幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

FDE(AI落地實戰指南)/圖靈原創

  • 作者：樊中愷|責編:武芮欣
  • 出版社：人民郵電
  • ISBN：9787115707499
  • 出版日期：2026/10/01
  • 裝幀：平裝
  • 頁數：186
人民幣：RMB 79.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書直面AI技術在現實業務中「叫好不叫座」的困境，系統介紹了FDE（Forward Deployed Engineer，前沿部署工程師）這一連接技術與業務的關鍵角色。全書以認知、能力、方法、技術、交付、案例、成長七篇展開，結合大量真實案例與實操方法，清晰呈現了從需求發現到項目交付的完整路徑，回答了「為什麼AI用不起來」和「怎麼才能用起來」兩個核心問題。書中既有可復用的方法框架，也有對組織、人性與風險的坦誠討論，是一本兼具洞察與實操價值的AI落地實戰指南。本書適合技術決策者、項目負責人、一線工程師，以及所有希望理解AI如何在真實組織中創造價值的讀者閱讀。
作者介紹
樊中愷|責編:武芮欣
    樊中愷     百度主任架構師，文心應用技術負責人。長期專註于AI原生架構和相關應用開發，主導了文心App從技術預研到工程落地的全過程。在百度內部，帶領團隊打破演算法、工程、應用和產品的邊界，致力於打造領先的AI大模型應用服務，推動生成式AI技術在多元場景中的深度應用和產業落地。
目錄
第一篇  認知篇
  第1章  裝修毛坯房的人
    1.1  一個裝修的比喻
    1.2  三個詞，三層意思
    1.3  FDE不是什麼
    1.4  FDE與軟體工程師、解決方案架構師、咨詢顧問的區別
    1.5  FDE的核心價值：讓AI真正進入業務現場
  第2章  它從哪裡來：一套打法的二十年
    2.1  一家「怪」公司的難題
    2.2  「法國服務員」哲學
    2.3  Dev與Delta：一套雙軌制
    2.4  從被嘲笑到被模仿
  第3章  九成五：一個行業的集體尷尬
    3.1  MIT刺眼的報告
    3.2  五種典型「死法」
    3.3  報告里最該被FDE記住的信息
    3.4  那成功的5%長什麼樣
    3.5  賣模型的公司為什麼坐不住了
    3.6  中國的同頻共振
    3.7  一個歷史類比
  第4章  FDE的一天與一年
    4.1  小林的一天
    4.2  一個項目的一年
    4.3  工作循環
    4.4  沒有兩天是一樣的
    本篇小結
第二篇  能力篇
  第5章  能力模型：一專多能的T型人
    5.1  FDE首先是一名連接者
    5.2  五項核心能力
    5.3  一個反直覺的事實
    5.4  不同背景轉型者的能力短板
  第6章  與客戶溝通：從需求中發現問題
    6.1  訪談的三種目的要分開
    6.2  訪談的準備與收尾
    6.3  如何提出高價值的問題
    6.4  一段訪談實錄
    6.5  三層剝離：客戶說的、想的、需要的
    6.6  找出員工自己做的那些工具
  第7章  與業務方溝通：讓價值和邊界都被理解
    7.1  如何解釋AI的能力邊界
    7.2  建立合理的期待
    7.3  推動業務方真正參與
    7.4  向高管彙報
  第8章  與技術方溝通：讓需求變成方案
    8.1  一份合格的問題陳述
    8.2  三類技術約束與繞行方案
    8.3  定製與通用之間的抉擇
    8.4  與集成商和原有廠商共處
  第9章  與組織溝通：推動AI真正被用起來

    9.1  項目阻力的四個來源
    9.2  那位最抵觸的老員工
    9.3  促進採用的三條原則
    9.4  什麼時候該改流程
    9.5  組織政治的現實
    本篇小結
第三篇  方法篇
  第10章  業務洞察：理解客戶真正的問題
    10.1  三層下鑽
    10.2  32小時行業速成法
    10.3  業務流程分析：給每一步標四個數字
    10.4  AI機會的六個信號
  第11章  問題定義：把模糊需求變成可做的事
    11.1  需求不是問題
    11.2  從需求到問題：兩條路徑
    11.3  AI適用性七問
    11.4  定義成功指標
    11.5  一頁紙方案書
  第12章  Demo驅動：用最小成本證明價值
    12.1  Demo的三個作用
    12.2  原型思維：什麼可以假，什麼絕不能假
    12.3  好Demo的七條原則
    12.4  一場Demo的現場
    12.5  讓客戶參與迭代
    12.6  Demo之後最危險的時刻
    本篇小結
第四篇  技術篇
  第13章  大模型基礎認知：夠用就好的心智模型
    13.1  大模型到底在做什麼
    13.2  六個必須理解的特性
    13.3  模型選型的五個維度
    13.4  四種技術路線的取捨
    13.5  速查表
  第14章  提示詞工程：把業務規則寫成文字
    14.1  提示詞的本質
    14.2  結構化提示詞的骨架
    14.3  有效的做法與被高估的做法
    14.4  提示詞的工程化管理
    14.5  提示詞注入的基本防範
  第15章  RAG：讓AI用上企業自己的知識
    15.1  為什麼企業AI幾乎都從這裡開始
    15.2  五個環節，五類坑
    15.3  切分與檢索的實踐要點
    15.4  知識庫的問題其實是管理問題
    15.5  評測：分開評，才知道問題在哪
    15.6  什麼時候不該用RAG
  第16章  工具調用與智能體：什麼時候讓AI自己做決定
    16.1  一條清晰的分界線
    16.2  什麼情況值得用智能體
    16.3  工具調用的設計原則

    16.4  四道閘門
    16.5  人在環中：把人放在哪一步
  第17章  成本、效果與延遲的三角
    17.1  一筆必須算清的賬
    17.2  七種降本手段及其代價
    17.3  私有化部署的真實賬單
    17.4  把成本講給客戶聽
    本篇小結
第五篇  交付篇
  第18章  為什麼Demo不能直接上線
    18.1  七道鴻溝
    18.2  生產化的最小清單
    18.3  目標是讓自己能撤出來
  第19章  數據與知識治理
    19.1  數據現實主義
    19.2  許可權跟隨：越權訪問是最容易出的大事故
    19.3  知識的生命周期
    19.4  數據飛輪
  第20章  準確性、可靠性、安全與合規
    20.1  「準確率」這個詞的陷阱
    20.2  評測體系的三件套
    20.3  抑制幻覺的工程手段
    20.4  安全
    20.5  合規
  第21章  影響與推進：讓AI成為新的工作方式
    21.1  採用率才是終極指標
    21.2  兩個真實案例
    21.3  六方利益地圖
    21.4  反饋閉環的設計
    21.5  推動組織變化的順序
    21.6  什麼時候該停手
    本篇小結
第六篇  案例篇
  第22章  全程復盤：遠洋保險理賠智能助手
    22.1  第0周：進場時的局面
    22.2  第1?2周：潛伏期
    22.3  第3周：一場改變方向的會
    22.4  第4?6周：第一個Demo
    22.5  第7?16周：生產化的十周
    22.6  第17?30周：採用期
    22.7  第31周以後：沉澱與撤出
    22.8  數字復盤
    22.9  三次差點翻車的時刻
    22.10  這個項目做錯的五件事
  第23章  企業知識助手：最經典的落地場景
    23.1  為什麼第一個項目往往是它
    23.2  場景發現：警惕「不是已經有搜索了嗎」
    23.3  方案設計的三份文件
    23.4  Demo驗證：50個問題怎麼選
    23.5  上線后的三個議題

    23.6  一個失敗又挽回的案例
  第24章  金融行業：合規約束下的落地
    24.1  行業特徵
    24.2  場景譜系
    24.3  【真實案例】摩根士丹利的實施細節
    24.4  國內銀行業的推進
    24.5  【合成案例】某城商行的信貸材料預審
    24.6  【合成案例】一個被叫停的智能客服
    24.7  金融行業AI項目落地要點清單
  第25章  製造業與能源業：現場、設備與老舊系統
    25.1  行業特徵
    25.2  典型場景
    25.3  【真實案例】空客A350：一位FDE在圖盧茲的一年
    25.4  【合成案例】老師傅的知識萃取
    25.5  交互形態的設計
    25.6  【合成案例】風電場的巡檢報告
    25.7  製造與能源項目落地要點清單
  第26章  教育行業：把AI放進課堂
    26.1  行業特徵
    26.2  【真實案例】可汗學院：一個AI助教怎麼衡量自己有沒有用
    26.3  國內的推進
    26.4  【合成案例】某區教研中心的備課助手
    26.5  教育行業特有的剋制
    26.6  【合成案例】職業院校的實訓答疑
    26.7  教育項目落地要點清單
  第27章  政務、醫療與專業服務：高風險領域的剋制
    27.1  政務：寧可拒答，不可錯答
    27.2  醫療：把紅線畫在診斷之外
    27.3  專業服務：AI是杠桿，不是替代
    27.4  三個領域的共同教訓
    27.5  六大領域對照
    本篇小結
第七篇  成長篇
  第28章  FDE成長路線
    28.1  三種起點
    28.2  一份90天計劃
    28.3  從初級到資深的四個台階
    28.4  薪酬與市場行情
    28.5  四種代價
    28.6  AI會不會取代FDE
    28.7  自測
  第29章  FDE面試實戰
    29.1  招聘方在篩選什麼
    29.2  能力拆解
    29.3  案例陳述：用CPDR代替STAR
    29.4  反向提問清單
    29.5  常見減分項
  第30章  就算你不當FDE
    30.1  離問題近的人越來越值錢
    30.2  做翻譯是最可行的複合路線

    30.3  把「這不歸我管」從字典里刪除
    30.4  從儲備式學習轉向戰鬥式學習
    30.5  跟對「部署」，而不只是跟對「發明」
    30.6  給管理者的三條建議
    本篇小結
結語  部署時代剛剛開始
附錄
  附錄A  FDE能力自測表
  附錄B  客戶訪談模板
  附錄C  AI項目需求分析模板
  附錄D  Demo設計模板
  附錄E  FDE面試題庫（60題）
  附錄F  企業AI落地檢查清單
  附錄G  術語表（75詞）

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032