什么是轻量FDE？一个人加一组Agent的交付线

传统 FDE 的问题不在方法，在成本——一支现场工程师队伍，只有千万级客单价才养得起。轻量 FDE 的思路是把这支队伍压缩：一位懂业务的负责人做判断和沟通，一组 AI 智能体承担重复性的工程劳动。同样的活，成本降一个量级，中小企业第一次算得过账。

一、被替代掉的是哪部分工作

拆开一个典型交付项目，工作量大致分三类：重复性工程劳动（写样板代码、清洗数据、生成文档、做接口对接）、判断类工作（选哪个场景、数据够不够、这个需求该不该做）、沟通类工作（跟一线对齐、说服管理层、处理抵触情绪）。

第一类占了总工时的大头，也正是 AI 智能体最擅长的部分。数据清洗脚本、原型页面、接口封装、说明文档，这些过去要占掉一个人大半时间的活，现在可以批量产出。

后两类替代不了。判断需要对业务的理解，沟通需要在场的人。所以轻量 FDE 不是无人化，而是把人留在只有人能做的地方。

二、一条交付线怎么跑

第一周做诊断：进现场蹲点，看一线怎么干活，同时对数据做体检，把字段完整率、口径冲突、更新频率列成表。这一周基本不写正式代码，但决定后面三周做什么。

第二三周做原型：智能体负责生成脚本、页面和文档骨架，负责人负责校验业务逻辑、调口径、跟客户来回确认。原型必须跑真实数据，演示数据没有意义。

第四周做复盘：拿真实结果对照最初设定的指标，能出数就扩面，出不了数就换选题。四周一个闭环，客户的信任额度是一小口一小口喂出来的，不是一次性押上去的。

三、和纯外包的根本区别

纯外包是人被派出去执行需求，价值随人撤离清零。轻量 FDE 交付的是三样留得下的东西：跑得通的流程、客户自己看得懂的文档、能持续出数的指标。

还有一个区别在需求处理方式。外包接到不合理的需求会照做，因为按工时结算；轻量 FDE 会先问「这个需求解决的是什么业务问题」，判断不值得做的会直接建议砍掉。敢砍需求，是这两种模式最直观的分界线。

把重复的交给机器，把判断和沟通留给人。这不是降本的技巧，是让深度共创第一次变得买得起。

四、阿优至简的视角

阿优的「企业 AI 能力外包」走的就是这条线。我们不派驻队伍，也不做长周期大改造，而是以四周为单位，把一个具体场景从诊断跑到出数。

对客户来说，这意味着风险可控——第一轮不满意可以随时停，损失只是四周；对我们来说，这意味着能同时服务多家企业，把在一家踩过的坑变成给下一家的经验。

至简的判断标准始终只有一条：这笔投入能不能在十二个月内从省下的人工、废品、加班费里赚回来。算不回来的项目，我们不接。

落地前的三条至简建议

1. 以四周为单位：每轮必须产出可验证结果，用连续小胜替代一次性豪赌。
2. 分清人机边界：重复劳动交给工具，判断与沟通必须有人在场。
3. 留下三件套：流程、文档、指标，缺一件都不算交付完成。

FDE 这套方法在中国最大的障碍是成本，不是理念。当成本被工具压下来之后，剩下的部分反而比在国外更好用——因为中国的中小企业，数量足够多。