Day 1 建立 FDE 认知体系（What & Why）
Day 2 实操模块（How）
Day 1：认知篇 | Day 2：实操篇 | |
主题 | FDE 是什么 · 为什么 AI 项目会失败 · 怎么做 | 模块：AI 技术实战 |
形式 | 案例驱动讲授 + 互动讨论 | 动手实操为主，讲授为辅 |
定位 | 统一认知，建立共同语言 | 补齐短板，带走可落地的工作方法 |
时长 | 约 6 小时 | 约 6 小时 |
第一天学习内容 聚焦 FDE 的角色认知与行业全景。通过全球标杆案例和经典失败案例，帮助学员理解 FDE 是什么、为什么 AI 项目需要 FDE、以及 FDE 在项目全生命周期中的工作方式。内容以案例驱动讲授为主，配合互动讨论和 ROI 计算练习，为 Day 2 的实战模块建立共同语境。
第二天学习内容 以 Vibe Coding（用自然语言描述需求、AI Agent 生成代码、工程师负责审查和调试）为核心工作方式，在一天内带领学员从零搭建可运行的 AI 系统。上午解决"怎么用 AI 工具写代码"，下午解决"怎么把 AI 系统部署上线"。全程动手实操，讲授时间不超过 30%。
学员能够：
通过 NHS、Airbus 等全球标杆案例，准确描述 FDE 的核心定义，区分 FDE 与售前顾问、实施工程师等相邻角色；
通过 IBM Watson Health、Amazon AI 招聘、Microsoft Tay、Zillow iBuying 四个经典失败案例，理解 AI 项目四类失败模式及其根因；
掌握效率型、质量型、收入型三类 ROI 量化公式，能在项目启动阶段完成初步 ROI 测算；
描述 AI 项目全生命周期四阶段（售前诊断→工程集成→上线交付→持续运营）的核心任务；
理解国内 AI 落地的合规要点、私有化部署选型和决策链沟通策略；
配置并独立使用 opencode 等 Code Agent 工具完成代码生成任务；
了解 2026 年主流大模型的特点与选型原则，判断需求适合 RAG 还是 Agent 方案；
用 Vibe Coding 从零搭建一个可运行的 RAG 问答系统；
理解 Agent 的工作原理，搭建一个带工具调用的简单 Agent；
了解 AI 应用容器化部署和基础监控的基本流程；
通过培训，顺利获取工信部人工智能工程师（高级）证书；
企业内所有参与 AI 项目落地的团队成员。
传统实施或项目交付背景，希望快速建立 AI 原型搭建能力的学员。
需要在客户现场独立完成 PoC 交付的驻场工程师。
课程内容：
第1讲：FDE 是什么——角色起源与定位
FDE 的起源：从 Palantir 的 NHS 和 Airbus 案例理解角色的诞生
FDE 能力三角模型：技术深度（能动手）× 业务宽度（能翻译）× 交付韧性（能落地）
FDE 与相邻角色（解决方案架构师、售前工程师、传统实施工程师）的本质差异
FDE 的五个常见误解与真相
AI 时代 FDE 的行业趋势：OpenAI DeployCo（40亿美元）、Anthropic Applied AI（15亿美元）
第2讲：为什么 AI 项目会失败——经典案例与 ROI 框架
四个全球经典失败案例深度拆解：IBM Watson Health（数据不可用·40亿美元）、Amazon AI 招聘（业务不配合）、Microsoft Tay（合规卡住·16小时下线）、Zillow iBuying（ROI 说不清·3亿美元损失）
ROI 量化框架：效率型 / 质量型 / 收入型三类公式
项目启动 10 项检查清单（每项标注对应的案例教训）
互动练习：ROI 计算与口径对齐
第3讲：FDE 怎么工作——AI 项目全生命周期
AI 项目四阶段全景：售前诊断 → 工程集成 → 上线交付 → 持续运营
每阶段核心任务、交付物与典型风险
案例贯穿：将四个失败案例精确归因到各阶段
FDE 独有职责：反馈闭环——从 Airbus 内部项目到 Skywise 行业平台的演化
第4讲：国内落地的特殊性——合规、私有化与决策链
五个合规踩坑实战案例学三部法规（数据安全法、个保法、生成式 AI 办法）
私有化部署三种模式与选型：公有云 API / 私有云部署 / 完全私有化
国内大型企业四层决策链与沟通策略
国内平台速览：Dify、阿里云百炼、百度智能云
第二天课程内容：
第5讲：Vibe Coding 快速上手——让 AI 帮你写代码
主流 Code Agent 工具速览：opencode、Claude Code、Cursor
Vibe Coding 核心原则：描述意图、给足上下文、分步迭代、逐行审查、用 AI 解释代码
opencode 安装配置与三种使用模式（含接内网模型的方法）
2026 年主流模型速查：GPT-4.1、Claude Sonnet 4.6、DeepSeek-V4、Qwen3.5
实操：用 opencode 完成一个提示词工程任务——投诉工单分类器搭建与调优
第6讲：RAG 系统搭建实战——让模型懂你的数据
RAG 核心原理与推荐技术栈速览（Docling 解析、硅基流动 Embedding、Chroma 向量库）
实操：用 opencode 从零搭建一个知识库问答系统
文档解析与分块
向量化与检索
答案生成与来源引用
效果评测入门：用 Ragas 诊断系统薄弱环节并调优
第7讲：Agent 入门 + 部署与监控概览
Agent 与普通 LLM 的本质差异：从"问答"到"用工具完成任务"
实操：为刚才的 RAG 系统添加一个工具调用能力（如自动读取文件）
AI 应用部署要点：Docker 容器化与离线部署基本流程
上线后怎么保证不翻车：监控两层次（基础设施层 + 业务质量层）
考试认证 ：
证书名称：人工智能工程师（高级）
发证单位：工业和信息化部教育与考试中心
考试形式：现场笔试/在线机考
• 考试时长：60分钟
• 考试形式：闭卷考试
• 考试题型：单选题
• 考题数量：50题
• 通过分数：满分为100分，通过分数线为60分。
Day 1 建立 FDE 认知体系（What & Why）
Day 2 实操模块（How）
Day 1：认知篇 | Day 2：实操篇 | |
主题 | FDE 是什么 · 为什么 AI 项目会失败 · 怎么做 | 模块：AI 技术实战 |
形式 | 案例驱动讲授 + 互动讨论 | 动手实操为主，讲授为辅 |
定位 | 统一认知，建立共同语言 | 补齐短板，带走可落地的工作方法 |
时长 | 约 6 小时 | 约 6 小时 |
第一天学习内容 聚焦 FDE 的角色认知与行业全景。通过全球标杆案例和经典失败案例，帮助学员理解 FDE 是什么、为什么 AI 项目需要 FDE、以及 FDE 在项目全生命周期中的工作方式。内容以案例驱动讲授为主，配合互动讨论和 ROI 计算练习，为 Day 2 的实战模块建立共同语境。
第二天学习内容 以 Vibe Coding（用自然语言描述需求、AI Agent 生成代码、工程师负责审查和调试）为核心工作方式，在一天内带领学员从零搭建可运行的 AI 系统。上午解决"怎么用 AI 工具写代码"，下午解决"怎么把 AI 系统部署上线"。全程动手实操，讲授时间不超过 30%。
学员能够：
通过 NHS、Airbus 等全球标杆案例，准确描述 FDE 的核心定义，区分 FDE 与售前顾问、实施工程师等相邻角色；
通过 IBM Watson Health、Amazon AI 招聘、Microsoft Tay、Zillow iBuying 四个经典失败案例，理解 AI 项目四类失败模式及其根因；
掌握效率型、质量型、收入型三类 ROI 量化公式，能在项目启动阶段完成初步 ROI 测算；
描述 AI 项目全生命周期四阶段（售前诊断→工程集成→上线交付→持续运营）的核心任务；
理解国内 AI 落地的合规要点、私有化部署选型和决策链沟通策略；
配置并独立使用 opencode 等 Code Agent 工具完成代码生成任务；
了解 2026 年主流大模型的特点与选型原则，判断需求适合 RAG 还是 Agent 方案；
用 Vibe Coding 从零搭建一个可运行的 RAG 问答系统；
理解 Agent 的工作原理，搭建一个带工具调用的简单 Agent；
了解 AI 应用容器化部署和基础监控的基本流程；
通过培训，顺利获取工信部人工智能工程师（高级）证书；
企业内所有参与 AI 项目落地的团队成员。
传统实施或项目交付背景，希望快速建立 AI 原型搭建能力的学员。
需要在客户现场独立完成 PoC 交付的驻场工程师。
课程内容：
第1讲：FDE 是什么——角色起源与定位
FDE 的起源：从 Palantir 的 NHS 和 Airbus 案例理解角色的诞生
FDE 能力三角模型：技术深度（能动手）× 业务宽度（能翻译）× 交付韧性（能落地）
FDE 与相邻角色（解决方案架构师、售前工程师、传统实施工程师）的本质差异
FDE 的五个常见误解与真相
AI 时代 FDE 的行业趋势：OpenAI DeployCo（40亿美元）、Anthropic Applied AI（15亿美元）
第2讲：为什么 AI 项目会失败——经典案例与 ROI 框架
四个全球经典失败案例深度拆解：IBM Watson Health（数据不可用·40亿美元）、Amazon AI 招聘（业务不配合）、Microsoft Tay（合规卡住·16小时下线）、Zillow iBuying（ROI 说不清·3亿美元损失）
ROI 量化框架：效率型 / 质量型 / 收入型三类公式
项目启动 10 项检查清单（每项标注对应的案例教训）
互动练习：ROI 计算与口径对齐
第3讲：FDE 怎么工作——AI 项目全生命周期
AI 项目四阶段全景：售前诊断 → 工程集成 → 上线交付 → 持续运营
每阶段核心任务、交付物与典型风险
案例贯穿：将四个失败案例精确归因到各阶段
FDE 独有职责：反馈闭环——从 Airbus 内部项目到 Skywise 行业平台的演化
第4讲：国内落地的特殊性——合规、私有化与决策链
五个合规踩坑实战案例学三部法规（数据安全法、个保法、生成式 AI 办法）
私有化部署三种模式与选型：公有云 API / 私有云部署 / 完全私有化
国内大型企业四层决策链与沟通策略
国内平台速览：Dify、阿里云百炼、百度智能云
第二天课程内容：
第5讲：Vibe Coding 快速上手——让 AI 帮你写代码
主流 Code Agent 工具速览：opencode、Claude Code、Cursor
Vibe Coding 核心原则：描述意图、给足上下文、分步迭代、逐行审查、用 AI 解释代码
opencode 安装配置与三种使用模式（含接内网模型的方法）
2026 年主流模型速查：GPT-4.1、Claude Sonnet 4.6、DeepSeek-V4、Qwen3.5
实操：用 opencode 完成一个提示词工程任务——投诉工单分类器搭建与调优
第6讲：RAG 系统搭建实战——让模型懂你的数据
RAG 核心原理与推荐技术栈速览（Docling 解析、硅基流动 Embedding、Chroma 向量库）
实操：用 opencode 从零搭建一个知识库问答系统
文档解析与分块
向量化与检索
答案生成与来源引用
效果评测入门：用 Ragas 诊断系统薄弱环节并调优
第7讲：Agent 入门 + 部署与监控概览
Agent 与普通 LLM 的本质差异：从"问答"到"用工具完成任务"
实操：为刚才的 RAG 系统添加一个工具调用能力（如自动读取文件）
AI 应用部署要点：Docker 容器化与离线部署基本流程
上线后怎么保证不翻车：监控两层次（基础设施层 + 业务质量层）
考试认证 ：
证书名称：人工智能工程师（高级）
发证单位：工业和信息化部教育与考试中心
考试形式：现场笔试/在线机考
• 考试时长：60分钟
• 考试形式：闭卷考试
• 考试题型：单选题
• 考题数量：50题
• 通过分数：满分为100分，通过分数线为60分。
