间主任说、应急局说、生态环境局说，含义完全不一样。新人听到的是需求，老师傅听到的是背景、权力关系、历史包袱、组织阻力和真实动机。
更难的是价值排序。一个项目里，方案 A 收益最高，方案 B 风险最低，方案 C 最容易落地，到底选哪个？AI 可以把三个方案分析得头头是道，但最后怎么选，不只是技术问题，而是责任问题、组织问题、价值问题。什么承诺不能给，什么风险不能碰，什么短期收益不能拿，什么客户不能骗，这些不是模型算出来的，而是人在长期实践中形成的判断底线。
所以，蒸馏工程师的价值，不是写几个 Prompt，也不是把老员工资料喂给模型，然后做一个"数字分身"。真正的蒸馏工程师，是把专家经验拆成一套可复用的能力系统：把老师傅的访谈方式沉淀成客户诊断表，把项目经验沉淀成案例库，把风险判断沉淀成风险清单，把方案套路沉淀成方案模板，把决策逻辑沉淀成评测规则，把工具使用方式沉淀成 Agent 的工具链。
这里面最关键的，不是让 AI 看起来像某个老师傅，而是让 AI 在可控边界内稳定发挥作用。一个好的 Skill，可以帮新人快速生成访谈提纲，可以根据客户材料输出初步方案，可以检查合同风险点，可以总结竞品差异，可以生成项目复盘，也可以把过去经验快速调出来。但它不是老师傅本人。
Skill 不是老师傅，而是老师傅经验中可复用部分的压缩包。Agent 不是决策者，而是能力放大器。
因此，蒸馏的边界必须画清楚：知识可以复制，经验可以迁移，规则可以学习，流程可以固化；但边界感、情境判断、价值排序和最终责任，不能直接交给 AI。
能生成，不等于能判断；能回答，不等于能负责；能模仿一个人的话术，不等于拥有这个人的经验和边界。
二、FDE 的价值：把 Agent 带到现场，而不是让 Agent 替人拍板
这时，FDE 的价值就出来了。
FDE 不是传统程序员，也不是普通售前，更不是只会写 PPT 的方案顾问。FDE 的核心价值，是把技术能力前推到业务一线。他要能去现场看真实问题，和客户的人坐在一起，听懂业务语言，识别真实断点，再调用公司的技术底座，快速搭出可验证的方案，推动进入生产系统，最后把现场踩过的坑带回产品体系。
FDE 不是坐在总部写代码的人，而是被派到客户现场，加入客户的群，接进客户的系统，和客户的人坐在一起干活；他们的职责不是"把产品装好"，而是去一线搞清楚真实问题，调用公司技术底座，快速搭出能用的方案，把方案推向生产系统，再把踩过的坑带回产品能力。
如果说蒸馏工程师负责把老师傅经验变成 Skill 和 Agent，那么 FDE 负责把这些 Skill 和 Agent 带到现场去打仗。
他身后应该有一套被蒸馏出来的能力系统：行业知识库、客户诊断 Agent、方案生成 Agent、案例检索 Agent、风险识别 Agent、竞品分析 Agent、交付清单 Agent。这些能力可以帮助 FDE 更快理解客户、更快形成方案、更快识别风险、更快把现场问题带回系统。
但这里有一个非常重要的边界：FDE 可以使用 Agent，但不能把判断权完全交给 Agent。
Agent 可以帮他整理材料，但不能替他判断客户有没有真实预算；Agent 可以帮他生成方案，但不能替他判断这个方案在客户组织里能不能推得动；Agent 可以帮他列风险，但不能替他承担交付失败的责任；Agent 可以帮他生成汇报材料，但不能替他在关键会议上说服一把手。
FDE 的价值，不是会不会用工具，而是能不能基于工具，把复杂现场转化成可执行路径。Agent 负责放大能力，FDE 负责把能力变成结果。
这也是企业 AI 落地和普通软件上线最大的区别。普通软件更多解决"功能有没有"，而企业 AI 真正要解决的是"能力能不能进入现场、进入流程、进入决策、进入结果"。没有 FDE，Agent 很容易停留在 Demo；没有 Agent，FDE 又很容易陷入个人英雄主义，靠经验硬扛，难以规模化复制。
所以，FDE 和 Agent 的关系不是替代关系，而是协同关系。FDE 是现场负责人，Agent 是能力外挂；FDE 负责判断方向，Agent 负责提升效率；FDE 负责闭环结果，Agent 负责沉淀过程。
三、人和人怎么协同：老师傅不是被替代，而是被重新定位
真正成熟的企业 AI 落地，不是"蒸馏一个老员工，然后把这个老员工开掉"，而是重新设计人和人之间的协同关系。
老师傅不应该继续只靠个人经验救火，也不应该被简单替代。他应该升级成经验源、训练师、评审者和边界定义者。他负责告诉系统：哪些场景最容易出问题，哪些判断过去反复验证过，哪些风险不能碰，哪些方案看起来漂亮但落不了地，哪些客户话不能只听表面。
蒸馏工程师负责把这些经验结构化，把老师傅脑子里的隐性知识变成知识库、案例库、风险库、流程卡、评测集和 Agent 能力包。FDE 负责把这些能力带到一线，在真实项目里验证哪些有效、哪些无效、哪些需要重新训练。新人则通过这些 Skill 和 Agent 快速学习，不再从零开始踩坑。
这样一来，组织里就形成了一个新的闭环：老师傅提供经验，蒸馏工程师沉淀经验，Agent 复用经验，FDE 验证经验，新人学习经验，现场反馈再反哺系统。
这才是 AI 时代真正有价值的组织协同。
过去，很多企业的问题是经验高度依赖个人。一个老售前离职，客户打法断了；一个项目经理换岗，项目踩坑记录没了；一个老师傅退休，质量经验跟着走了；一个骨干不在，新人又从零开始试错。AI 真正的价值，不是立刻替代这些人，而是把这些人身上的经验从"个人资产"变成"组织资产"。
企业最贵的，不是老员工的工资，而是那些还没有被沉淀下来的经验。
如果管理者一上来就想着"AI 来了，可以裁掉多少人"，这个方向大概率是错的。因为你裁掉的可能不是成本，而是还没有被系统吸收的经验；你节省的是工资，损失的是判断力；你减少的是人头，放大的是组织断层。
福特的案例真正提醒我们的，也不是"不要用 AI"，而是"不要把 AI 用成替人幻想"。AI 质检可以看图像、识别参数、发现重复缺陷，但复杂制造质量问题往往不是一个点，而是一条链。一个零件的小问题，可能来自设计变更，可能来自供应商批次，可能来自装配工艺，也可能来自售后场景。老师傅厉害的地方，是能从一个异常里识别背后的系统性风险。
AI 可以帮他看得更快、更全，但前提是人的经验、人的反馈、人的边界要进入系统。
四、企业真正要建设的，不是万能 AI 员工，而是能力生产系统
所以，这篇文章最后要落到一个核心判断：企业 AI 落地，不是做一个"万能 AI 员工"，而是建设一套"人机协同的能力生产系统"。
在这套系统里，老师傅不是被替代，而是被放大；蒸馏工程师不是写 Prompt，而是做经验工程化；Agent 不是拍板者，而是能力载体；FDE 不是普通使用者，而是一线闭环负责人；新人不是从零开始摸索，而是站在组织经验之上快速成长。
这套系统真正解决的问题，不是某一个岗位效率提升，而是组织能力如何复制、传承和进化。
以前，企业靠人带人，效率慢、成本高、不可控。后来，企业靠流程管人，标准化提升了，但灵活性下降了。AI 时代，企业有机会进入第三阶段：用 AI 承载经验，用 FDE 验证现场，用老师傅定义边界，用蒸馏工程师把经验工程化，最终让组织能力持续迭代。
真正的 AI 落地，不是替代人，而是重构经验的生产、传递和复用方式。
回到最开始那个问题：为什么蒸馏不出一个老师傅？
因为老师傅最重要的价值，不只在于他知道答案，而在于他知道什么时候没有答案；不只在于他会解决问题，而在于他知道哪些问题不能轻易承诺；不只在于他有经验，而在于他能在复杂、模糊、不确定的现场里承担判断责任。
AI 可以成为老师傅的助手，可以成为新人的教练，可以成为 FDE 的外挂，可以成为组织经验的载体，但它不能在没有边界、没有反馈、没有责任人的情况下，独立替代一个真正的专家。
AI 不会淘汰老师傅，但会淘汰那些不懂得把老师傅经验系统化的企业。
企业 AI 落地的正确姿势，不是蒸馏一个老员工，然后干掉这个老员工；而是让老员工的经验进入系统，让新人站在经验之上，让 FDE 带着系统去一线打仗。
