遇碳交付方法论 · AI 前线部署
通用 AI 降低了「会说」的门槛
FDE 决定「做成」的门槛
FDE 不只做常规系统驻场交付——更核心的是：把大模型部署进客户环境、接到真实数据与权限、搭好业务 Agent，让一线真正「拥有」可用的 AI，而不是只多一个公网聊天窗口。
- 场景机关 · 园区 · 场站
- AI私有化模型 · Agent · RAG
- 约束政务网 · 统一身份 · 数据不出域
- 目标装进系统 · 用进日常 · 能力自有
Deployment readiness · live loop
FDE 处理的，不是功能清单，而是一线真正卡死的问题
常规交付要解决「系统用起来」；AI 前线部署还要解决「模型装得进、Agent 接得上、能力留得下」。问题往往在演示里看不见，在客户内网才暴露。
模型只能在公网 Demo 里聊天——客户内网、政务网或私有化环境里，怎么把推理服务真正跑起来？
01接了大模型却答非所问、越权乱查——权限、数据口径与平台能力如何和对话同源？
02客户要的不是「又一个助手」，而是能碳周报、异常研判、办事辅助——Agent 如何嵌进现有工作台？
03厂商一撤场，提示词、知识库、技能编排都带走——客户如何真正拥有可运营的 AI 能力？
04三种交付方式，差在「离问题有多近」
行业并不缺模型 API，也不缺实施说明书。缺的是能把 AI 装进客户内部系统、并在现场磨到可用的工程力量。
纯产品远程
一能力，多客户
- 总部按需求文档迭代
- AI 停在公网演示环境
- 上线后靠工单排队
- 演示顺利 ≠ 一线采纳
传统实施 / 咨询
会配、会讲，难改产品
- 按配置表点完即撤场
- 模型「接通」不等于「好用」
- Agent 难嵌进业务系统
- 经验难回流平台
遇碳 FDE
一客户，多能力
- 人嵌进真实环境与内网
- 部署模型 + 搭 Agent + 接权限
- AI 嵌进工作台与日常流程
- 能力可交接、可运营、可沉淀
常规系统驻场交付仍然重要；FDE 的另一核是「AI 前线部署」——把大模型能力直接装进用户内部系统，而不是让用户永远去访问外部通用助手。
什么是遇碳的 FDE
Forward Deployed Engineer·前线部署工程师
对遇碳来说，FDE 既是岗位，也是交付承诺：进入客户真实环境，把业务系统做成日常；同时把大模型、Agent 与平台能力装进客户可控的边界里，让 AI 成为组织自有的生产力，而不是一次性 Demo。
软件可以远程交付；能用的 AI，必须在客户系统里长出来。
人跟项目走
机房、科室、值班室、客户内网——工作台搬到问题发生的地方。
AI 联调同样要在真实网络与权限下完成，不能只在公网沙箱里「看起来能聊」。
问题从一线来
先看见报修怎么派、考核怎么报、材料怎么交，再决定系统与 Agent 怎么长。
Agent 的技能清单来自一线任务，而不是来自模型厂商的能力海报。
AI 装进内部系统
部署推理、接通数据与权限、编排 Agent，嵌进工作台与业务流程。
目标是「在客户环境里可持续运行」，而不是「多开一个外链对话框」。
经验回馈产品
机关、园区、校园的共性痛点，沉淀为 MeetCarbon 默认能力与阿碳技能。
现场是砂石路，平台是铺好的公路——FDE 负责把前者变成后者。
FDE 的另一核：把大模型装进客户内部系统
通用大模型人人能用，并不等于客户组织「拥有」AI。遇碳 FDE 在现场完成四件事——部署、使用、搭 Agent、能力内化——让阿碳与 MeetCarbon OS 的能力，真正进入客户可控、可运营、可问责的环境。
AI 不替代法定核算、审计与工程决策；FDE 负责把「会说」变成「在权限与数据边界内，帮得上现实工作」。
怎么部署大模型
让推理跑在客户可接受的边界里
按客户安全与网络条件选择公有云 API、专有云或私有化推理；完成网关、GPU/算力、镜像与模型路由配置，打通内网可达与监控告警，而不是把密钥交给业务同学「自己去调 API」。
- 01评估：数据是否可出域、是否政务网/内网隔离、延迟与并发
- 02落地：推理服务 / 网关 / 模型路由进客户环境或专有通道
- 03运维：健康检查、限流降级、密钥与审计留痕
- 04验收：在客户网络内完成真实问答与超时压测
现场不是终点，是产品与 Agent 进化的入口
好的 FDE 模式不是永远给人做一次性定制，而是把驻场发现的真实约束与高频任务，硬化进平台默认能力与阿碳技能——让下一个客户少走一次弯路。
嵌入现场
听懂业务与网络/安全约束，选定模型部署形态
装进系统
推理可达、权限同源、Agent 嵌工作台
用进日常
培训采纳，直到一线愿意问、愿意用
回流产品
共性技能进路线图，规模复用
四步工作法：系统做成 + AI 装进
听真需求
业务卡点与 AI 任务一并澄清
立项写「一体化管控」「上 AI」。真正决定形态的，是审批链、考核口径，以及一线每天要问什么、要办哪几步——系统模块与 Agent 技能都从这里长出来。
约束里做对
系统上线路径与模型部署路径一起设计
统一身份、政务网、脱敏审计、安全检测与「数据是否可出域」一并纳入。先走通能上线的系统路径与可私有化/专有通道的推理路径，再打磨体验。
收成一体入口
业务门户与阿碳同一套组织权限
一体首先是入口一体、组织一体、责任一体。同事打开一个工作台，既能办后勤与能碳事，也能问阿碳——答案权限与页面权限同源。
上线后继续在场
系统采纳 + Agent 运营一起跟
系统跑起来、模型接通那天，才是真实使用的开始。规则要不要调、知识库要不要补、哪个技能没人用，都变成可迭代版本，并完成能力交接。
上线是起点；AI 被一线用起来，才算交付。
驻场的一周，大概长这样
不是每天都一样。一周里既有常规联调与流程打磨，也有模型路由、Agent 技能与知识库的现场迭代——评价标准仍是：现场更顺、验收更稳、AI 真帮上忙。
对齐卡点与 AI 任务
对齐业务卡点与本周 AI 目标：哪些问答/办事要先跑通，模型部署与权限还有哪些阻塞。
我们招的，不是「会写代码的实施」
FDE 站在研发、实施与 AI 落地之间。不要求什么都会，更看重愿意在场、能对话、能把模型与 Agent 闭环到客户系统里。
能接受驻点、内网联调、培训验收——工作不总在工位里。
敢问业务口径，也敢问数据能否出域、谁有权看答案。
从部署模型到搭 Agent、到一线用起来、到能力可交接。
现场注脚：武昌智慧后勤
在服务武昌区机关事务服务中心、推进「武昌区智慧后勤一体化管控中心」的过程中，工程师被放到业务最近的位置——先把碎、急、难的事收进同一套入口；AI 能力也在同一套组织与权限体系上生长，而不是另起炉灶。
报修与物业
电话、微信、口头交代并存，派单慢、进度看不见
收进同一套工单与时效考核，职工能看见进度
会议与访客
约不上与空着并存，门岗滞留与安全两头难
规则在现场磨进预约与通行流程，而不是停在蓝图
充电与能碳
秩序、公平与节能降碳考核叠加，材料难交
入口一体，数据口径可汇总，关键时刻交得出
政务硬约束
统一身份、政务网、安全检测被当成「上线后再说」
约束从第一天进联调；AI 同样服从同一套身份与边界
以上为项目推进口径，不构成官方背书或行政评价。
阿碳与 OS 是能力面，FDE 是装进现场的交付面
阿碳提供统一智能体入口与人设；MeetCarbon OS / AI Runtime 提供可配置模型、Agent 编排与权限同源。FDE 把这一切装进客户环境，并磨到日常可用。
阿碳不替代法定核算、审计与工程决策；FDE 不替代客户业务主体责任。我们交付的是「可运行、可运营、可交接」的 AI 能力。
把零碳做成，把 AI 装进现场
机构侧：需要一支能驻点交付系统、并把大模型与 Agent 装进内部环境的工程力量。人才侧：愿意在客户现场把 AI 做成日常，而不是只关闭需求单。