「先不写指令，我得先拆你的活儿」：FDE 进场调研三步法
企业 AI 落地顾问申悦记录了一次”被客户一句话问回起点”的 FDE 项目：客户问”怎么给 AI 下指令”，她的回答是”先不写指令，我得先拆任务”——落地最难的不是写提示词，而是听懂客户手上那堆文档（一百多个品牌、几张各管「出/进/核」的 Excel）。文章给出 FDE 进场调研三步法（拿资料 / 理先后 / 定结果），核心结论是”AI 落地的核心能力，是在客户面前敢说一句『我没听懂』，然后问出下一个好问题”。
基本信息
- 来源类型：文章（人人都是产品经理 · 作者申悦）
- 原文位置：
raw/articles/2026-09-21-200759-tg-beaa0e.md - 原文 URL：https://www.woshipm.com/ai/6467340.html
- 原始出处：微信公众号【申悦的AI项目现场】；作者署名”互联网悦读笔记，360产品总监”，主页显示 89 篇作品、1499954 总阅读量
- 发布日期：2026-09-21（原文标注：1 评论 / 200 浏览 / 13 分钟）
- 素材来源：Telegram bot 抓取（telegram_msg_id 4011），正文由
scripts/http_capture.pyHTTP 优先抓取 - 消化日期：2026-09-21
- 文章结构：五节（第一场会没对齐 → 听懂名词 ≠ 听懂工作 → 客户越配合越要收范围 → 沟通后不交方案交 todo → 写在最后）+ FDE 进场调研三步法
核心观点
-
客户问”怎么给 AI 下指令”，正确回答是”先不写指令，先拆任务”。业务同事一边打开 AI 软件一边问怎么写提示词，作者当场让她打消这个念头：“我们先不写指令。我得先拆任务，先拆你的活儿。“理由是：没完整理解这件事的处理顺序就直接下指令，八成只能靠猜——“AI 看着给出了结果，换个环境还是会错”。这就是标题里的判断：AI 落地最难的，是「听懂」——先弄明白客户的一堆文档资料各自是干嘛的。
-
FDE 的理想画面对上现实：进场第一天的任务与真实信息量严重错配。理想画面是”带着 AI 能力进场，一个难题一个难题推过去”；现实是”你得先花不少力气，才能和客户共同确认，眼前的问题究竟是什么”。作者入场第一天的任务是”给客户把第一版 Skill 搞出来”，但讨论已经进入业务细节：主档、货号、C Code 等内部术语一串接一串，几张 Excel 各自的作用和前后关系还没搞明白，只能硬着头皮一边听一边补缺的信息。
-
启动太急 + 预期没对齐，会把「自动填表」变成一项不小的数据梳理任务。第一场会客户抛出好几个需求（销售月报、商品资料怎么填、信息管理项目进度怎么高效同步），每个人都说得痛，但需求堆在一起就发散，没有一条能还原成完整方案。写月报最初听起来只是把各品牌销售数据填进汇报表；继续聊才知道不同品牌的数据格式、统计方式、数据来源都有区别；等到认为有必要先梳理表头映射关系时，才发现涉及的品牌有一百多个。于是现场有人提了一嘴：“我们原以为是来听个培训、了解一下 AI 工具怎么用，没想到现在要坐下来，把自己手里的工作重新盘一遍。”
-
对业务同事来说，投入没有被提前讲清楚，是双方预期错位的真正原因。业务同事手头工作本来就满，开会、整理资料、解释规则、核对结果都要从他们本就不宽裕的时间里挤出来。“这些投入没提前讲清楚，我们觉得『还差资料』，对方觉得『怎么 AI 还没帮上忙，自己倒先多了一堆工作』。“作者的复盘是：“回头看，这事我们该早说。”
-
听懂名词 ≠ 听懂这项工作：相似的表在工作流的不同位置，处理方式完全不一样。第一个明确需求是资料整理任务，业务同事打开好几张看起来数据差不多、栏目也有重合的 EXCEL。作者当时特别不理解为什么要搞这么多表，经解释才明白里面有要处理的原始表、用来核对的已有记录、规定最终结果的结果模板表。原文给出的工作流是「原始输出 → 比对查重 → 导入模板 · 上传系统」，一句话概括是”三张表的作用：一个是『出』，一个是『进』，长得还不一样”。“这些关系不掰扯清楚，后面再谈字段映射、AI 自动填充，全是错的。”
-
补窟窿的方法是”承认没听懂 + 知道接下来该问什么”。作者的做法是顺着资料来源一条条问客户：“问他们是怎么判断两张表归属关系的，问他们应该根据哪些信息来核对。“原文的原话是：“承认没听懂，只是第一步。知道接下来该问什么，才能开始补窟窿。”
-
演示时被跳过的一步，往往就是 AI 落地最关键的隐性知识。销售月报数据汇总任务里，业务同事中途又拿出一张新表，记录了额外的映射规则——而”这份资料她都没意识到要提供给 AI”。作者反思：如果这些记录没拿出来，可能真会以为”拿到原始资料，再看看最后要交的结果，就能让 AI 开始跑脚本了”。员工能把活做完，靠的是这些补充记录加上已经熟悉得不能再熟悉的处理习惯；演示时有些步骤是”咣”一下过去的，但作为 FDE”你要能立刻觉察到：不对，刚才为啥查这张表？为啥选这几个编码？”——“这些问题听着外行。但不问，后面就得靠猜。”
-
客户越配合，越需要有人收住范围。这次客户配合度非常高（从领导到业务同事都愿意开会、拿资料、提需求、追着问），但作者的感受是”客户越配合，需求来得越多”：聊到一个月报需求能带出另外几种报表，讲完一段流程对方又想起另一项重复工作。FDE 必须不断判断：“新提到的事，是当前流程里不能漏的一步，还是另一件要单独处理的事？“——属于当前任务的必要步骤，哪怕之前没想到也要补进去；已经是另一个场景的，先记下来、说明它和眼前工作的连接，再决定什么时候展开。“不能图表现顺手全答应。也不能只顾赶进度，让业务同事觉得自己提的问题没人听。”
-
“客户的配合是把双刃剑。你不收住，它会把你拖死。” 这是全文最锋利的一句判断（原文在正文中重复出现一次作为强调）。作者的做法是：“先拿一组真实资料，把一种明确的处理方式跑通。遇到新情况，再判断老规则能不能罩得住——是加条件，还是干脆拆成另一条流程。“同时 FDE 也要判断出 AI 介入业务的边界，按 AI 辅助分析 / 规则直接处理 / 人工待确认项 几个维度进行输出。她并不要求 FDE 在听需求那一秒就交出完美方案，但”至少得尽快有个初步判断，并让客户愿意拿资料继续验证”——理由很直白：“范围收得住，客户的配合才会慢慢变成项目进展。不然大家投入一堆时间，需求清单越来越长，眼前这一件却一直做不完。”
-
沟通后不交方案，交 todo——把输入、输出、处理方式讲清楚，开发和测试才有依据。作者复盘这一周的工作：“确认名词、看文件、请业务同事演示、把处理步骤写下来、拿自己的理解回去复核、发现遗漏、再调整处理顺序”——完全没有”专家一听就懂、现场一把做完”的爽感，但事情比一开始具体多了：起初大家只是希望 AI 帮忙处理资料，后来能讲清楚输入、输出和处理方式了。“明确这些，开发和测试才有依据。“这就是小节标题”沟通后不交方案，交 todo”的含义：FDE 阶段的第一交付物不是方案，而是可执行的待办与口径。
-
“FDE 得会沟通”的四项具体能力：既要能听懂业务人员的话，也得察觉自己哪里没听懂；能跟着对方的实际操作理解工作，再把自己的理解请对方纠正；讨论发散了，还得帮大家拉回来。作者的总结是：“工具当然重要。但进了现场，你大概率得先穿过这些沟通，才知道技术该往哪儿使。“这与 FDE 前线部署工程师 页面已有的”四类核心能力”（工程 / 业务理解 / 产品判断 / 沟通推动）互为印证，但把”沟通推动”这一项拆成了更可操作的动作：察觉自己没听懂 → 请对方纠正 → 把发散讨论拉回来。
-
AI 落地的核心能力是”敢说我没听懂”，这件事没有捷径。写在最后的一节给出全文论点收束：“AI 落地做了几年，我越来越觉得——AI 落地的核心能力，是在客户面前敢说一句『我没听懂』，然后问出下一个好问题。模型会越来越强，工具会越来越傻瓜。但能坐下来，把别人的活听明白、问明白、拆明白——这事儿，没什么捷径。还是得请对方把文件打开，在她旁边，请她走一遍平时干活的全流程。“注意末句的现场性：请对方打开文件、坐在她旁边、看一遍全流程——这是作者给出的不可替代的调研动作。
实操内容保留
本文无代码块，但给出了一套可直接复用的 FDE 进场调研框架（三步法）、一组现场判断维度和一条收范围的决策规则，按原文原样保留。
操作步骤：FDE 进场调研三步法（原文）
这是作者从本次经历中总结出的方法，原文以三条清单形式给出：
拿资料：有没有原始文档，从哪儿开始到哪儿结束
理先后：哪些先做，哪些先放一放，不要一股脑全倒出来
定结果：谁来确认结果？是业务方，还是双方一起校对？原文对这套方法的定位是：“能说清楚这些，哪怕还有问题没解决，也知道下一步该怎么走。“
分步教程：听不懂时怎么问（原文动作序列）
- 承认没听懂（先表态，不装懂）；
- 问对方”怎么判断两张表的归属关系""应该根据哪些信息来核对”这类判断依据问题，而不是问结论；
- 要求对方把补充资料拿出来（例：记录额外映射规则的新表）；
- 在对方演示时盯住被”咣”一下跳过的步骤，追问”刚才为啥查这张表？为啥选这几个编码？”；
- 把自己的理解写下来，回去复核、发现遗漏、再调整处理顺序。
配置/参数：两条现场判断清单（原文）
| 判断场景 | 原文给出的处理规则 |
|---|---|
| 客户新提到的需求 | 属于当前流程里不能漏的一步 → 补进去（哪怕之前没想到）；已经是另一个场景 → 先记下来，说明它与眼前工作的连接，再决定什么时候展开 |
| 遇到新情况时的规则处置 | 先判断老规则能不能罩得住——是加条件，还是干脆拆成另一条流程 |
| AI 介入业务的边界 | 按 AI 辅助分析 / 规则直接处理 / 人工待确认项 三个维度输出 |
反例（原文明确点出的错误做法）
- 先写指令（跳过任务拆解）—— 没理解处理顺序就下指令，八成靠猜，换个环境还是会错
- 急着出完美方案（在听需求那一秒就交方案）—— 原文说"我不觉得 FDE 必须在听需求那一秒就交出一个完美方案"
- 图表现顺手全答应 —— "不能图表现顺手全答应"
- 只顾赶进度，让业务同事觉得自己提的问题没人听 —— 原文明确同时否定这两种极端
- 把"还差资料"当成客户的配合问题 —— 实际是自己没提前讲清投入关键概念
- FDE 前线部署工程师 — 本文是 FDE 在现场的真实工作样本；补齐了”进场调研”这一前置阶段（三步法、听见隐性知识、收范围），与实体页已有的”四类核心能力""三大管理风险”形成上下位关系。
- 企业AI落地 — 本文属于该主题的”需求对齐 / 现场调研”子问题：落地卡点不在模型而在听懂业务。
- 提示词工程 — 本文是对”提示词优先”思维的一次反向纠正：先拆任务再写指令；提示词的质量上限由任务拆解的完整度决定。
- 人机协同 — 文中”AI 辅助分析 / 规则直接处理 / 人工待确认项”是 AI 介入业务的边界划分，属于人机分工的现场判定方法。
- Skill — 作者入场第一天的任务就是”给客户把第一版 Skill 搞出来”，说明 Skill 已成为企业 AI 交付的一等交付物（与 AI Skill、“极窄 Skill”的讨论同属一条线）。
- 需求真伪识别 / B端产品经理 — “新提到的事是当前步骤还是另一个场景”是需求归属与真伪判断在 FDE 场景下的具体化。
- 业务架构师 / 咨询师型员工 / 内部 AI 顾问 — 本文展示的是乙方外派视角下同一问题的处理方式，与业务架构师（驻场局外人）、咨询师型员工（企业内生）互为对照。
- 样板田 — 作者”先拿一组真实资料，把一种明确的处理方式跑通”就是样板田思路在前置调研阶段的最小版本。
- AI 管理放大器 — 文中”业务同事手头工作已满，AI 没帮上忙反而先多出一堆工作”是企业内部对 AI 提效承诺的典型反弹。
与其他素材的关联
- 与 2026-08-18-FDE为什么突然火了？AI落地缺的不是工具，而是能进现场的人 的关系：那篇从行业视角论证”FDE 解决四种断层”；本文从现场视角给出这四种断层在真实项目里的样子——尤其是”产品能力与业务问题断层”（客户问怎么下指令）和”技术实现与组织采纳断层”（业务同事觉得多了一堆工作）的具体形态。
- 与 2026-07-07-woshipm-product-slow-fde-sample-field 的关系：那篇讲 FDE 的组织内视角——把外部机会翻译成内部可验证项目（样板田、市场信号翻译）；本文补上更前一步的现场调研动作（拿资料 / 理先后 / 定结果），两者合起来才是”从见到客户到给出可验证边界”的完整链条。
- 与 2026-06-19-woshipm-fde-6-judgments 的关系：那篇说”核心看业务思维而非技术深度""总是想着如何最简单地解决问题”；本文给出了业务思维的具体动作清单（问判断依据、盯被跳过的步骤、收范围），把抽象标准落成可执行行为。
- 与 2026-05-23-woshipm-sop-as-cot-agent-clone-expert 的关系：那篇的”驻场观察 + 每步追问把隐性 SOP 显性化”与本文”她演示时有些步骤是『咣』一下过去的，你要能立刻觉察到”是同一个动作的两种表述——隐性经验只能靠现场追问获取。
- 与 2026-05-27-woshipm-consultant-employee-ai-era 的关系：那篇的结论是”AI 接得住的不是混乱，而是已经被梳理过的经验”；本文用”一百多个品牌的表头映射”证明梳理本身有多贵——梳理成本最终由业务人员承担，所以必须提前讲清投入。
- 与 2026-07-13-woshipm-manufacturing-ai-where-to-land、2026-07-16-woshipm-digitalization-cost-management 的关系：三篇共享同一条纪律——先画流程定责任人、再定数据口径，AI 才接手重复部分；本文的”拿资料 → 理先后 → 定结果”是这条纪律在项目启动第一周的最小落地形态。
原文精彩摘录
「先不写指令。我得先拆任务，先拆你的活儿是怎么做的。」
—— 客户问我「怎么给AI下指令」后，我的回复
FDE的理想画面，是带着AI能力进场，一个难题一个难题推过去。
现实是：你得先花不少力气，才能和客户共同确认，眼前的问题究竟是什么。
我连几张表各自是干嘛的、前后什么关系都没搞明白，而我入场第一天的任务是：给客户把第一版Skill搞出来。
没办法，只能硬着头皮，一边听，一边把自己缺的信息补上。
我们原以为是来听个培训、了解一下AI工具怎么用，没想到现在要坐下来，把自己手里的工作重新盘一遍。
这才是一线的真实心声……不是客户不配合，是预期压根没对齐。
这些关系不掰扯清楚，后面再谈字段映射、AI自动填充，全是错的。
员工能把活做完，靠的是这些补充记录，加上她已经熟悉得不能再熟悉的处理习惯。她演示的时候，有些步骤是「咣」一下过去的，但作为FDE，你要能立刻觉察到：不对，刚才为啥查这张表？为啥选这几个编码？
这些问题听着外行。
但不问，后面就得靠猜。
客户的配合是把双刃剑。
你不收住，它会把你拖死。
范围收得住，客户的配合才会慢慢变成项目进展。不然大家投入一堆时间，需求清单越来越长，眼前这一件却一直做不完。
起初大家只是希望AI帮忙处理资料，后来能讲清楚输入、输出和处理方式了。明确这些，开发和测试才有依据。
AI落地的核心能力，是在客户面前敢说一句「我没听懂」，然后问出下一个好问题。
模型会越来越强，工具会越来越傻瓜。但能坐下来，把别人的活听明白、问明白、拆明白——这事儿，没什么捷径。
还是得请对方把文件打开，在她旁边，请她走一遍平时干活的全流程。
（读者评论 lizzy）客户问怎么给AI下指令，其实一开始就搞反了顺序——真正该做的根本不是先写提示词，而是先把客户手头的活拆明白……AI落地的坎从来不是工具多先进，是你敢不敢在客户面前说”我没听懂”，然后跟着她把日常 workflow 走一遍。