云汇纪恒VOLUME V · HUMAN × AI
FDE 工程手册
卷五 · 人机分工：人做什么，AI 做什么
我认识一个女的，在一家做快消流通的公司干了十几年。
开篇
我认识一个女的，在一家做快消流通的公司干了十几年。
她自己都不知道她守着一件值多少钱的东西。
她最大的那个客户是一家商超。商超的收货部门周三下午盘点，盘点期间收进来的货会被记到一个临时账上，临时账每个月清一次，清的时候经常对不上，对不上就退货。
这套逻辑，商超的系统里有，她那家公司的系统里没有，两家公司的接口文档里也没有。
只有她知道。
她知道的方式，是十年前被退过三次货，被老板骂过，然后自己总结出来的。
她从来不跟别人说这件事，因为在她看来这算不上知识，只是常识。
她退休那天，那条周三的规矩就跟着她一起消失了。这家公司从此会一直被退货，直到下一个人用十年的时间把这件事重新摸出来。
我每到一个新客户的现场，都会在脑子里把这张图重新画一遍。第一遍画出来的样子经常是错的，因为那张图上写满了我对这家公司的猜测。第二遍要等到第三周之后才可能接近事实，因为只有蹲够了时间，那些不在任何文档里的规矩才会一条一条浮出来。
这本书卷一写过一个判断：执行成本塌方，瓶颈前移到「看懂」。这一卷要回答的问题，是看懂这件事里，到底哪一半会被机器接走，哪一半永远留在这家公司某个人的身体上。
答案不是「人和机器各做一半」这种客套话。
答案要硬得多。
卷二第七章给过两条路径——超级个体与知识库型团队——并把它们之间的差距写成十倍。卷四把整个交付流程拆成侦察、定义、交付、回灌、撤离五个阶段。这一卷要做的是把这两样东西接在一起：每一个阶段里，哪些动作必须由人完成，哪些动作可以交给配对的 Agent，并且把这把切刀放到一家公司的真实运行里去看，而不是放到 PPT 上看。
往下读之前，请先记住一件事：人机分工这件事，在 2026 年这个时间点，正在发生一次结构性换挡。换挡的方向，是从「机器替人做执行」换到「人替机器做判断」。换挡的速度，比多数人的体感要快。
第一章 判据：输入能不能被送进去
把一件工作交给模型去做，不是看这件事复杂不复杂，而是看它的输入能不能被送进去。
送得进去的，是结构化的。合同条款、订单流水、传感器报文、协议文档、代码仓库、客服工单。这些东西读得出来，拆得开，能变成模型能读的张量，模型的输出可以直接喂给下游的某个动作。
送不进去的，是非结构化的。一台机器旁边贴的那张手写便条，一个老师傅用方言讲的那句「上次谁谁谁动过之后就一直这样」，一个供应商老板接到电话时停顿了两秒才说话的语气，一个车间主管在会上说「这个我们一直都是这么做的」时语气里那一点点心虚。
这些东西搬不进任何接口。
序章里那条周三的规矩，就是典型的送不进去。它存在于一个做了十几年的业务员的脑子里，存在于十年前被骂的那三次里，存在于她对周三下午那个时段的肌肉记忆里。任何一张数据表、任何一份流程文档、任何一个客户系统的接口里，都没有这件事的影子。
这就是人机分工的第一条判据，也是唯一一条：
这件事的输入，能不能被送进一个接口。
能送进去，模型就能做。送不进去，就不能做。
听起来粗暴。但大量关于「AI 会不会替代人」的争论，都在这条判据上绕开了。绕开的方式通常是反过来问：模型的能力够不够强。
这是问错了方向。能力再强，输入送不进去，输出就是凭空生成。凭空生成的东西在卷一第四章被叫作「精确的错误」。一件过去要三到五人做六到十个月的事，现在一个人两到四周就能交付一个看起来很像样的版本，但这个版本在四周之后使用率归零，因为问题从一开始就没看清。
这条判据还解释了一件具体的事：为什么模型公司这两年在企业市场拼尽全力，交付效果依然是分化的。
能力侧大家都到位了，输入侧没人在场，于是所有模型都成了精致的演示，进不了生产。差距不在能力，在输入的可及性。
这一条也解释了为什么这条判据比它看上去更重要。绝大多数企业 IT 项目的死因，从第一天起就不是技术跑不跑得动，而是数据塞不塞得进去。塞得进去的部分被外包、被平台化、被一个实习生三天就能做完；塞不进去的部分被所有人默认为「常识」，从来没人立项，也从来没人验收。
FDE 的存在意义，就是去把那块塞不进去的东西亲手挖出来，再决定它是该固化进系统，还是该留在某个人的身上。
为了让这条判据在现场能被立刻用上，下面给五类非结构化输入的具体例子。这五类不是穷尽，但每类都在我过去几年的现场里出现过至少一次。
第一类：贴在物理环境里的便条。
机器旁边、配电箱上、操作台底下、车间门口、洗手间镜子边。这些便条通常只有几行字，用即时贴或者记号笔写成。写它的人可能是上一任设备员，可能是车间主任，可能是被某次事故烫过一次的工人。它们记录的是一些系统的设计者从来没有预期过的边界情况：哪台机器要先关再开、哪根管道不能用某种清洗剂、哪个时段温度会偏高。便条本身是非结构化的——没有字段、没有归属、没有时间戳——但它是一家公司最贵的那部分运行知识。它一被撕掉，下一个新人就要用事故把它重新长出来。
第二类：方言与口语里的判断。
老师傅在交接班时对徒弟讲的话、入职新人跟着师傅干活时听到的旁白、上级在非正式场合对下级讲的那句「这件事你看着办，我上次这样这样」。这些话里的判断从来不会被写进 SOP，原因很简单：写的人不觉得这是知识。以为「这不明摆着吗」的部分，恰好是判断密度最高的部分。FDE 要做的第一件事，是承认这部分是知识；第二件事，是找到把它固化进系统的路径——可能是结构化的访谈、可能是岗位师傅的录音转写、可能是把判断翻译成可执行规则的反复迭代。
第三类：人对人的实时反应。
供应商老板接电话时停顿的两秒、车间主任被问到某个问题时眼神的回避、销售在客户面前说「这个我们内部再商量」时的语气、人在群里发完一句话又删掉的那次撤回。这些反应背后的判断无法被任何接口采集，但它是一家公司的政治地形图。FDE 必须在现场看到这些反应，才能在制定三张图时不画错位置。这些反应同时也是这件事最不容易数字化、却最值得人盯的部分——这是卷一第三章四层信息中第四层（没有人有权说这件事不成立）的物理形态。
第四类：流程文档与执行版本之间的差额。
一家公司的 SOP 是给审计看的，还是给员工看的，决定了它跟真实执行之间有没有差额。绝大多数情况下，差额永远存在。差额里装着这家公司真实的边界——哪些步骤被省略、哪些步骤被合并、哪些步骤的顺序被颠倒。差额由谁来补、补得怎么样，决定了这件事跑得通跑不通。这部分差额不在任何接口里，也几乎不会在调研问卷里被问到——因为填问卷的人会按 SOP 版本答。要看到差额，FDE 必须跟岗、跟班、跟设备。
第五类：旧文档与离职员工留下的隐喻。
老系统的字段名里有旧时代的命名方式，旧文档里有一段被删除后还残留的修改历史，离职员工的电脑里有一份没被归档的笔记。这些是判断的化石。它们是过去某个时间点这家公司某个人的判断在物理世界的投影。FDE 进一家新公司，读旧系统的字段名、看旧文档的修改时间、扫离职员工留下的目录结构，能在第一周就还原出这家公司过去几年踩过的坑。化石本身不是知识，它是知识的指针。
这五类合在一起，构成了一家公司真实运行中可被机器读的部分以外的全部。这部分在过去二十年里被默认为零，被认为「反正 AI 也搞不定」。这个判断对了一半：现在的确搞不定。错的一半是「永远搞不定」——这一半等到失效条件触发那一天，本卷的论断才作废，而触发这一天在可见的未来里不会出现。这条在第二章末尾会更细地展开。
本节失效条件：如果出现一种通用方法，能把任意一家的非结构化信息自动结构化到 FDE 现场手动能达到的准确度，本章关于「调查不能出环」的推论作废，整章需要重写。判定依据是「逐家现场仍然优于自动方案」，只要这一条仍然成立，本节持续有效。
第二章 结构化、非结构化、伪结构化
第一章那条判据落到现场，会被一组更细的分类替代。区分清楚之后，分工才不会停在口号上。
这一章把一家公司的信息输入切成三类：结构化、非结构化、伪结构化。每一类的处理方式不同，分工也不同。
结构化。 形式上是规整的表格、报文、字段、协议。语义上是「这件事在这家公司以外的人也能读懂」。比如温湿度传感器吐出来的 Modbus 寄存器、ERP 里的销售订单、视频监控的 ONVIF 事件流。这些东西的输入是可及的，模型可以读，模型可以加工，模型可以吐，模型可以监控报警。结构化部分在过去两年被吃掉了大约七成的工作量，剩下的三成是工程问题，结构清晰，按图施工。
非结构化。 形式上是手写便签、私人 Excel、方言口述、肌肉记忆、车间气味。语义上是「这件事只有这几个人能读懂，而且他们自己也不觉得这是知识」。比如「周三下午不能发那家商超」，比如「三号线湿度超过七十三就要停机，不然后面三道工序全废」，比如「上次老李动过之后就这样了」。
非结构化部分是这一卷要反复回到的地方。它在每家公司里都有，规模都不大，但都直接决定那家公司能不能把事情做成。
伪结构化。 这是我在现场被坑过几次之后才学会区分的一种。它的形式是规整的，里面有表格、有字段、有流程图。但它描述的是 SOP 上的版本，而执行的版本是另一个样子。
最典型的形态，是一张在 OA 里跑了五年的审批流程图。流程图上画了七个节点。实际走的时候，所有人都绕开第三个节点，绕的方法是电话或者微信群里说一声「帮忙过一下」。那个电话不在任何系统里。
伪结构化是企业里最危险的一类输入。它看起来可读、可送、可结构化处理，模型接上去之后会非常高效地做错事。因为模型读到的版本跟执行版本是两份东西，模型的全部判断都落在了错误的那一份上。
把这一类单列出来之后，分工的边界也跟着清楚了：结构化部分交给模型；非结构化部分留在人身上，由 FDE 在现场把它挖出来；伪结构化部分必须先做一道手术，把 SOP 版本剥掉，把执行版本剥出来。这道手术只能由人到场完成。
为了让这三类的区分能在现场立刻可用，下面给两个现场常见的伪结构化案例，作为培训材料使用。
伪结构化案例一：OA 流程图版本与实际版本对照。
某制造业客户的采购审批流程在 OA 系统里跑了四年，文档上画着八个节点——申请人、部门主管、采购部、财务复核、法务审核、分管副总、总经理、归档。文档写得工整，节点之间的条件写得清晰，每一步都配了必填字段。
实际执行时，第一关部门主管就会被绕开。申请人直接发微信给采购部的人，采购部的人去问主管的秘书要授权码，秘书口头答应之后，申请人填表时把这一节点标记为「已沟通」，系统看上去正常流转。第二关法务审核也会被绕开。金额低于某个阈值的合同，法务从来不真看，申请人勾一个「标准模板」的复选框就过了。系统日志显示每一步都正常审批，但实际看过文件的人可能只有两到三个。
FDE 进场一周之后，会发现这家公司的真实审批路径是三条——大额合同走全流程，中等合同走主管口头授权加法务的形式审核，小额合同完全靠采购员个人的经验。三个版本在系统里看起来一模一样，但背后的判断完全不同。如果把模型按全流程版本接上去做自动审核，模型会非常高效地放过所有中等合同和小额合同，但凡一个大额合同出问题时，所有人都会问：模型为什么没拦下来？答案永远是同一句：模型读到了 SOP 版本，执行版本在微信里。
这种伪结构化的拆解路径，是先识别流程图版本与执行版本的偏差点，再把执行版本固化成一份「事实上的审批规则」——通常比 SOP 短得多。然后让模型读这份事实上的规则，而不是读 SOP。
伪结构化案例二：ERP 报表口径与业务实际口径对照。
某零售客户的 ERP 每天早上吐一份「门店日报」，字段包括销售额、客流量、客单价、坪效。报表的格式规整，口径清晰，看上去可以直接喂给模型做预测。
实际拆开后才发现，这份报表的「销售额」字段有三种用法。一种是系统默认值，按订单金额汇总；一种是财务口径，剔除退款、剔除未支付订单、按发货日期归集；一种是运营口径，再剔除会员折扣、剔除企业团购、剔除线下活动。三个口径的数字差异可以到三成以上，但报表上只显示一个数字，使用报表的人按自己的需要去解读这个数字。
模型如果按报表的字段直接做预测，会按系统默认的口径来算——而业务决策实际上是按运营口径做的。结果就是模型的预测跟业务直觉对不上，每一次对不上都被解释为「模型不准」，但真正的错位在口径上。
这种伪结构化的拆解路径，比审批流程图那一个更隐蔽，因为它要求 FDE 不光看出字段名，还要看出字段名背后有几种用法。这件事做起来没有捷径，只能逐字段追——问报表的使用者「这个数字你拿去做什么决策」，问三个不同岗位的人，再把答案对照。
这两个案例合在一起，说明伪结构化拆解的真正工作量不在工程侧，在调研侧。它需要的不是更强的模型，而是更耐心的、更在现场里的人。
下面把三类合并到一张分工表，作为本章的收口（这一张表是这本书里被引用次数第二高的一张，仅次于卷二那张四方对照表）：
- 结构化输入——交给模型——按接口契约出环，按日志追责。
- 非结构化输入——留在人身上——FDE 现场采集，决策权在人，结果由人承担。
- 伪结构化输入——必须先做手术——剥出执行版本，再决定哪部分交给模型、哪部分留在人身上。
这三类的边界不是固定的。今天的非结构化，三年之后有相当一部分会变成结构化——这是工具侧在持续推进的事。但工具侧能推进的范围有边界。边界在哪里，本书后面会给出。这一节只留一个结论：分工的颗粒度，按这三类切，不要按任务切。按任务切会越切越乱，按输入形态切则越切越稳。
本节失效条件：如果出现一种通用方法，能把任意一家的非结构化信息自动结构化到 FDE 现场手动能达到的准确度，本节关于「非结构化不可出环」的推论作废；同时，关于伪结构化必须由人做手术的论断，只要这一类输入普遍存在，本节仍然成立。
第三章 出环：任务从对话界面迁到接口
顺着第一章那条判据往下走，会推出一个更冷也更具体的概念。
一件事如果它的输入能送进去，它的输出又不需要人临时判断，那它就可以从对话界面迁到一个接口里。迁进去之后，这件事的运行就不再需要一个人在对话框里等回复、按回车、再决定下一步。它会变成一个被系统自动调用的服务。人从循环里退出来。
这个动作在工程上叫出环。
出环的好处是真实的。成本归零、规模可叠加、出错可被结构化追责。一段本来每天需要人盯半小时的审核，做成接口之后变成按调用次数计费、按毫秒返回、按日志回溯。一段本来每周要人写一个小时的会议纪要，做成接口之后变成每次会后三十秒落到群里。
所有这些变化都是真实的，也是这一波生产力红利的真实来源。
但出环的代价同样真实：判断从那一刻起，就不再经过你了。
一个人做出判断的依据，是他对这件事的全部上下文。上下文一旦被压缩成接口可读的结构，必然丢失一部分。丢失的那部分，往往就是判断的关键。
所以对出环有一条判据可以写在前面：
出环可以，前提是你能在出环之前，把判断里需要的全部上下文固化进接口能够读到的地方。
固化不了，就别出环。
这条判据在企业现场有一个非常具体的失败案例：很多公司把审批流程做成了自动审核，结果模型按规则通过了所有看起来合规的申请，漏掉了那个真正会出事的一项。因为那项的风险写在经办人的脸上、写在提交时间点下班前的二十分钟、写在反复被打回又反复重提的历史里。这些东西申请单上一个字段都没有，模型在接口里读不到。
这件事更冷的地方在于：模型每次都通过，每次都对，每次都没接住。日志显示它正常运转，指标显示它提升了效率。然后真出事那一天，所有回看日志的人都会问同一个问题：「模型为什么没拦下来？」
答案永远是同一句：「因为判断的依据不在接口里。」
为了让这条判据在现场能被反复用上，下面给三种最常见的「出环失败」的具体形态。每一种都按「为什么日志看不出问题」展开——日志看不出问题，意味着这种失败在生产环境里是隐身的，只能事后才能识别。
出环失败第一种：自动审批漏掉的那一项。
场景：报销审批。模型按规则审核每一张报销单，规则覆盖了金额阈值、品类合规、发票真伪、预算余量。日志显示每一张单据都在毫秒级被通过或驳回。
漏掉的那一项：一张金额合规、品类合规、发票真实、预算充足的报销单，看起来完美。但提交人三个月内连续提交了同一种品类的报销，每次都在月底，每次金额都卡在阈值附近，每次备注都高度相似。这是一组正在累积的异常，模型按单据看没有任何问题，按月度趋势看异常已经显现。
为什么日志看不出问题：日志记录的是单据级别的判定结果，不记录历史趋势。出环之后，模型失去了「看见这个提交人过去三个月」的能力——这条历史本来是审批员脑子里一直装着的，现在压缩进接口时被丢掉了。
出环失败第二种：自动质检漏掉的那一个回流工单。
场景：客服工单的自动质检。模型按通话文本检查客服有没有按脚本回应、有没有提及必要的政策条款、有没有超时。质检覆盖率从原本的百分之五上升到百分之百，质检周期从一周压到秒级。
漏掉的那一个：一个客服按规定接了电话、按脚本回应了客户、记录了工单。但客户在挂电话之后又打了一次，这次没人接，客户在工单系统里留了一条简短留言，没有情绪化的词，只有事实描述。这条工单按照质检脚本是合规的，但它的真实危险信号——客户第二次打电话且第一次没人接——需要把工单跟来电记录做一次跨表对照才能看出来。
为什么日志看不出问题：日志记录的是单次通话的合规情况，不记录客户行为轨迹。模型读到的合规版本，跟客户的真实不满之间隔着一条逻辑链。
出环失败第三种：自动告警漏掉的那一个凌晨两点。
场景：设备监控告警。模型按传感器数据判断设备是否异常，规则覆盖了温度、振动、电流、声音。告警阈值经过调优，误报率降到原来的十分之一。
漏掉的那一个：所有指标在凌晨两点都正常，但设备在那个时间点发出了一声异常的金属撞击声，撞击声被值班的人听到了，但没有触发任何告警，因为声学特征没有进入监控规则。两个小时后设备彻底停机，事后复盘发现撞击声是关键预警。
为什么日志看不出问题：日志记录的是传感器的数值变化，不记录的是物理世界里发生的声音、气味、振动模式。声音和气味是非结构化输入，没有进入模型能读的接口。
这三种失败有一个共同的形状：它们失败的地方，恰好是判断依据没被固化进接口的地方。这不是模型的错，而是出环这件事的结构性代价。
出环的另一重代价，是它会重新定义什么是稀缺资源。一件事出环之后，按调用计费、按毫秒响应、按日志回溯，它就从「需要判断」变成了「需要算力」。算力这一侧持续在塌方。塌方到底之前，留在循环里的人类岗位会被持续压缩。
这一点引出了这一卷后面要展开的命题：哪些环节应该出环、哪些环节应该永久留在循环里、哪些环节应该只在特定条件下才出环。这三类的清单在第四章给出。
这里再加一条判据，是出环之前的检查清单。它比上面那条判据更具体，可以直接照着用：
出环之前，逐项核对下面五条，缺一项就别出环：
- 决策依据是否被完整固化为结构化输入？
- 是否有第二条独立信号可以交叉验证？
- 出环之后能否保留「回到人」的回退路径？
- 出环后的失败成本是否在业务可承受范围之内？
- 是否有一条人负责复盘的渠道，按固定节奏复盘出环后被系统放过的高风险案例？
这五条任意一条没满足，出环就不成立。这是出环前的硬门槛，不是软门槛。
本节失效条件：如果出现一种出环方案，能在不出环的人类判断准确度上稳定达到 FDE 现场手动能给的水平，本节关于「出环会丢失判断」的推论作废；只要方案稀缺到只能服务少数客户，这一边界仍然成立。
第四章 五环节的人机分工
把以上三章综合到 FDE 的五阶段方法论上，可以画出一张分工表。这张表是这本手册被引用次数仅次于卷二那张四方对照表的一页，建议单独截图。
五阶段分别为：侦察、定义、交付、回灌、撤离。卷一和卷四会逐阶段展开，这里只回答人机分工那一刀。
环节一：侦察。
输入形态：非结构化为主，掺着大量伪结构化。
主导方：人，AI 是工具。
原因：侦察的输入是公司真实运行的信息。这些信息大多数在系统之外，少数在系统里但是是失真版本。任何把这部分自动化的尝试都会撞到三件事——身体必须在场的时间成本、非结构化信息无法被远程采集、伪结构化信息需要现场用人的判断去剥。
具体形态：人蹲车间、找人聊天、看便签、问那些没被邀请回答的问题。AI 在这个环节承担的，是帮人把侦察到的东西结构化——把录音转成文字，把对话里的承诺摘出来，把六段解剖的初稿拼出来。这些活由 AI 接手之后，人能将时间集中在更贵的那件事上：判断。
边界条件：当一种远程信息采集方案能把侦察中的非结构化部分自动结构化到与现场手动等同的水平，环节一的主导方从「人」改为「协同」。
环节二：定义。
输入形态：侦察的结构化产物加上客户给出的初始需求。
主导方：协同，人定口径，AI 跑边界。
原因：定义阶段的核心动作是把一句模糊的话切成一个可以被数字判死刑的验收标准。这件事的创造性在人，因为「切到哪个数字」取决于行业理解；这件事的工程性可以由 AI 协助，因为「切到哪个数字之后跑一遍仿真看分布」可以批量做。
具体形态：人定一句话——四周后中位数必须掉到两小时以下。AI 拿到这句话之后，去客户的旧数据里把过去三个月的分布拉出来，看这两小时在历史上掉到过几次、离现在的差距有多大、需要砍掉哪几个尾部才能达标。这些仿真结果帮人在签字之前做一次自我审查，避免拍胸脯。
边界条件：当一种 AI 能基于行业通用基准独立给出符合客户场景的口径方案、且准确度不低于行业资深 FDE，环节二的主导方从「协同」改为「AI 主导、人审核」。
环节三：交付。
输入形态：定义阶段签字的验收口径加上客户的系统环境。
主导方：AI 主导，人审核与拍板。
原因：交付阶段是这本书最容易被误读的一节。误读方式有两种：第一种认为 AI 全自动，人只按按钮；第二种认为人必须全程盯着每一个细节。这两种都错。
正确的分工是：人定骨架——选型、隔离策略、评估集设计、上下文装配方式、出错时的回退路径。AI 填血肉——按骨架生成代码、写测试、跑评估、生成报告、排查日志。人审核——按节奏回看 AI 提交的关键节点，看判断而非看代码。
这一节的边界很微妙。骨架的决定权必须在人，因为换骨架的成本是四周的工期；填血肉的过程可以尽量让 AI 跑，因为换一行代码的成本是十分钟。审核的颗粒度也必须严——AI 提交了十段，人只需要看三段，但要看对那三段。
边界条件：当一种 AI 能独立产出符合行业标准骨架的方案、且失败率持续低于资深 FDE，环节三的主导方从「AI 主导、人审核」改为「AI 全自动、人按节奏抽检」。
环节四：回灌。
输入形态：项目里产生的所有结构化记录加上客户后续使用数据。
主导方：人写骨架，AI 跑分布。
原因：回灌是把一个项目的可复用部分抽出来，下一个项目能少走一段路。这件事的输入已经在结构化的形态里，但其中价值最高的部分——什么死了、为什么死——AI 写不出来，因为死法是人才会注意到的细节。
具体形态：人写第六段——什么死了以及死因。AI 写第二段的钱在哪漏、第三张图的人怎么走，按订单和日志跑分布。人做最后一遍读，把 AI 写的部分对照现场记忆做修订。
边界条件：当一种 AI 能基于现场记录独立推断死亡模式并复现人写第六段的判断密度，回灌的主导方可能向「AI 主导」方向移动，但只要「什么死了」这一类判断仍需现场记忆回溯，骨架必须由人写。
环节五：撤离。
输入形态：回灌完成的结构化记录加上客户方对接人的交接能力评估。
主导方：人。
原因：撤离是 FDE 五阶段里最不性感的一节，也是出环最难的一节。撤离的输入既不在文档里，也不在任何结构化数据里——它在这家公司有没有一两个能接住这套系统的人、他们愿不愿意接、他们手上的事会不会让他们接不住。这些判断在结构化数据里是看不出来的。
具体形态：人在撤离前三周开始观察——每天上午来开门的是谁、谁会被同事电话问问题、谁的桌面最乱。AI 在这个环节不承担任何决策责任，只承担把观察整理成清单的体力活。
边界条件：当一种远程接管方案能替代撤离阶段的人对人判断，并且由持续四周以上的数据支撑，撤离的主导方从「人」改为「协同」。
把五环节放在一张表里看，分工是清楚的：侦察、撤离两端人主导；定义、回灌两段协同，AI 在工程上分担一半；交付是 AI 主导、人审核拍板。
这张表不能乱。乱的方式有两种：把交付阶段让给人主导，把侦察阶段让给 AI 主导。两种乱法的代价都很大。
第一种乱的代价是慢，AI 的算力被浪费，工程师被按成写代码的工具。第二种乱的代价是错，AI 拿着失真的输入吐出一个看起来很完整但完全没看清的方案。
下面给一张环节内动作、主导方、边界条件的三列细表，作为这张分工表的细颗粒版本：
环节一（侦察）：七问清单逐项问——人主导；三张图初稿——人写、AI 整理；现场观察整理——人观察、AI 文字化；六段解剖初稿——人写骨架、AI 跑分布。
环节二（定义）：口径表五栏填齐——人主导；历史数据分布仿真——AI 跑、人审；报价单结构生成——AI 起草、人定稿；合同附件清单——人主导、AI 查漏。
环节三（交付）：选型与隔离策略——人主导；代码与文档生成——AI 主导、人审关键节点；评估集设计——人定原则、AI 跑样本；上线检查清单——人定、AI 执行；出错回退路径——人主导。
环节四（回灌）：六段解剖合并——人写第六段、AI 跑其他；行业经验沉淀——人写、AI 整理格式；下一个项目的初稿准备——AI 起草、人修订；客户后续使用数据回看——AI 跑分布、人写判断。
环节五（撤离）：接手人能力评估——人主导；交接清单生成——AI 起草、人定稿；四周使用数据复盘——AI 跑、人写判断；客户方政治地形更新——人主导。
本表失效条件：如果出现一种 AI 工具，能在没有人到场的前提下把一家陌生公司的侦察做完并达到 FDE 现场手动能达到的判断水平，环节一与环节五的主导方从「人」改为「协同」，本表重排。
第五章 调查是唯一没搬进接口的环节
把第四章那张表推到极端，会得出一个本卷最重要的结论：理解一家公司怎么运转，需要蹲车间、找人聊天、看便签、问那些没被邀请回答的问题。这些输入送不进任何接口。
所以在 FDE 的五阶段里，侦察是唯一一个至今没有完整自动化方案的环节。
这件事对 FDE 来说是好消息。它意味着一个稀缺资源回来了。
过去二十年，这个稀缺资源是「写代码」。能写代码的人被高看一眼，不会写代码的人被默认为不创造价值。然后执行成本塌了，「写代码」一夜之间变成过剩资源。一个会用工具的人，两周能交出一个过去需要程序员写三个月的东西。
现在稀缺资源换了一茬。新的稀缺资源是到场。
到场是一个非常具体的动作。它意味着你必须在那栋楼里、那个车间里、那张桌子对面坐着。它意味着你能闻到设备运转时的气味，能听见班组交接时哪句话被省略了，能看见一张贴在配电箱旁边的旧便签。
这些信息加在一起，构成了一家公司的真实运行。这些信息不能被远程获取、不能被自动化采集、不能被模型生成。它们只能被一个到场的人接住。
序章那条周三的规矩，就是到场的产物。她不在场就摸不出来，因为她摸出来的是商超那个临时账的清账周期和她自己公司的发货节奏之间的关系。这件事在任何一份需求文档里都不会被写下来。
这条规矩同时给出了隐性知识作为护城河的具体形态。
隐性知识不是一种玄学。它是指「当事人自己都不知道自己在用的那部分判断」。这部分判断从未被显化，因此无法被上传，因此无法被接口化，因此无法被出环。
隐性知识为什么是护城河？因为它会随人走，人走它就走。这件事的代价在每家公司身上都被低估了：高管以为某个老师傅的经验已经进了 SOP，其实只进了这位老师傅的肌肉记忆。老师傅退休那天，那条 SOP 就再没人执行了，于是这家公司要再用十年时间等下一个老师傅把它重新摸出来。
这条逻辑反过来也成立：谁能把隐性知识挖出来、显化进系统，谁就在这一轮里占住了一个位置。挖出来这件事只能由人到场做。
这条结论推翻了卷一里那个关于护城河的一般说法。技术侧的护城河正在以季度为单位被刷薄。一个新工具出来，三到六个月后所有人都会用。技术侧的优势最多领先一个版本。隐性知识侧的护城河则跟着人走，迁移成本极高，竞争者要复制必须重建同样的现场积累。
所以这个职业的护城河是现场，而技术侧的护城河正在以季度为单位被刷薄。
这也是为什么这本手册把侦察排在五阶段的最前面，并且要求第一周就必须有产出。如果执行能力是稀缺资源，把执行排在前面是合理的。现在执行不是稀缺资源了，理解才是。把执行排在前面，等于用一把很快的刀，去切一个还没看清的东西。
本节失效条件：如果出现一种通用方法，能把任意一家的非结构化信息自动结构化到 FDE 现场手动能达到的准确度，本节关于「调查不能出环」的论断作废；只要方法需要逐行业逐企业定制，本节仍然成立。
本节同时给出一个反推：如果一家公司过去五年里没有持续在做调查回灌，那么这一家公司里的隐性知识处于逐年流失状态；流失的速度与核心岗位的平均在职年限成反比。
下面给一组把隐性知识显化的具体方法。这一组方法在 FDE 这件事里是稳定可收费的增值服务，不是空谈。FDE 进一家公司之后，通常可以分四步把这件事做实。
显化方法一：岗位录音 + 转写 + 关键决策提取。
FDE 在现场跟岗一到两周，期间对核心岗位的关键决策时刻做录音（事先取得员工同意），录音之后用语音转文字工具把内容落到文档，再用模型做关键决策点的提取——这一步 AI 完全能承担。提取完之后由 FDE 回看，对照现场观察做修订。这套方法能在两周内把一个核心岗位五年的隐性判断显化出大约三成。三成听起来不多，但它已经是一家公司在没有 FDE 之前从未拥有过的东西。
显化方法二：异常事件追溯。
挑这家公司在过去十二个月里发生过的一到两个真实异常——比如某次设备故障、某次返工、某次客户投诉——对每一个异常做一次倒带复盘。倒带的方法是找到当时在场的三到五个人，分别问他们当时看见了什么、做了什么、为什么这么做。同一个异常事件，三个人的版本拼起来，会显化出这家公司在某条流程上从未被写下的判断逻辑。这套方法的成本大约是两天，产出是一份三到五页的决策地图。这份地图的价值远超它的成本，因为它把一个事故的隐性知识沉淀成了可被新员工学习的材料。
显化方法三：流程走查对照。
挑这家公司的三到五个核心流程，让员工按照真实做法走一遍，FDE 在旁边记录。走完之后把记录跟 SOP 对照，差出来的部分就是这家公司的隐性知识在执行侧的投影。这套方法不需要员工主动配合，只需要 FDE 在场即可——但它要求 FDE 真的看懂员工在做什么，而不是在记录走过场。
显化方法四：岗位交接日志。
FDE 在现场最后一个动作，是给这家公司的每一个关键岗位写一份交接日志。这份日志不写在公司内部文档里，写在 FDE 自己的记录里——格式按六段解剖的简化版，写完之后移交回公司。交接日志把员工的隐性判断固化进可被下一任读到的文字里。下一任不需要再来一次隐性知识的摸索循环。
这四步合起来，能在 FDE 进场之后的第一个月里，把一家公司的核心隐性知识显化出大约四到六成。这件事的成本相对项目总投入并不高，但它是一项长期可收费的增值服务——因为四到六成的显化不是终态，剩下的部分需要 FDE 在交付期和回灌期继续补。补的过程是项目的一部分，而不是项目之外的额外动作。
需要补一句关于这条服务的现实约束：显化隐性知识不是把员工的判断权拿走，而是把它从员工的身体里搬到一个可被协作的载体里。员工在显化的过程中应该在场，他们的反馈应该被采纳，否则显化出来的版本会失真。这是这条服务在工程上的伦理底线，也是 FDE 工作中「对人诚实」那条原则的具体兑现。
本节失效条件：如果出现一种通用工具，能在不与员工协作的前提下自动从岗位行为中提取出与员工判断密度相当的隐性知识，本节关于「显化必须由人到场做」的论断作废；只要行业理解仍然必须靠逐家现场积累，本节仍然成立。
第六章 到场的两种形态
到场的稀缺是这本书的反复主题。但到场这个词在企业现场有两种形态，分清楚之后分工才能稳。
第一种形态：作为判断的到场。
这是 FDE 在侦察阶段做的到场。目的在判断，而不在看。具体动作是看一遍 SOP、然后离开 SOP 走一遍真实流程，看哪些地方对不上、哪些动作在系统里没有字段、哪些岗位在做不在编制上的事。
这种到场的稀缺性最高，因为它的产物是判断，判断不可被复制，不可被压缩，不可被出环。
第二种形态：作为执行的到场。
这是 FDE 在交付阶段做的到场。目的是把 AI 输出的东西在真实环境里跑起来，看日志、接事件、跟现场的人一起处理出错。
这种到场的稀缺性在过去两年大幅下降。一件过去要工程师蹲三天调通的事，现在一个人加一套工具半天调完。但下降到一定程度就会停，因为环境本身是物理的——车间要通电、设备要运转、班组要交接、出错要有人按停机按钮。这部分动作的到场不可被远程替代。
把两种形态分开之后，结论清楚了：侦察阶段的到场是稀缺的本质，必须靠人；交付阶段的到场是物理的约束，必须有，但可以用 AI 工具把人从重复劳动里解放出来，让人只负责按停机按钮和拍板。
这是「一个人顶三到八个人」这个倍数有边界的原因。在侦察阶段，倍数趋近于一，因为只能人盯人；在交付阶段，倍数可以放到很高，因为工具接管了大部分工作；在撤离阶段，倍数又掉下来，因为接管的还是人。
FDE 一周的时间结构也由此决定：大约两成在第一种到场上，必须人到场；大约两成在第二种到场上，可以人在场也可以人远程；剩下六成可以不出场。
这六成不出场的时间，是 AI 真正能帮上忙的部分：写代码、整理记录、跑评估、生成文档、对接客户方对接人。
一个没有意识到这一点的 FDE，会把六成时间全花在那两成的到场里，被现场拖着走。一个意识到了的 FDE，会把那六成时间严格保护出来，让现场只占用必要的那两成。两种工作方式的产能差距，在三个月后开始显现，在十二个月后拉出一倍以上的差距。
下面把第二种到场再拆细一点——把远程可行部分与远程不可行部分各列一张清单。这两张清单是这本书里最实用的两页之一，建议单独截图。
第二种到场中远程可行的部分：
- 系统日志的实时监控与异常告警的初筛。
- 部署、回滚、配置变更的脚本化执行。
- 测试用例的运行、回归报告的生成。
- 与客户方对接人的文字沟通、文档协作。
- 数据接口的健康检查、字段对账。
- 评估集的运行、模型输出的抽样审查。
- 项目管理会议的参与、纪要的生成与分发。
第二种到场中远程不可行的部分：
- 物理设备的接线、调试、停机按钮的按下。
- 现场环境气味的判断——油雾、烧焦味、金属粉尘。
- 工人与班组的现场反应观察——表情、语气、肢体语言。
- 与现场关键人的非正式沟通——抽烟时、上厕所时、午饭时。
- 现场便条的识别与拍照记录。
- 物理环境的限制——网络不通、设备离线、权限不到。
- 出错时的现场抢救——必须有人在现场按停机按钮。
这张清单不是穷尽，但每一条都来自真实项目的真实经验。一线 FDE 可以照着它去规划自己的到场与远程时间分配。一个新人 FDE 把这张清单背下来，第一年的产能可以少走三个月的弯路。
本节失效条件：当一种远程操控方案能把第一种到场也搬到线上，且判断准确度不下降，本节关于「侦察阶段必须人到场」的论断作废；只要现场物理约束无法被绕开，第二种到场的稀缺性就持续存在。
第七章 席位作为编制最小单位
侦察这件事不能出环，那就出现了一个直接的后果：一个想长期做 FDE 的人，每年能进多少栋楼是有上限的。这个上限不在工具侧，在身体侧。
一年最多进那么多栋楼，这个数字不会因为工具变强而增加。
于是必须做一个选择：做超级个体，还是进知识库型团队。卷二第七章已经定过这两种路径，本卷不再展开算术。
这一卷要给的是第三条路径——它不是替代前两条，而是它们的最小公倍数。
超级个体：一个人，一套工具，一年六栋楼，三年十八栋。这十八栋楼每栋长什么样、踩过哪些坑、做出了什么判断，存在哪里？存在这个人的脑子里、便签本里、和硬盘某个目录里。十年后他换了行业，那些记录还在硬盘里，但能不能被下一个自己用上，要看运气。
知识库型团队：三到十个人，共享一套记录格式，调查完一家公司就把六段解剖写进同一个仓库。下一个人进场之前，先把过去一年所有公司的六段解剖读一遍。他进第一栋楼的时候，已经见过了一百八十种真实运转方式。他的判断从第一天起，就站在团队积累的肩上。
十八栋，对一百八十栋。数字差十倍。判断力的差距，比十倍更大。
因为这个职业的判断力增长速度，正比于你见过多少种不同的真实运转方式。一个人一年六栋，三年十八栋。一个团队如果记录是真的互通，一年六十栋，三年一百八十栋。这里面没有捷径，唯一的杠杆是：每一栋楼里你看完之后，必须写下来。
写下来这件事，看起来小，实际上拦掉了行业里九成的从业者。绝大多数项目结束之后，那栋楼里发生过的事就消失了。客户在，合同在，钱在，判断的依据不在。下一个项目从零开始。
第三条路径把前两条各自的问题各自解决，然后拼起来。
它的最小单位，不是「一个人」加「一个团队」，而是「一个人」加「他那套能记住所有事的东西」。
卷二第七章给过这个定义：一名人类加一个配对 Agent。人负责判断和承担后果，Agent 负责执行和记忆，两者绑定，共同对结果负责。
壳可以换，魂必须留。
壳的形态可以是 Agent，可以是记录系统，可以是个人记忆库。魂的形态是固定的——法、判断标准、事件轨迹、校准记忆。这四样东西必须能导出、能迁移、能复活。换壳的时候魂不能丢。
这个最小单位给 FDE 的组织形态画了终局：未来的 FDE 编制，最小单位既不是一个人，也不是一支队伍，而是一个人加他那套能记住所有事的东西。
为什么必须以席位为单位，而不是以人为单位？因为以人为单位时，一个 FDE 退休、跳槽、生病，他脑子里和便签本里那部分就跟着消失了。这件事在过去二十年的驻场实施行业里每天都在发生。人才走了，方法也跟着走，客户的下一单就要重新摸索一遍。
以席位为单位时，那部分东西被固化进了 Agent 的记忆库里，迁移过程是可控的、可审计的、可恢复的。下一个人接手这席位时，他不是从零开始，他是从上一个席位积累到的那一百八十栋楼开始。
一个超级个体如果把自己的三年记录喂给了自己的 Agent，他三年后能承接的判断量级接近一个五人团队三年后的水平。前提是记录是真的、格式是统一的、回灌是持续的。
一个五人团队如果五个人的 Agent 共享同一份记录，三年后能承接的判断量级进一步放大。前提仍然相同。
三年之后这个行业的竞争维度，会从「谁交付得更快」变成「谁对哪个行业理解得更深」。理解的深度，只能靠积累，不能靠聪明。积累的容器，就是这个席位里的 Agent。
这套架构对在校学生、想创业的年轻人、和一人公司实践者都有具体含义。它意味着积累不必依附于一个组织。任何一个人只要从今天开始按统一格式记下他做的每一件事，三年后他在任何组织里、任何项目里、任何谈判桌上，都带着一份别人没法快速复制的东西。这份东西的载体是 Agent，但内容是这个人自己的判断轨迹。
下面把席位制落到工程层面。这一节是卷八组织设计的工程铺垫，卷八会展开成完整的组织方案。
席位里的 Agent 必须记住的四类东西：
第一类，魂——法、判断标准、事件轨迹、校准记忆。这四样是席位的不可移动资产。魂在 FDE 这件事里具体对应六段解剖的格式、口径表的五栏、三张图、七问清单。这些是规则，必须原样保留。
第二类，骨——这家或这几家公司的行业知识、客户画像、关键岗位人。具体形态是六段解剖的实例、关键节点的判断记录、出错案例的复盘。这些是规则在具体场景里的投影，可以新增、可以修订，但修订必须留痕迹。
第三类，肉——上一个项目、上上个项目、上上上个项目的执行记录。这些是骨的具体证据。每一次出环、每一次失败、每一次返工，都记在这里。肉可以被压缩，但压缩必须保留可追溯的源。
第四类，皮——席位的当下状态、当前任务、本周计划、待办事项。这是席位的运行时状态，随时更新，但更新不影响前三类。
席位迁移时必须保留的字段：
人换的时候，必须迁出去的字段是魂、骨、肉的全部。皮可以丢掉，皮属于当下，不属于过去。
席位迁移时必须重置的字段：
新席位的私钥、临时凭据、当前任务的中间状态。这些跟人绑，不跟席位绑。
这套区分给 FDE 的职业连续性画了一条硬边界：只要魂、骨、肉完整迁移，下一个 FDE 接手的不是零，而是这条席位积累到的那一百八十栋楼。
本节失效条件：如果出现一种通用 Agent，能在没有个人历史记录的前提下达到同等判断水平，本节关于「席位作为最小单位」的论断作废；只要行业理解仍然必须靠逐家现场积累，本节就持续成立。
本节同时给出一个实操判据：一个 FDE 在第一年结束时，如果他的记录格式和回灌机制没有建立起来，他无论选择哪条路径，都会在第三年被反超。这是这一行里最干净的自我审查：把过去一年写下来的东西排开看，看格式是否统一、是否能被下一个人看懂、是否记录了失败的部分。哪一项缺，第三年都会被这一项对应的差距反超。
第八章 上下文工程的五条标准如何落到 FDE 现场
这一章把当下学界与工程界已经形成共识的一条框架，落到 FDE 现场。这条框架是上下文工程——区别于提示词工程。提示词工程关心的是「怎么写一句话」，上下文工程关心的是「怎么设计模型所在的整个信息环境」。这两件事的差别，跟卷一第三章「执行成本塌方、瓶颈前移到理解」是同一回事。
上下文工程的五条生产级上下文质量标准是：关联、充分、隔离、经济、可溯源。五条按顺序应用，前三条决定上下文是否正确，后两条决定正确的上下文是否高效可信。
下面把五条逐项落到 FDE 的现场场景，给出每一条的具体判据、典型反例、和「到位时是什么样子」。
第一条，关联。
判据：上下文里只放跟当下决策相关的部分，不放所有可用的部分。
反例：把过去五年的所有项目记录一次性塞给 Agent。Agent 的注意力是有限的，多余的部分会稀释相关的部分——这叫上下文腐烂。模型能力再强也没用，关联度掉到一定程度，再大的上下文窗口也救不回来。
FDE 场景：Agent 在定义阶段拿到客户的历史数据时，不应该一次性拿到所有原始表，而应该由 FDE 预先筛一遍，留下跟当下口径决策相关的那部分。关联度的工作在数据进入 Agent 之前完成，不在 Agent 看到之后补救。
第二条，充分。
判据：上下文必须包含决策所需要的全部，否则模型会用猜测来填空。
反例：把客户的一个口径决策交给 Agent，Agent 拿到手的只有客户的原始订单数据，没有订单的剔除规则，没有历史的口径变更记录。模型为了给出答案，会自己编一套看起来合理的剔除规则——这套规则跟客户的实际做法不一致，于是模型在客户眼里永远「差一点」。
FDE 场景：充分的工作量是 FDE 在交付前的工序里做的预制——把口径表、客户异议记录、历史修订日志打包成结构化产物再交给 Agent。FDE 预制的产物越完整，Agent 输出的可信度越高。
第三条，隔离。
判据：多 Agent 系统里，每个子 Agent 只看到自己需要的部分，看不到其他部分。
反例：把交付 Agent、回灌 Agent、撤离 Agent 都接到同一份全量上下文。每个 Agent 都能读到其他 Agent 的中间输出，于是会出现一个 Agent 的猜测影响另一个 Agent 的判断。日志看起来每个 Agent 都合规，但合在一起之后会做出错误结论。
FDE 场景：在 FDE 的多 Agent 架构里，每个 Agent 必须有明确的责任边界和明确的上下文切片。回灌 Agent 不能读交付 Agent 的执行细节，撤离 Agent 不能读侦察 Agent 的七问清单原始答案——它只读收尾版的六段解剖。
第四条，经济。
判据：相同的决策质量下，尽量用更少的 token 完成。
反例：把客户的整套 ERP 数据原样塞给 Agent。Agent 把字段读了一遍发现需要的是某几张表的某几列，剩下的部分完全是浪费。结构化产物的体积可以压到原版的几分之一，可信度不变。
FDE 场景：FDE 在 Agent 启动前先把数据预处理成紧凑结构——表名加列名加必要的索引加必要的类型说明，不附原始长文本。这一步的工程量不大，但节省下来的 token 成本是真实的，且节省下来的 token 也提升了关联度——经济与关联两条在这里是叠加的。
第五条，可溯源。
判据：上下文里的每一个元素都能追溯到它的来源。
反例：Agent 给出的一份分析报告里引用了某个数字，但这个数字的来源在哪、什么时候、由谁采集的，全部不知道。客户问到这一条时，Agent 答不上来，FDE 答不上来，没有人答得上来。
FDE 场景：每一个进 FDE Agent 的数据元素，必须带元数据——来源系统名、采集时间、信任级别。Agent 在输出时必须把每个引用带出处。这条元数据本身是一笔投资——它让 Agent 的输出变成可被审计的输出，而不是可被猜测的输出。
五条合在一起的判据，可以总结成一句话：上下文是 Agent 的操作系统，操作系统的设计准则跟任何其他操作系统没有区别——正确、隔离、高效、可审计。
本节失效条件：如果出现一种 Agent 框架，能在违反上述五条的前提下稳定产出可靠结果，本节关于「上下文五标准」的论断作废；只要当前主流 Agent 框架仍然受这五条约束，本节持续成立。
第九章 从提示词到 Harness：工程化外壳的演进
上一章讲的是上下文，本章讲的是承载上下文的那一套工程化外壳——Harness。
Harness 这个词在当下的工程语境里指模型之外的所有东西：提示词、工具集、技能、运行环境、编排逻辑、回调钩子。Harness engineering 的核心论断是：Agent 的能力等于模型的能力加上 Harness 的能力，两者相乘而不是相加。
这一章把 Harness engineering 的演进线写清楚，因为 FDE 这件事在 2026 年这一时间点上的工程形态，正在被这条演进线重新切过。读懂这条线，能让 FDE 在工具链选型上少走三个月弯路。
演进的第一阶段：提示词工程。
所有的指令都塞进一段提示词。这条路径在 2023 年之前是主流。它的边界很明显——提示词长度有限，超过之后模型会失忆；提示词的颗粒度有限，无法承载复杂的工程化逻辑；提示词的版本管理很乱，谁也不知道哪一版是对的。
演进的第二阶段：上下文工程。
把指令从一段提示词拆开，分散到上下文的不同位置——有的进系统提示词，有的进工具描述，有的进对话历史，有的进外部存储。这个阶段模型不变，但 Harness 的工程化程度大幅提升。它解决的是「让模型看到对的上下文」。
演进的第三阶段：Harness 工程。
上下文工程关心的是「让模型看到对的上下文」，Harness 工程关心的是「让 Agent 能稳定执行一整件事」。这件事包括：状态管理、工具执行、反馈回路、可被强制的约束。模型本身可能没变，但 Harness 把模型放进了一个能持续工作的工程结构里。
这条演进给 FDE 的具体含义有三条。
第一，FDE 的工程能力的核心，已经从「写好一段提示词」迁到了「设计一套 Harness」。一个 FDE 现在必须懂的，不是「怎么让模型答对这一题」，而是「怎么让 Agent 在一个项目周期里持续交付可被审计的结果」。这两件事的能力图谱差别很大——后者要求工程化思维、对系统状态的理解、对失败模式的拆解。
第二，Harness 的设计必须以现场的可审计性为目标。FDE 的 Agent 不是给研究员的玩具，而是给客户用的生产工具。生产工具必须能告诉客户「这一步是怎么做的、用了什么数据、什么时候做的、谁授权的」。这四条是 Harness 在 FDE 项目上的硬约束。任何让 Agent 更聪明但更难被审计的方案，都不应该上生产。
第三，Harness 的边界在持续变化。模型能力涨一轮，Harness 的一部分就被吸收进模型——模型变聪明了，原来需要 Harness 提示的部分模型自己会做了。这种「Harness 被吸收」的演进方向意味着 FDE 不能把 Harness 写成静态产物。Harness 必须按季度重新评估——哪些部分还是必要的、哪些部分已经被模型接管、哪些部分需要重新设计。
这套演进给 FDE 的工程化目标画了一条清晰的线：让 Harness 在每一次新的模型能力出现时都被精简，但被精简掉的部分不能丢掉它的工程价值——精简出来的工程价值必须迁移到模型能力尚未覆盖的环节。这个循环跑得越久，Harness 的工程化程度越高。
本节失效条件：如果出现一种模型原生具备可审计性而无需 Harness 包裹，本节关于「Harness 工程化是 FDE 核心能力」的论断作废；只要当前主流 Agent 仍然需要外部 Harness 包裹才能稳定用于生产，本节持续成立。
第十章 现场数据采集的现状与边界
本章呼应第五章「调查是唯一没搬进接口的环节」，给出现场数据采集的当前技术现状与边界，作为对本卷核心论断的失效条件检查。
这条检查必须做，因为本卷的承重论断是「现场不可被自动化采集」。如果出现一种能替代 FDE 到场的信息采集方案，本卷关于「到场的稀缺性」「调查不可出环」「隐性知识是护城河」三组核心论断会同步失效。在 2026 年这一时间点上，机器人、远程操控、自动化巡检等方案在持续推进，但它们的现状与边界尚未触及本卷论断的核心地带。下面分三类给出检查结果。
第一类：自主移动机器人。
现状：自主机器人在建筑、能源、采矿等行业已经开始规模化部署——例如某国外厂商已经累计完成超过七万次地面自主任务，超过四万次机库无人机任务。这些机器人能完成结构化的巡检任务，包括热成像、可见光、点云采集、缺陷检测。
边界：这些机器人目前能采集的是「结构化形态的现场信息」——设备的物理状态、几何尺寸、热成像结果、安全违规清单。它们不能采集的是「人在现场的判断、便条、口述、人与人之间的非正式沟通」。这一边界对应的是卷一第三章四层信息中的第二、第三、第四层——含义、流程差额、政治地形。这四层信息的采集仍然需要人到场。
第二类：远程操控与高带宽通信。
现状：高带宽低延迟的远程通信方案在工业场景已经成熟，能支持远距离的机器人操控、视频回传、AI 实时分析。
边界：远程操控解决的是「人在远程也能驱动设备」，但它不解决「人在远程也能采集到现场的非结构化判断」。远程视频能看到画面，听不到声音里被省略的那句话，看不到贴在配电箱上的那张旧便条，闻不到车间里油雾的味道。这一边界对应的是本卷第一章列出的五类非结构化输入中的四类——便条、口述、人对人反应、流程差额。
第三类：通用场景理解与具身智能。
现状：通用场景理解的模型与机器人在持续推进，物理 AI 的概念开始被用于工业巡检、缺陷检测、远程检查。但这些方案目前主要面向结构化输入，对现场的非结构化判断尚无稳定方案。
边界：通用场景理解能替代的是「人在现场看一遍结构化信息」的部分，但不能替代「人在现场问出没被邀请回答的问题」。这一边界对应的是七问清单里的第三问（这件事三个月后彻底失败谁受伤最重）和第七问（内部有人反对过这件事吗理由是什么）——这两问的答案永远在非结构化输入里。
三类合在一起的结论是：现场数据采集的自动化在可见的未来里只会触及结构化部分，非结构化部分的采集仍然必须由人到场完成。本卷关于「调查不可出环」「到场的稀缺性」「隐性知识是护城河」三组核心论断在 2026 年这一时间点上仍然成立。
本节失效条件：如果出现一种通用方案，能在不与现场员工协作的前提下自动采集到与 FDE 现场手动同等的非结构化判断，本节关于「自动化采集触及不到非结构化」的论断作废；只要行业理解仍然必须靠逐家现场积累，本节持续成立。
第十一章 隐性知识的显化作为 FDE 的长期增值服务
本章把第五章提到的「隐性知识显化四步法」展开为可被 FDE 直接对外报价的服务形态。这件事在 FDE 的商业模式里属于稳定可收费的增值项，原因有三。
第一，需求侧真实存在。每一家公司都有核心岗位的隐性知识面临流失的风险——老师傅要退休、关键员工要离职、新人招不上来。这件事过去没有被服务，是因为没有方法。现在有了方法，需求立刻显性化。
第二，供给侧稀缺。能做这件事的人需要具备三个能力——能蹲得住现场、能写出可被复用的判断文档、能跟核心员工建立信任。这三个能力是 FDE 在过去几年里训练出来的。市场上没有其他角色同时具备这三项。
第三，可验证性强。隐性知识的显化可以用两个口径验证——显化出的判断在新员工上手时的实际表现，以及老师傅退休后这家公司的判断流失速度。两个口径都是可测的，不是 PPT 上的承诺。
服务形态可以分四档报价，从轻量到深度。
轻量档：单岗位录音转写。
工时大约一周，产出是一份两万到三万字的岗位判断文档。客户是中小型企业的核心岗位。报价按周计算。这一档的价值是给客户建立「原来这件事可以显化」的认知。
中档：双岗位对照与决策地图。
工时大约两周，产出是两份岗位判断文档加一份决策地图。客户是有两个相互依赖的核心岗位的企业。报价按项目计算。这一档的价值是让客户看到跨岗位的判断如何被串联。
深度档：核心团队隐性知识显化。
工时大约一个月，产出是一份覆盖三到五个核心岗位的判断文档集加一份流失风险评估。客户是面临关键员工退休或离职风险的中大型企业。报价按项目计算。这一档的价值是直接对应企业的判断流失成本。
长期档：年度判断库维护。
工时是每个月两到三天的轻维护加每年一次的全量更新。客户是接受 FDE 作为长期顾问的企业。报价按年费计算。这一档的价值是把隐性知识的流失防御变成一项常态机制，而不是一次性项目。
四档报价的实际数字不在本卷公开——这是 FDE 与客户之间的具体商务安排，但收费的合理性来自显化工作的实际成本与客户节省的判断流失成本之间的差额。这个差额对客户来说通常是几倍到几十倍，对 FDE 来说毛利率相当健康。
需要重复一次第五章结尾那条伦理底线：显化隐性知识不是把员工的判断权拿走，而是把它从员工的身体里搬到一个可被协作的载体里。员工在显化的过程中应该在场，他们的反馈应该被采纳，否则显化出来的版本会失真。这是这条服务在工程上的伦理底线，也是 FDE 工作中「对人诚实」那条原则的具体兑现。
本节失效条件：如果出现一种通用工具，能在不与员工协作的前提下自动从岗位行为中提取出与员工判断密度相当的隐性知识，本节关于「显化作为长期增值服务」的论断作废；只要行业理解仍然必须靠逐家现场积累，本节持续成立。
第十二章 三年之后这个行业的竞争长什么样
这一章给一个预测。预测的根据是卷一第五章、卷二第七章、卷八第三章已经给出的判断——竞争维度在三年内会从「谁交付得更快」换到「谁对哪个行业理解得更深」。本卷要补的是这一换挡在人机分工层面上的具体形态。
第一年。 竞争主要发生在交付速度与单价。AI 工具链还在快速迭代，新的 Agent 框架每三个月出一个新的版本。FDE 的核心竞争力是「用得动最新工具」。这一年里大部分的注意力在工具侧——谁能用上最好的模型、谁能用上最完整的编排、谁能把交付时间压到最短。
第二年。 工具侧开始趋同。主流的 Agent 框架收敛到三到五种，主流的上下文工程方案收敛到几条经验法则，主流的 Harness 设计模式收敛到几套参考实现。FDE 的核心竞争力开始向现场侧迁移。这一年里，「谁能蹲得住最难蹲的现场」「谁能从最难看的非结构化信息里摸出判断」开始成为定价的主要依据。
第三年。 工具侧彻底趋同。模型能力的差距在 FDE 这件事上不再重要——因为 FDE 接到的输入端已经被现场卡住了，模型再聪明也接不到更多。这一年里，竞争维度完成换挡：「谁对哪个行业理解得更深」成为定价的唯一依据。深度由记录决定，不由脑子决定。一个 FDE 在三年里如果积累了四十家公司的一百六十段六段解剖，他的报价可以是一个没有积累的同行的三到五倍。
换挡的过程中会发生三种失败。
第一种失败发生在第一年：跟不上工具更新的 FDE 在第二年被淘汰。这部分人通常是从传统实施转过来的老兵，他们的存量判断很值钱，但他们的工具适应能力跟不上新环境。
第二种失败发生在第二年：跟不上现场侧迁移的 FDE 在第三年被边缘化。这部分人通常是从纯技术岗转过来的工程师，他们的技术能力很强，但他们蹲不住最难蹲的现场。第三年他们的报价会被一组更年轻、但更愿意下现场的人压过去。
第三种失败发生在第三年：积累不足的 FDE 被一组做了三年记录的对手反超。这部分人通常在前两年跑得很快、报价很高，但在第三年面对客户的深度拷问时交不出记录，被对手用一组真实解剖打败。
避免这三种失败的唯一路径是：在第一年就开始积累。第一年就开始把每一栋楼的六段解剖写下来，不管当时写得有多难看、多零碎、多不完整。写得难看没关系，三年后它们会变成这套行业里最值钱的东西。
本节失效条件：如果出现一种能让 FDE 在没有历史积累的前提下达到同等判断水平的技术或制度，本节关于「积累决定定价」的论断作废；只要行业理解仍然必须靠逐家现场积累，本节持续成立。
本卷法条
FDE 第五法 · 分工律
分工的唯一判据是输入能不能被送进接口。能送进去的部分交给模型，不能送进去的部分留在人身上；留在人身上的部分按环节切，侦察与撤离两端人主导，定义与回灌两段人与 AI 协同，交付是 AI 主导、人审核拍板。
推论一：技术能力的稀缺性正在以季度为单位下降，判断能力的稀缺性正在以年为单位上升。一个 FDE 的议价权，三年后取决于他积累的判断量，不取决于他掌握的工具数。
推论二：分工乱配的代价不对称。让交付阶段由人主导，代价是慢；让侦察阶段由 AI 主导，代价是错。前者损失工期，后者损失客户。
推论三：稀缺资源从执行迁移到了现场。从现场迁移到了判断。从判断迁移到了积累。每一个迁移都要求 FDE 把自己的护城河重新画一遍，旧的护城河在新的稀缺维度上不再成立。
推论四：未来的 FDE 编制，最小单位是一名人类加一个配对 Agent。人负责判断和承担后果，Agent 负责执行与记忆。壳可以换，魂必须留。
推论五：积累不必依附于一个组织。一个人从今天开始按统一格式记下他做的每一件事，三年后他在任何项目里、任何谈判桌上，都带着一份别人没法快速复制的东西。这份东西的载体是 Agent，但内容是这个人自己的判断轨迹。
推论六：上下文是 Agent 的操作系统。设计准则跟任何其他操作系统没有区别——正确、隔离、高效、可审计。这四条做不到，Agent 的能力再强也是空转。
推论七：Harness 工程的演进方向是把模型之外的所有工程化外壳持续精简，但精简出来的工程价值必须迁移到模型尚未覆盖的环节。这个循环跑得越久，工程化的护城河越深。
推论八：隐性知识的显化是 FDE 长期可收费的增值服务。它的工程边界是必须由员工协作完成，不可自动化。这个边界既是它的弱点，也是它的护城河。
失效条件：如果出现一种通用方法，能把任意一家的非结构化信息自动结构化到 FDE 现场手动能达到的判断水平，本卷关于「调查不能出环」「到场重新成为稀缺资源」「席位作为编制最小单位」三条核心论断同步作废，卷五整体需要重写。
只要行业理解仍然必须靠逐家现场积累，本卷就持续成立。
跨卷衔接与失效条件
本卷与前后卷的衔接关系，按卷次第序梳理。
与卷一第四章的衔接：卷一第四章给出执行成本塌方与瓶颈前移的判断，本卷第一章判据接住这条线——执行侧塌方到极致之后，分工的判据不再是「模型够不够强」，而是「输入能不能被送进去」。
与卷二第七章的衔接：卷二第七章给出超级个体与知识库型团队两条路径与「一个 FDE 的时间结构」，本卷第七章给出第三条路径，并把时间结构落到两种到场形态上（侦察阶段的第一种到场与交付阶段的第二种到场）。
与卷四侦察章的衔接：卷四第五章给出侦察阶段的七问清单、三张图、影子系统识别与从描述剥出执行，本卷第四、第五章把人机分工那一刀切到侦察阶段的具体动作上——人主导，AI 跑结构化整理。
与卷四交付章的衔接：卷四第七章给出交付阶段的代码生成、测试、评估集、上线检查，本卷第四章把人机分工那一刀切到交付阶段的具体动作上——AI 主导，人审核拍板。
与卷六硬件与现场的衔接：卷六给出硬件协议栈、数据采集、合规边界，本卷第十章对照卷六给出物理 AI 与远程操控的现状边界，作为本卷「调查不可出环」论断的失效条件检查。
与卷八组织篇的衔接：卷八第五章给出 TSC 的六个零件——席位、证据校准闭环、动态组队、日落条款、人机双议会、项目模板五要素——本卷第七章给出席位制在 FDE 编制上的工程化铺垫，卷八在那一节上做完整的组织设计。
本卷与白皮书第六章的关系：白皮书 m4 第六章已给出人机分工的简版（判据、出环、调查不可出环、两条路径与一个最小单位），本卷是该简版的完整展开——新增伪结构化拆解、上下文工程五标准落地、Harness 演进线、隐性知识显化服务、现场数据采集现状边界、三年竞争预测。