写作时间：2025年下半年
大家好，我是富二蛋，家具建材行业，团队 29 人，22年加入生财。
先报三个数字，这三个数字就是这篇文章的全部骨架：
•12 万——我找外包定制 ERP 花的钱。开发一年，上线一个月，被我亲手枪毙•1 个月——我自己上手的时间。零代码经验，今年 5 月开工，6 月上线•每月 2000 多——现在全部的 AI 订阅成本。系统稳定运行至今，还在持续进化
我不是技术出身。开发之前，我不知道什么是数据库，不知道什么是接口，不知道什么是前端后端。我知道的只有一件事：我的公司需要一套合身的系统，而市面上买不到。
写在前面：我好像不小心成了自己公司的 FDE
前几天亦仁直播里讲到 FDE 这个角色，我一边听一边冒冷汗——他描述的那个人，好像就是过去几个月的我，只是我当时根本不知道这件事有名字。
FDE 的标准剧本大概是这样：一家有技术平台的公司，派工程师钻进客户的业务里，边理解边把技术部署进去。它值钱的原因很简单，它在填软件行业最难填的那条鸿沟——懂技术的人不懂业务，懂业务的人不懂技术。
但我走的路是反的。不是工程师钻进业务，是业务里的人自己长出了工程能力。
我把这个叫反向 FDE。而且越做越觉得，反向这条路其实更省。标准 FDE 最贵的成本是理解客户业务，要花几个月泡进一个陌生行业，还未必泡得透；而我在这行干了很多年，业务是我的母语，要补的只有工具那一半，AI 恰好把这一半的门槛砍掉了 90%。
说白了，让懂业务的人学会用 AI，比让 AI 工程师学会一个行业，快得多。
亦仁在直播里有句话我印象很深，大意是老板必须自己下场，不下场就没有好下场。他还有一个判断我特别认同：未来各行各业最好的 FDE，很可能就是这个行业里的一线经营者，因为企业改造从来不是抽象地接几个工具，而是要真的懂上下游、懂流程、懂那些只有干过的人才知道的例外情况。
这篇文章，某种意义上就是这个判断的一份实物证据：一个卖家具建材的，把自己变成了自己公司的FDE。
所以这篇文章，我是写给两类人的：
一类是想给自己公司做系统的老板——我把踩过的坑、花过的冤枉钱、总结出来的工作流全摊开，你可以直接抄。
一类是想成为 FDE 的技术人——给你们的一句话我先放在这里：这个角色的稀缺性不在代码，在于你愿不愿意真正泡进一个行业里。 我用一年时间和 12 万块钱验证了这件事——业务理解才是护城河，技术是那个可以被 AI 补上的一半。文章最后我专门留了一节讲这个。
这篇长文我会把整个过程完整摊开：为什么通用软件不行、外包的 12 万是怎么打水漂的、我从零摸索的完整工具路线、我的开发工作流方法论、系统的每个模块是怎么诞生的、我怎么把 AI 装进系统让它替我管公司、团队推行的心法，以及一份你看完就能照做的行动清单。
⚡ 如果你是以下几类人，建议读完：
•正在用通用 SaaS（钉钉、纷享销客、各种 CRM），总觉得"差点意思"又说不出哪里不对的老板•正在考虑或已经在找外包做定制系统的老板——尤其是你，看完第三节再签合同•听说过 AI 编程、跃跃欲试，但怕自己"没技术底子"的普通人•想成为 FDE、正在找第一个落地行业的技术人•想知道 AI 在企业管理里到底怎么落地，而不是停留在"接个 AI 客服"层面的管理者
全文目录：
1. 写在前面：我好像不小心成了自己公司的 FDE
2. 背景：一家 29 人公司的管理困局
3. 第一次尝试：通用 SaaS 为什么不合身
4. 第二次尝试：12 万外包一年的完整复盘
5. 觉悟时刻：最懂系统该长什么样的人是我自己6. 工具进化线：五个阶段，学费全替你交了
7. 我的开发工作流：零基础也能高质量交付的方法论
8. 五个模块的诞生：从痛点到功能
9. 进阶：我把 AI 装进了系统，它现在替我管公司
10. 推行心法：为什么员工愿意用
11. 一笔总账
12. 高频问题：被问了无数遍的 10 个问题
13. 给想做 FDE 的人：一个甲方视角的建议
14. 行动清单：你的第一步
一、背景：一家 29 人公司的管理困局
先交代我们是干什么的。家具建材行业，29 人团队,业务链条是典型的"获客—跟进—成交—项目交付"模式：线上线下渠道进客资，销售跟进转化商机，签约后进入项目执行，最后交付结算。
链条不复杂，但每一环都在漏水。我数过，至少五个大洞：
第一个洞：线上客资进不了系统。 线上渠道来的客资是我们的命根子，但这些数据没法自动进系统，全靠人肉搬运——复制、粘贴、录入。搬运就有损耗:丢的、错的、漏的、忘了跟的。每一条丢掉的客资背后都是真金白银的推广费。
第二个洞：商机 SOP 无法追踪执行。 我给团队定过标准动作：客户进来第几天该做什么、到什么阶段该推什么。制度写得漂漂亮亮，培训也做了。但系统里看不到执行情况——谁做了、谁没做、做到什么程度，一概不知。SOP 变成了墙上的装饰品。 你去问，人人都说做了；你去查，无从查起。
第三个洞：绩效考核流于形式。 数据不沉淀，月底考核就只能靠印象分。干得好的觉得不公平，干得差的觉得无所谓，我自己打分的时候心里也发虚。考核失去公信力之后，激励就失效了。
第四个洞：项目管理全靠人盯。 一个项目从签约到交付，中间几十个节点，全靠人脑记、微信问。我每天大量时间花在"XX 项目到哪了？"这种问题上。人一忙，节点就漏；节点一漏，客户就炸。
第五个洞，也是最疼的：执行中的项目不知道利润。 项目做完、结算完、对完账，才知道这单赚没赚钱。人工、辅料、返工、杂费，一摊下来，有的单子是白干的。等你知道亏的时候，已经亏完了。 这不是管理问题，这是经营的盲飞。
人、事、物，没有一样是系统化管理的。29 个人的公司，全靠我这颗脑袋当服务器。
我知道该上系统了。接下来就是踩坑的开始。
二、第一次尝试：通用 SaaS 为什么不合身
我们最早用的是纷享销客。
先说句公道话：它是个好软件，大厂出品，功能齐全，该有的都有。问题不在它做得不好，问题在——它不是为我做的。
用了一段时间，前面说的五个洞，一个都没堵上。客资照样进不来，SOP 照样没法追踪执行，绩效照样靠拍脑袋。
后来我想明白了，这是所有通用 SaaS 的天生矛盾：它要服务一万家企业，就不可能只为你一家设计。你的业务要去迁就它的流程，而不是流程迁就你的业务。
家具建材行业有自己的特殊性:客资来源杂、跟进周期长、项目交付环节多、成本构成复杂。通用软件覆盖的是"最大公约数"，而生意的竞争力恰恰藏在公约数之外的那些细节里。
于是我做了一个当时看起来很合理的决定：既然通用的不合身，那就定制。
三、第二次尝试：12 万外包一年的完整复盘
我找了程序员，谈需求，签合同，开干。总共花了 12 万，做了一年。
这一年我学到的东西，比 12 万值钱——虽然当时一点也不觉得。
3.1 最痛苦的不是等，是说不清
开发过程中最折磨的环节是什么？不是等排期，是沟通。
我脑子里的业务流程清清楚楚，说给程序员听，他理解的永远和我想的差一截。他不懂家具建材的生意，不知道为什么客资要这样分、商机要那样推、成本要如此归集。每一个在我看来"这不是常识吗"的东西，对他都是需要从头解释的黑话。
说不清楚怎么办？我被逼出了一个习惯：自己动手画原型图。 界面长什么样、按钮放哪里、点了之后跳到哪、数据从哪来到哪去——我一张一张画给他看，后来用ai来生成原型。
请记住这个细节。当时我以为这是无奈之举，后来才发现，这一年画原型的痛苦，是我整个故事里最值钱的一笔投资。
3.2 上线那天
一年后，系统上线了。我满怀期待地点开——
流程根本跑不通。不是有小 bug，是主链路走不下去。UI 丑到我不好意思让员工看。完成度低到很多谈好的功能压根没影。
想改？排期。想加功能？排期。我脑子里还压着一堆想实现的东西，一想到每个都要走一遍"沟通—误解—返工—排期"的循环，光排期就让我绝望。
3.3 枪毙
上线一个月，我把它枪毙了。
不是心疼那 12 万——钱已经沉没了。我算的是另一笔账：照这个速度和质量，我还得再赔进去一年，大概率还是这个结果。及时止损，本身就是老板的基本功。
这里给正在考虑外包定制的老板几句掏心窝的话：
外包最贵的从来不是开发费，是沟通损耗。 你付的每一分钱里，有一大半是在为"他不懂你的业务、你不懂他的技术"这条鸿沟买单。这条鸿沟不会因为你多付钱就变窄。
如果你看完这篇还是决定走外包——至少先用 AI 把原型做出来再去谈。拿着一个能点能看的原型谈需求，和拿着一份 Word 需求文档谈需求，是两个世界。这一条就能帮你省掉我那 12 万里的大半。下面是对比，第一个是我自己做的，第二个是花钱外包生产的版本。
3.4 如果你还是要外包：签合同前先问自己四个问题
用我 12 万的学费，给准备外包的老板提炼四个问题。签合同之前，把这四个问题的答案写下来：
第一问：需求是谁翻译的？
你说的每一句业务需求，要经过销售、产品、程序员几道转手？每转一道，失真加一层。如果对方没有一个真正花时间泡进你业务里的人，失真是注定的。
第二问：多久能看到能点的东西？
不是效果图，是能点、能操作、能走流程的东西。如果第一个可交互版本要等三个月，等你发现方向错了，纠错成本已经大到没法回头。
第三问：改一个小需求的流程是什么？
问清楚：提需求→评估→排期→交付，一圈下来多久？这个数字决定了系统上线后能不能跟上你业务的变化。我的老系统死就死在这——业务在跑，系统在等排期。
第四问：验收标准写清楚了吗？ "
完成 XX 模块"不是验收标准，"XX 流程从头到尾走通、我本人操作确认"才是。我的 12 万买来的最大教训之一：没有你亲手操作过的验收，都不算验收。
这四个问题，其实用 AI 自研也全部适用——只不过自研的时候，回答这四个问题的人都是你自己，而你不会骗你自己。
四、觉悟时刻：最懂系统该长什么样的人是我自己
枪毙外包系统之后，我盯着自己那一年画的一堆原型图发呆。
突然想明白一件事：
这一年我给程序员画原型、讲流程、抠细节——系统该长什么样，其实全在我脑子里。我缺的从来不是想法，缺的只是把想法变成软件的那双手。
而 2025 年，AI 恰好补上了这双手。
还有一层后来才意识到的东西：给程序员画了一年原型，等于提前训练了我"把业务需求说清楚"的能力。而 AI 开发的核心能力，不是编程，恰恰就是把业务说清楚。这件事，天天泡在业务里的老板比任何人都擅长——只是大多数老板还不知道自己拥有这个能力。
说句公道话，那一年外包也不是毫无收获。我从程序员那里学到了很多开发相关的经验、测试的经验、工程的思维，这些都是在一次又一次沟通中积累下来的。只不过现在这些能力变得更容易获得了——你只需要转变一下思维方式：动手之前，先把想法和场景描述清楚，让 AI 帮你做架构、想实现路径、抠细节。
5 月，我正式开工。
五、工具进化线：五个阶段，学费全替你交了
〔配图：工具进化线时间轴〕
我这一路用的工具换了五茬，每一茬都交了学费。下面这条路线你可以直接抄，至少省掉我一半的弯路。
5.0：国产 AI 设计工具乱撞期
最早我根本不知道从哪下手。把市面上各种国产 AI 前端设计工具挨个试了一遍——效果一塌糊涂。生成的东西既不好看也不能用，几轮下来差点让我得出"AI 编程就是噱头"的结论。
那时候我连 vibe coding（自然语言对话式开发）这个词都没听说过。但我做对了一件事：疯狂看最新资讯。 每天刷 AI 编程相关的内容，看别人在用什么、聊什么、踩什么坑。慢慢地，才知道这个领域里谁是真能打的。
信息差本身就是门槛的一部分。 这个阶段没法跳过，但你看完这篇，可以直接从下一阶段开始。
顺便说说我是怎么补信息差的，因为后来很多人问。我的方法笨但有效，三条：
带着问题看，不刷着玩。 同样是每天看两小时资讯，"随便刷"和"带着我的项目去看"是两种效率。我看每一篇教程都在问：这个东西解决什么问题？我的系统用不用得上？别人踩的这个坑我会不会踩？
只看动手派，不看概念派。 判断标准很简单：这个作者有没有拿出他自己做的东西。只讲趋势不见产出的内容，看多了只会更焦虑。真正有用的信息，都长在别人的实战复盘里。
学到就当天用。 看到一个新概念、新技巧，当天就在自己的项目里试一遍。试过的知识才是你的，收藏夹里的知识是平台的。
这三条没有任何天赋含量，纯粹是纪律。信息差的本质不是聪明人和笨人的差距，是动手的人和观望的人的差距。
5.1：Gemini / AI Studio 做原型
第一次用 Google 的 AI Studio，我被震住了——描述一下需求，界面唰唰就出来了，像模像样。
但很快发现问题：好看，跑不起来。 它给你的是"长什么样"，不是"能干活"。数据存不住，逻辑走不通，点两下就露馅。
不过这个阶段有它的价值：它让我确认了这条路能走，并且帮我把脑子里的界面想法快速可视化。用它做原型，别用它做系统。我当时还以为做出来的原型就是可运行的系统。
5.2：IDE 工具摸索期（Cursor / Trae）
有了原型，怎么变成真系统？我开始研究 Cursor、Trae 这类 AI 编程工具。
说个好笑的：那时候在 Cursor 里看到模型列表——Opus、Sonnet——我两眼一抹黑，完全不知道这些名字是什么、该选哪个。 那正是 Anthropic 刚开始火起来的时候，我就这么懵懵懂懂撞进了这个圈子。
如果你现在也是这个状态——看到一堆模型名不知道选哪个——别慌，你正站在我几个月前的位置上。
5.3：Claude Code 搭框架
后来我尝试了 Claude Code，一个 CLI 命令行工具。
说实话，第一次打开的时候心里是怕的。黑乎乎一个终端窗口，我 Linux 基础薄弱到可以忽略不计，完全不知道怎么用。那个窗口散发着一种"这不是给你这种人用的"的气场，那个时候还流行做各种团队agent来进行任务编排。
结果一上手发现——和普通 AI 工具一模一样，直接说人话就行。那一刻，门槛在我心里降了 90%。
但我要诚实：剩下那 10%，是真功夫。
当时 Skill、MCP、claude.md、hooks、项目脚手架这些概念刚出来，市面上刚开始有科普教程。我给自己定了个规矩：每天至少看两个小时相关内容。 不是刷着玩，是带着问题看——这个概念解决什么问题、我的项目用不用得上、别人是怎么组合使用的。就这么把背后的逻辑和工程思维一点点摸透。
降门槛不等于零门槛。AI 把编程的门槛降掉了，但把"学习如何与 AI 协作"的门槛立起来了。好消息是：后者比前者容易一百倍，而且不吃天赋，吃投入。
5.4：Codex + Claude 双工具开发
摸清门道后，进入正经的开发节奏，Codex 和 Claude 配合着用，5 月开工，6 月上线。
5.5：一个花钱买来的教训——中转 API
单独讲一个坑，因为我知道很多人正在坑里。
一开始我图便宜，用的是中转 API。体验怎么说呢——蠢，特别蠢。答非所问，代码错漏百出，我一度以为 AI 就这水平，差点又一次放弃。
后来换成官方订阅和官方 API，同一个问题，判若两"人"。聪明得让我怀疑之前用的是山寨货——事实上就是。
在 AI 工具上省小钱，赔的全是返工时间。 如果你正在用各种中转、拼车、破解:那不是省钱，是花钱买了个降智版，还顺便把自己的数据安全押上了。
六、我的开发工作流：零基础也能高质量交付的方法论
工具只是手，真正决定成败的是工作流。这一节是全文干货密度最高的部分。
6.1 军规一：先有骨架，再填功能
别指望 AI 一口气给你吐一个完整系统。和盖房子一样：先立柱子，再砌墙，最后装修。
我的做法：先让 AI 帮我把整个系统的骨架搭出来——有哪些模块、模块之间什么关系、数据怎么流转。骨架跑通了、我亲手点过了，再一个模块一个模块往里填功能。
贪多是新手最大的死因。 你让 AI"给我做一套 ERP"，它真的会给你生成一大坨东西，看起来什么都有，实际上什么都不能用，而且你根本不知道从哪开始修。
6.2 军规二：警惕"前端幻觉"——每一步都亲手测
这是我踩过最深的坑。
AI 生成的前端界面，第一眼看非常完善：按钮、表格、流程、弹窗，全都有，像个成熟产品。但你真正上手操作，到处是断点——点这个没反应，提交那个报错，数据存了不显示。
表面的完整度会骗人，断点全藏在操作里。
所以我的铁律是：每做完一步，我亲手把所有操作从头到尾点一遍。每个按钮都按，每个表单都提交，每条数据都核对。跑通了，才进下一步。嫌麻烦？你现在省的每一次测试，后面都会变成十倍的返工。
6.3 小步走：一次只做一个小功能
需求再多，一次只喂一个。做完、测完、稳了，再来下一个。
这样做有三个好处：出了问题知道是哪一步引入的；AI 处理小任务的质量远高于大任务；你的信心是一步一步攒起来的，不会被一次大崩溃击垮。
6.4 留存档：给自己留后悔药
每到一个稳定版本，存档。改崩了，随时回退。
这个习惯救过我很多次。没有存档的开发，就像没有撤销键的 PS——你不敢动，动了就是赌。
6.5 让 AI 自查
每个功能做完，我会让 AI 自己复查一遍逻辑："检查一下这个功能有没有遗漏的场景、有没有逻辑漏洞。"经常能揪出它自己埋的雷。
AI 有个特点：它写的时候会犯错，但你让它检查的时候，它往往能发现自己的错。别把 AI 当一个人用，把它当一个团队用——让写代码的 AI 和审代码的 AI 互相制衡。
6.6 需求怎么说：说人话，说透，说例子
很多人问我：需求到底怎么描述？三个要点：
说人话。 不用学任何术语。"我的客资长这样，从这几个渠道来，我要它们自动进系统，重复的识别出来，缺信息的标出来"——这就是合格的需求描述。
说透。 别怕啰嗦。业务里的例外情况、特殊规则，都说给它。你漏说的每一条规则，都会变成上线后的一个坑。
说例子。 给它看真实的样例数据（脱敏后），比十句抽象描述都管用。
这三条能力，本质上就是老板给员工交代工作的能力。你早就会了。
再送一个我自己用顺手的需求描述模板，六个格子，每次给 AI 提需求前先在脑子里过一遍：
1. 背景：这个功能解决什么业务问题（"我们的客资靠人肉搬运，经常丢"）
2. 输入：进来的是什么（"这几个渠道的客资数据，长这样，附样例"）
3. 输出：出去的应该是什么（"清洗去重后进客资池，按规则分给销售"）
4. 规则：中间的判断逻辑（"手机号重复算同一个客户；缺关键字段的标黄"）
5. 例外：特殊情况怎么办（"老客户重新进线，不算新客资，挂到原销售名下"）
6. 验收：什么样算做好了（"我拿这批真实样例跑一遍，结果和我手工核对一致"）
六格填满，AI 一次做对的概率大幅上升；哪一格你填不出来，说明你自己还没想清楚——这时候先别开工，先跟 AI 聊，让它帮你把那一格聊清楚。很多时候 AI 最大的价值不是替你干活，是逼你想明白。
6.7 总结这一节
成熟的工作流，比聪明的模型更重要。 模型再强，没有工作流兜底，你得到的就是一个"看起来很美"的废墟。而工作流这个东西，不吃技术天赋，吃的是纪律——这恰恰是当老板的人最不缺的东西。
七、五个模块的诞生：从痛点到功能
回到第一节那五个洞。现在一个一个说它们是怎么被堵上的。每个模块讲三件事：原来怎么疼、我怎么跟 AI 说、现在什么样。
7.1 客资自动导入
原来：人肉搬运，丢错漏。 我怎么说的：把客资的真实样例（脱敏）给 AI 看，告诉它有哪几个来源渠道、每个渠道的数据长什么样、进来之后要去重、缺字段要标记、然后按什么规则分配给销售。 现在：客资自动进池、自动清洗、自动去重、自动分配。从开口到能用，以天为单位，不是以月。
7.2 商机 SOP 追踪
原来：SOP 写在纸上，执行看心情，查无可查。 我怎么说的：把我们的商机推进标准动作一条条列给AI——什么阶段、该做什么、时限多少——让它把这套规则变成系统里的强制流程，每个动作留痕。
现在：商机分阶段推进，谁执行了、什么时候执行的、超没超时，一目了然。
这里我领悟到一个东西，可能是全文最值钱的一句话：
定制系统真正的价值，不是功能比 SaaS 多，而是你的管理思想能变成代码强制执行。 SOP 不再靠我盯，系统自己盯。
7.3 绩效数据化
原来：月底拍脑袋，人人不服。 现在：员工原来：月底拍脑袋，人人不服。我怎么说的：把"什么动作算有效工作"一条条列给AI——跟进一次商机算什么分、按时完成一个节点算什么分、超时又扣多少——让它把这套打分规则变成系统里自动运行的评分引擎。现在：员工在系统里的每个动作都在沉淀数据，月底绩效不是"评"出来的，是"算"出来的。具体怎么和利益挂钩，第九节细讲。
7.4 项目节点化
原来：几十个节点靠人脑记、微信问，漏一个炸一个。 现在：项目节点化，每个节点有责任人、有时限，超时自动预警。我打开手机就知道所有在跑的项目卡在哪。
7.5 实时利润
原来：项目做完才知道赚没赚，盲飞。 我怎么说的：把我们项目的成本构成拆给 AI——材料、人工、辅料、杂费分别怎么发生、怎么记录——让它做成本随发生随归集，实时算当前毛利。 现在：项目还在执行中，我就能看到它当前的毛利。 利润曲线一不对劲，当下干预，而不是等项目死了再验尸。
这个模块是我认为对经营决策价值最大的一个。而这种和你的成本结构、行业特性深度绑定的东西，任何通用软件都给不了你。
八、进阶：我把 AI 装进了系统，它现在替我管公司
如果说前面是"AI 帮我造系统"，这一节是"AI 在系统里干活"。
一句话概括这一节：传统管理是"人找事"——员工要自己想今天干什么，老板要自己去追进度。我这套系统是"事找人"——该干什么，系统推给你；没干完，系统替我追。
具体做了七层，从下往上讲。
8.1 地基：企业知识库
通用的 AI 什么都懂一点，但它不懂我的产品、我的报价规则、我的销售话术。所以第一步，我把公司的知识全喂给了它：产品资料、报价逻辑、优秀销售的跟单经验、常见客户问题的应对。
从此系统里的 AI 回答任何问题，用的是我们公司的知识，不是网上的车轱辘话。（技术上这叫 RAG，名词不重要，本质就是给 AI 建了个企业专属知识库。）
AI 值不值钱，取决于你喂给它什么。
8.2 AI 销售教练：把销冠的能力复制给全员
团队里最强的销售和最弱的销售，业绩能差十倍。差在哪？差在"下一步该干什么"的判断上。
我的 AI 销售教练干三件事：第一，给每个商机出主意。 销售打开一个商机，AI 根据这个客户的全部上下文——聊了什么、到哪个阶段、卡在哪——直接生成下一步的跟进建议和对应话术。客户处在什么阶段、该用什么策略，它替销售判断好了。相当于每个销售背后都站着一个不下班的销冠师傅。
第二，闭环用"说"完成。 我知道销售最烦什么——填系统。所以我接了语音识别（ASR）：销售跟完客户，在 APP 里对着手机说一段话，系统自动把它转成结构化的跟进记录存好。销售动嘴，系统动手。
这两件事合起来是个闭环：销售语音汇报 → 系统结构化存档 → AI 教练基于最新情况生成下一步建议→ 销售执行 → 再汇报。数据越滚越厚，教练越来越懂每个客户。
第三件事，我认为是这个模块里最关键的：每条建议都带"出处"和"把握"。
AI 给出一条跟进建议时，会同时告诉销售两件事：这条建议是从哪来的（知识库里的哪条经验、这个客户之前的哪次沟通），以及它自己有多大把握。
为什么非做这个不可？因为销售不傻。一个张口就来、从不说"我不确定"的 AI，用户第一次发现它胡说，之后就再也不信它了——AI 产品最容易死的地方不是能力不够，是信任崩了。
标了出处和把握之后，事情就变了：把握高的建议，销售敢直接用；把握低的，他自己会多想一层，或者来问我。决策权始终在人手里，AI 只是把判断的材料摆到他面前。
这一点后来也回答了推行环节的一个疑问：为什么员工愿意听 AI 的？因为它没把自己装成神。信任不是靠假装什么都懂换来的，是靠敢承认自己不确定换来的。 这句话对 AI 成立，对人也成立。
8.3 AI 日程编排：员工一上班就知道今天干什么
一个扎心的真相：很多销售每天上班后，其实不知道自己该干什么。刷刷手机、等等客户，一天就混过去了。
现在，系统每天自动扫描每个销售名下的客户，发现该跟进的商机，结合客户里程碑 SOP 判断每个客户到了哪一步、今天该做什么动作，然后把这一天的日程直接排好推给他。项目管理同样的逻辑——项目节点自动变成责任人的当日待办。
员工不需要自律，系统替他自律。
8.4 AI 任务督办：三级升级机制
日程排好了，不干怎么办？以前靠我盯、靠主管吼。现在：
1. 系统每天把高价值任务列出来，统计完成情况
2. 员工没完成 → 系统自动通知主管去催
3. 主管催了还没动静 → 任务自动升级到我这里
注意这里的管理学：升级到我这的，一定是"员工没干 + 主管没管住"的事。我只处理例外，不处理日常。 我的管理精力被系统过滤了一遍，到我面前的都是真问题。
8.5 每天早上，ERP 给我发微信
我通过规则引擎把 ERP 和微信打通了。每天，系统自动把全公司的运行情况汇总成一份工作简报发到我微信上：公司整体经营情况、每个员工的工作卡点、客户跟进卡在哪、今天的工作安排、销售业绩。
我一睁眼，全公司昨天发生了什么、今天要发生什么，两分钟看完。
不是我去查系统，是系统来向我汇报。
8.6 制度自己会进化
我的 SOP 节点都有 SLA 时限。但问题来了：我拍脑袋定的时限，就一定合理吗？
系统的规则引擎是事件驱动的——员工在系统里的每一步操作、每个结果事件，它都在记录和分析。运行一段时间后，如果发现某条 SLA 定得不合理（比如某个节点大部分人都超时，说明是规则的问题不是人的问题），系统会主动给我改进建议，我确认后调整规则，系统继续验证。
制度不是刻在石头上的，它是活的：执行产生数据，数据检验制度，制度自我进化。 管理学教材里的PDCA 循环，我把它做成了自动挡。
8.7 全公司 29 人，都是我的产品经理
系统本身怎么进化？靠我猜员工哪里用得不爽吗？不用猜——需求自己会送上门。
我做了一个全局反馈按钮。任何员工在任何页面遇到卡点，点一下：系统自动截图（html2canvas 实现，技术细节不重要），自动识别他当时在哪个页面、哪张单据上；员工在截图上圈一下问题位置，写一句话说明，提交，回去继续干活——全程十几秒。
然后是关键一步：AI 每天自动巡检这些反馈，结合系统实际运行情况做评估，每天给我提交一份卡点优化报告——哪些反馈真正影响工作流效率、值得改；哪些只是个人习惯，可以放放。我只在真正影响效率的地方动手，所以迭代又快又准。
想想传统软件公司怎么干这件事：养产品经理、开需求评审会、做用户调研，一个需求从提出到上线走几个月。我这里：员工点个按钮，AI 筛选排序，我当晚就能改。
软件行业最贵的环节——"搞清楚该改什么"——在我这的成本几乎是零。这就是为什么我的系统上线几个月还在快速变好，而大多数公司买的软件从上线那天起就开始变旧。
九、推行心法：为什么员工愿意用
系统做出来只是一半，用起来才是全部。新系统上线，团队有没有阻力？有。任何新系统都有。我能推下去，靠的是开发之前就想清楚的两条原则。
9.1 原则一：减负，而不是增负
我给自己立的规矩：每个功能上线前先问一句——它让员工少干活了，还是多填表了？
增加员工负担的系统必死无疑，员工有一万种方法让它变成摆设。我的客资自动导入，替员工省掉的是复制粘贴；语音跟进，把十分钟填表变成三十秒说话；日程编排，替他们省掉的是脑子记事。员工用着省事，推行就成功了一半。
9.2 原则二：利益绑定
另一半，靠利益。我做了两个设计：
第一个：绩效与 SLA 绑定。 系统里所有 SOP 的每个工作节点都有规定完成时间，没在规定时间内完成，自动扣绩效分，月底绩效核算时体现。（提醒想抄作业的老板：规则要提前公示、员工确认，挂钩的是绩效部分，具体制度设计建议咨询自己的人力顾问。）
关键在于：这是系统自动执行的，不是我去追责。制度的执行成本降到了零，人情的空间也降到了零。
第二个：评分与资源分配绑定。 每个员工有系统评分，评分高排名高，每个月能领取的客户资源就多；评分低，领的客资就少。干得好的人拿到更多好资源，形成正循环。
品一品这两个设计：这已经不是"上了个软件"，这是把管理制度长在了系统里。而这种按你自己的规则分客资、按你自己的 SLA 算绩效的玩法——你买任何一款现成软件，它都不可能为你这么干。这就是自研的护城河。
十、一笔总账
时间投入我不藏着：高峰期我几乎是醒着就在干，一天十几个小时是常态。这个强度不是必须的——我要的是一整套 ERP，你从小工具开始不需要这样。但我想说的是：和产出相比，这些投入微不足道。
最大的产出甚至不是系统本身，是最后一行那个"附带收获"。后面我还有很多想法，现在都可以自己动手去实现了。
十一、高频问题：被问了无数遍的 10 个问题
Q1：你是不是本来就有技术底子？
没有。一行代码没写过，数据库、接口这些词是开发过程中才知道的。我唯一的"底子"是给外包画了一年原型——那是被逼出来的，而且各位天天给员工讲流程画制度，这个底子你们都有。
Q2：AI 写的代码你看不懂，出了 bug 怎么办？
大部分代码我确实看不懂，但我不需要看懂代码，我只需要看得懂结果对不对——这个我比任何程序员都懂。出了 bug，把现象描述给 AI，它自己找自己改。就像你不懂发动机，但你知道车开着不对劲，把车开回 4S 店就行。我的 4S 店 24 小时营业，不收工时费。
Q3：一个月做出来的东西，是不是玩具？
它今天真实跑着 29 人公司的全部业务，从 6 月稳定运行至今。但我也不吹牛：它是为我这个规模量身做的，不是能卖给别人的商业软件。"解决自己的问题"恰恰是这条路的正确用法。
Q4：数据放哪？安全吗？
源码在我本地，数据在自己掌控的服务器上，不在任何第三方 SaaS 手里——这反而比用 SaaS 更可控。开发过程中给 AI 的是需求描述和脱敏结构，不是客户名单。另外，用官方付费服务本身就是数据保护的一部分——来路不明的中转，你的对话经了谁的手都不知道。
Q5：系统崩了怎么办？
数据定期备份、每个稳定版本存档可回退。说句实在的：之前用人肉 Excel 管理的时候风险大得多，那才是真正的"崩了都不知道崩在哪"。
Q6：我没你这时间怎么办？
你不需要我这个强度。从小工具开始，每天一两个小时，两三周见效。换个角度算账：你现在每天花多少小时在"人肉当系统用"上？我投入的时间是一次性的，你消耗的时间是每天的。
Q7：多大规模的公司适合？
我的样本是 29 人，我只对这个规模负责。我的判断：几十人规模、业务流程清晰、老板愿意亲自泡进去的公司，这条路最顺。规模更大的，至少可以用 AI 先做出原型把需求想透，再决定自己深入还是找技术团队——拿着能跑的原型谈需求，能省掉我那 12 万的坑。
Q8：AI 更新这么快，你的系统会不会过时？
恰恰相反，AI 越强我越赚。系统是我的，AI 是我的工具——工具升级，我改造系统的能力只会更强。真正会过时的是"不会用 AI 的管理方式"。
Q9：为什么不用钉钉/飞书的低代码平台？拖拖拽拽也能搭系统。
低代码我看过，它适合搭简单的表单和审批流。但有两个天花板：第一，复杂逻辑做不了——我的实时利润归集、SLA 自动核算、评分排名分客资，拖拽是拖不出来的；第二，你还是在别人的框架里跳舞，本质上和买 SaaS 是一个问题。低代码是"更灵活的成品"，AI 开发是"真正的定制"。当然，如果你的需求就是简单审批流，低代码够用，不用听我的——工具没有高低，匹配才是关键。
Q10：员工抵触怎么办？老员工不会用怎么办？
第九节的两条原则就是答案的主体：减负 + 利益绑定。再补一条实操层面的：新系统上线别搞"一夜切换"，挑一两个最省事的功能先跑（比如语音跟进——比原来填表爽太多），让员工先尝到甜头，再逐步铺开。推行的顺序应该是从最讨喜的功能开始，而不是从你最得意的功能开始。 至于"不会用"——真话是：如果一个功能需要培训才会用，多半是这个功能设计得不够好，回炉。
十二、给想做 FDE 的人：一个甲方视角的建议
前面全是写给老板的。这一节写给另一半读者——那些 AI 用得不错、想去帮企业做落地的技术人。
我的身份有点特殊：我既是自己公司的 FDE，又刚刚做过一年活生生的甲方，被外包坑掉 12 万。所以下面这几条，是从"付钱那一方"的视角说的，市面上讲 FDE 的内容大多是从服务方视角讲的，这个角度可能对你更有用。
12.1 你的对手不是别的 FDE，是老板自己下场
先讲一个残酷的事实：你能做的事，越来越多的老板自己也能做了。 我就是证据。
这不是说 FDE 没机会了，而是说机会的位置变了：老板能自己做的部分，你别去卷；老板做不了、不想做、没精力做的部分，才是你的市场。
那老板做不了什么？我自己的体会是三样：一是需要真正工程功底的部分（性能、安全、复杂集成、系统重构）；二是老板没时间投入的部分——我为了这套系统高峰期一天扑十几个小时，绝大多数老板做不到；三是跨企业的经验迁移——你服务过十家同行，你知道哪些坑不用再踩，这是单个老板永远得不到的视角。
12.2 行业认知才是护城河，而它只能靠泡
亦仁那个判断我完全同意：未来最好的 FDE 会从各行各业的一线经营者里长出来。所以如果你是技术出身，你最该焦虑的不是模型和框架更新太快，而是你有没有一个真正泡透的行业。
技术这一半，AI 每天都在帮所有人补齐，它会越来越不稀缺。行业理解这一半，AI 补不了——它不知道我们这行的客户为什么在第三次上门时最容易翻脸，也不知道哪种项目最容易在辅料上把利润吃光。这些东西不在任何文档里，只在干过的人脑子里。
给一个具体建议：别广撒网接单，先选一个行业死磕。 选的标准我建议两条——这个行业里有足够多的中小企业（有量），并且它的流程足够脏乱差（有痛）。家具建材就很典型：客资杂、周期长、成本构成复杂、老板普遍在用 Excel 和微信管公司。
12.3 拿"能跑的东西"敲门，别拿方案敲门
我被外包坑的那一年，最大的痛苦就是：所有沟通都停留在 Word 文档和口头描述上，直到一年后我才第一次看到"真的东西"，然后发现方向全错。
所以如果你今天来找我谈合作，最有效的做法是：先花两天，用 AI 把我业务里最痛的那一个流程做成一个能点、能跑的小东西，然后拿着它来找我。
我不会再看你的 PPT，但我会为那个能跑的小东西付钱。在 AI 时代，Demo 的成本已经低到可以拿它当名片用了。
12.4 甲方最怕的三件事，你能解掉一件就赢了
从我这个被坑过的甲方角度，说几句真心话——老板不敢找外部人做系统，怕的其实是这三件事：
第一，怕你不懂我的业务，做出来是个四不像。
解法：进场前先去他的门店/车间/仓库待两天，别在会议室听他讲。
第二，怕做完你就走了，系统变成孤儿。
这是我当年枪毙外包最深的顾虑之一。解法：把"教会他的人自己改"写进交付内容里。能让甲方自己动手改的 FDE，才是能拿到第二单、第三单的 FDE。
第三，怕改一个需求要等排期。
我的老系统就死在这。解法：把响应速度当成你的核心卖点，而不是把功能数量当卖点。
12.5 最后一句
我做完这一整套之后，最深的一个感受是：FDE 这个角色的门槛，一半在技术，一半在"愿不愿意弯下腰泡进一个不性感的行业里"。
家具建材不性感，客资表格不性感，成本归集更不性感。但恰恰是这些不性感的地方，堆着最多没被解决的真问题，也堆着最多愿意付钱的老板。
十三、行动清单：你的第一步
如果看到这里你心动了，照这个来：
第一周：只动嘴，不立项。 注册官方的 AI 工具（别用中转，前面说过为什么）。每天花 30 分钟跟 AI聊你的业务，让它帮你梳理一个你最头疼的管理流程。把"跟 AI 说清楚需求"当成练习——它不烦、不加钱、随时改，说十遍也没关系。
第二、三周：做第一个小工具。 选题标准：小切口、真痛点、两三周能见效。好选题：客资导入工具、报价计算器、审批小程序、一张自动报表。别碰：一上来就干整套 ERP。 记住两条军规：先有骨架再填功能；每一步都亲手测。
第一个月之后：再决定走多远。 复盘这个小工具替你省了多少人肉时间，然后想清楚自己是哪种老板：愿意泡进去的，继续深入；只想甩手的——至少你已经会用 AI 做原型了，拿着能跑的原型去谈外包，也稳赚不赔。
上系统前的两问（推行铁律）： 这个功能让员工少干活了还是多填表了？员工好好用系统，利益上有什么好处？——两个问题答不好，先别上线。
最后说说这次最大的收获。
不是省下的钱，甚至不是这套系统本身——是我获得了"有想法就能自己动手实现"的能力。系统会过时，这个能力不会。
一年前的我，看着 12 万换来的烂系统一筹莫展；今天的我，每天早上在微信里收公司的经营简报。这中间隔的不是天赋，不是技术，是几个月扎扎实实的投入。
写这篇长文，不是想证明我多厉害——真不是，我至今看不懂大部分代码，Linux 命令还是边用边查。我想证明的是另一件事：这条路已经通了，而且通到了普通老板脚下。 三年前，"自研 ERP"对一个 29人的传统行业公司来说是天方夜谭；今天，它是一个"你愿不愿意每天投两小时"的选择题。
当然外包开发也不是毫无收获，我从程序员那里学到了很多开发相关经验，测试经验，工程思维，这是再一次又一次的沟通中积累下来的，但是现在这个能力变得更好获得了，只需要你转变一下思维方式，动手之前，先描述想法和场景，让ai来帮你做架构，实现路径，等等细节。
时代把工具递到了每个人手里。同样一个 AI，有人拿它写周报，有人拿它重造了自己的公司。工具是一样的，差别在于你有没有把自己的真问题带过去。
普通人和 AI 之间，隔的从来不是技术，是开始。
🎁 感谢生财有术这个场域。有同样在自研路上的老板，欢迎评论区或鱼丸交流，我踩过的坑都可以聊。
暂无评论内容