遇碳交付方法論 · AI 前線部署
通用 AI 降低了「會説」的門檻
FDE 決定「做成」的門檻
FDE 不只做常規系統駐場交付——更核心的是：把大模型部署進客户環境、接到真實數據與權限、搭好業務 Agent，讓一線真正「擁有」可用的 AI，而不是隻多一個公網聊天窗口。
- 場景機關 · 園區 · 場站
- AI私有化模型 · Agent · RAG
- 約束政務網 · 統一身份 · 數據不出域
- 目標裝進系統 · 用進日常 · 能力自有
Deployment readiness · live loop
FDE 處理的，不是功能清單，而是一線真正卡死的問題
常規交付要解決「系統用起來」；AI 前線部署還要解決「模型裝得進、Agent 接得上、能力留得下」。問題往往在演示裏看不見，在客户內網才暴露。
模型只能在公網 Demo 裏聊天——客户內網、政務網或私有化環境裏，怎麼把推理服務真正跑起來？
01接了大模型卻答非所問、越權亂查——權限、數據口徑與平台能力如何和對話同源？
02客户要的不是「又一個助手」，而是能碳週報、異常研判、辦事輔助——Agent 如何嵌進現有工作台？
03廠商一撤場，提示詞、知識庫、技能編排都帶走——客户如何真正擁有可運營的 AI 能力？
04三種交付方式，差在「離問題有多近」
行業並不缺模型 API，也不缺實施説明書。缺的是能把 AI 裝進客户內部系統、並在現場磨到可用的工程力量。
純產品遠程
一能力，多客户
- 總部按需求文檔迭代
- AI 停在公網演示環境
- 上線後靠工單排隊
- 演示順利 ≠ 一線採納
傳統實施 / 諮詢
會配、會講，難改產品
- 按配置表點完即撤場
- 模型「接通」不等於「好用」
- Agent 難嵌進業務系統
- 經驗難迴流平台
遇碳 FDE
一客户，多能力
- 人嵌進真實環境與內網
- 部署模型 + 搭 Agent + 接權限
- AI 嵌進工作台與日常流程
- 能力可交接、可運營、可沉澱
常規系統駐場交付仍然重要；FDE 的另一核是「AI 前線部署」——把大模型能力直接裝進用户內部系統，而不是讓用户永遠去訪問外部通用助手。
什麼是遇碳的 FDE
Forward Deployed Engineer·前線部署工程師
對遇碳來説，FDE 既是崗位，也是交付承諾：進入客户真實環境，把業務系統做成日常；同時把大模型、Agent 與平台能力裝進客户可控的邊界裏，讓 AI 成為組織自有的生產力，而不是一次性 Demo。
軟件可以遠程交付；能用的 AI，必須在客户系統里長出來。
人跟項目走
機房、科室、值班室、客户內網——工作台搬到問題發生的地方。
AI 聯調同樣要在真實網絡與權限下完成，不能只在公網沙箱裏「看起來能聊」。
問題從一線來
先看見報修怎麼派、考核怎麼報、材料怎麼交，再決定系統與 Agent 怎麼長。
Agent 的技能清單來自一線任務，而不是來自模型廠商的能力海報。
AI 裝進內部系統
部署推理、接通數據與權限、編排 Agent，嵌進工作台與業務流程。
目標是「在客户環境裏可持續運行」，而不是「多開一個外鏈對話框」。
經驗回饋產品
機關、園區、校園的共性痛點，沉澱為 MeetCarbon 默認能力與阿碳技能。
現場是砂石路，平台是鋪好的公路——FDE 負責把前者變成後者。
FDE 的另一核：把大模型裝進客户內部系統
通用大模型人人能用，並不等於客户組織「擁有」AI。遇碳 FDE 在現場完成四件事——部署、使用、搭 Agent、能力內化——讓阿碳與 MeetCarbon OS 的能力，真正進入客户可控、可運營、可問責的環境。
AI 不替代法定核算、審計與工程決策；FDE 負責把「會説」變成「在權限與數據邊界內，幫得上現實工作」。
怎麼部署大模型
讓推理跑在客户可接受的邊界裏
按客户安全與網絡條件選擇公有云 API、專有云或私有化推理；完成網關、GPU/算力、鏡像與模型路由配置，打通內網可達與監控告警，而不是把密鑰交給業務同學「自己去調 API」。
- 01評估：數據是否可出域、是否政務網/內網隔離、延遲與併發
- 02落地：推理服務 / 網關 / 模型路由進客户環境或專有通道
- 03運維：健康檢查、限流降級、密鑰與審計留痕
- 04驗收：在客户網絡內完成真實問答與超時壓測
現場不是終點，是產品與 Agent 進化的入口
好的 FDE 模式不是永遠給人做一次性定製，而是把駐場發現的真實約束與高頻任務，硬化進平台默認能力與阿碳技能——讓下一個客户少走一次彎路。
嵌入現場
聽懂業務與網絡/安全約束，選定模型部署形態
裝進系統
推理可達、權限同源、Agent 嵌工作台
用進日常
培訓採納，直到一線願意問、願意用
迴流產品
共性技能進路線圖，規模複用
四步工作法：系統做成 + AI 裝進
聽真需求
業務卡點與 AI 任務一併澄清
立項寫「一體化管控」「上 AI」。真正決定形態的，是審批鏈、考核口徑，以及一線每天要問什麼、要辦哪幾步——系統模塊與 Agent 技能都從這裏長出來。
約束裏做對
系統上線路徑與模型部署路徑一起設計
統一身份、政務網、脱敏審計、安全檢測與「數據是否可出域」一併納入。先走通能上線的系統路徑與可私有化/專有通道的推理路徑，再打磨體驗。
收成一體入口
業務門户與阿碳同一套組織權限
一體首先是入口一體、組織一體、責任一體。同事打開一個工作台，既能辦後勤與能碳事，也能問阿碳——答案權限與頁面權限同源。
上線後繼續在場
系統採納 + Agent 運營一起跟
系統跑起來、模型接通那天，才是真實使用的開始。規則要不要調、知識庫要不要補、哪個技能沒人用，都變成可迭代版本，並完成能力交接。
上線是起點；AI 被一線用起來，才算交付。
駐場的一週，大概長這樣
不是每天都一樣。一週裏既有常規聯調與流程打磨，也有模型路由、Agent 技能與知識庫的現場迭代——評價標準仍是：現場更順、驗收更穩、AI 真幫上忙。
對齊卡點與 AI 任務
對齊業務卡點與本週 AI 目標：哪些問答/辦事要先跑通，模型部署與權限還有哪些阻塞。
我們招的，不是「會寫代碼的實施」
FDE 站在研發、實施與 AI 落地之間。不要求什麼都會，更看重願意在場、能對話、能把模型與 Agent 閉環到客户系統裏。
能接受駐點、內網聯調、培訓驗收——工作不總在工位裏。
敢問業務口徑，也敢問數據能否出域、誰有權看答案。
從部署模型到搭 Agent、到一線用起來、到能力可交接。
現場註腳：武昌智慧後勤
在服務武昌區機關事務服務中心、推進「武昌區智慧後勤一體化管控中心」的過程中，工程師被放到業務最近的位置——先把碎、急、難的事收進同一套入口；AI 能力也在同一套組織與權限體系上生長，而不是另起爐灶。
報修與物業
電話、微信、口頭交代並存，派單慢、進度看不見
收進同一套工單與時效考核，職工能看見進度
會議與訪客
約不上與空着並存，門崗滯留與安全兩頭難
規則在現場磨進預約與通行流程，而不是停在藍圖
充電與能碳
秩序、公平與節能降碳考核疊加，材料難交
入口一體，數據口徑可彙總，關鍵時刻交得出
政務硬約束
統一身份、政務網、安全檢測被當成「上線後再説」
約束從第一天進聯調；AI 同樣服從同一套身份與邊界
以上為項目推進口徑，不構成官方背書或行政評價。
阿碳與 OS 是能力面，FDE 是裝進現場的交付面
阿碳提供統一智能體入口與人設；MeetCarbon OS / AI Runtime 提供可配置模型、Agent 編排與權限同源。FDE 把這一切裝進客户環境，並磨到日常可用。
阿碳不替代法定核算、審計與工程決策；FDE 不替代客户業務主體責任。我們交付的是「可運行、可運營、可交接」的 AI 能力。
把零碳做成，把 AI 裝進現場
機構側：需要一支能駐點交付系統、並把大模型與 Agent 裝進內部環境的工程力量。人才側：願意在客户現場把 AI 做成日常，而不是隻關閉需求單。