网硕互联帮助中心10月18日下午，济南，绿地·齐鲁之门京沪会客厅三楼。WorkBuddy开发者沙龙济南站顺利举行。
我是腾讯云开发者星盟济南城市合伙人、这场活动的出品人，也是主持人。四场专家分享、两场开放麦，六个人的话筒都是我递的。作为一个久居幕后的开发者，这对我来说是个不小的挑战。
定议程的时候，我把欲三更老师排在第一位。四场专家分享，他的题目最不讨巧（赵振华老师的题目更抓人眼球，下一篇详述）。别人讲方法、讲开发、讲平台，他讲的是迷思，有深度，也会让人觉得更枯燥。
我当时的想法很简单，欲三更老师头一天大概率是会加班到很晚，第一场讲完可以去休息。另外企业AI落地最难听最扎心的话应该放在最前面。后面几场才好接。
01
稿子上写了大段介绍，可现场我只说了两句
主持词里，我给他写了三段介绍：
FDE专家、企业软件架构师，全网四十万粉丝的技术博主。也是济南的著名大型企业技术高管。平时写代码、写文章、也写企业级落地方案。
但现场开场时其实我只说了两句。下一位是欲三更老师，他的题目很有意思，叫《成为WorkBuddy的Buddy》。然后请他上台。
还真不是忘了介绍，他一直跟我说，不太愿意去展示自己的过往。这话我一直记着，另外我也想让他亲自上去讲讲企业AI落地的技术干货，抛开那些虚名让大家看看他的真实水平。斟酌了一下，默默的把手卡翻到了后边。
他上台做了一个挺有意思的自我介绍。三段内容被他讲成了三个笑话。
第一段做用户体验，他说“我可能是第一个给人脸识别加美颜的人”。第二段做企业数字化转型，给一个千亿规模的二手车业务做过数字化，“但发挥得不是特别好，以至于老东家一怒之下收购了汽车之家”。第三段是这几年，“一直在做智能场景的落地，但坦白讲，越做越有点不敢讲了”。
台下笑了，我也笑。上台前他在后台跟我说，这份PPT是前一天凌晨四点重新做的，之前的几个版本都不理想，当天上午九点才定稿。前一稿其实已经做完，被他整体推翻了。
笑完就知道，这句并不是谦虚。
原来的题目叫《成为WorkBuddy的Buddy——企业智能场景落地方法的探讨》。他说「探讨」这个词克制，也有点装，感觉自己挺厉害，可以去跟人探讨一下，其实不然。
这几个月、尤其是最近一两个月的项目做完，他把“探讨”改成了“迷思”。
他说“越来越觉得成为WorkBuddy的Buddy不太容易，所以某种程度上，自信心没那么强了”。
再往下想了一层，他给自己找了个新位置：或许可以成为WorkBuddy的僚机。
伙伴是并肩往前冲的，僚机是跟在后面、掩护、补位的。我在台侧听着，这句往后退的话，比前面三个笑话重要得多，直接道出了企业AI落地最艰难的处境。
02
他先展示了一遍标准答案，然后自己拆开了
做企业架构十几年，这套方法论他闭着眼睛都能画。
先摸清客户的业务，拿到系统里的数据和线下的信息，建分析框架，评估业务效率，从效率洼地里找智能场景。再按“智能化成熟度”和“业务价值”两个维度排优先级，挑一个切入点。
然后借当下的AI能力和AI coding把场景搭成系统，放进客户的业务里跑。跑起来就进入陪跑，跟踪效果、收反馈、持续迭代，回到第一步，闭环。
架构也是的那一套标准。底下是模型层，中间是知识层，结构化数据和非结构化知识分开存储，再往上是权限管理，再之上是智能体的构建和运营，最上面长出各种场景，推动全面智能化。
他甚至举了个明星案例，设备预测性维护。把物联网、大数据、传统机器学习和大模型揉在一起，业务价值还特别明确，直接关系到制造企业的生产效率和业务连续性，很多厂商做过，很多客户也买过。
讲到这里，他补了一句，待会儿几位嘉宾，大概都会在这个坐标上展开讲，因为大家的方法论是差不多的，其实也侧面反应企业AI的落地标准其实已经很明确了。那我们的卡点究竟在哪呢？
他话锋一转“这听起来挺顺的是吧？从流程到架构到案例，大概就是这个样子。我本人类似的项目做了几个，但坦白讲，做得挺累，越做越累。这就是我产生迷思的原因”。
他没有说这套方法论错了，只说它描述的是顺利的那条路。项目真正耗人的地方，都在它覆盖不到的位置。
所以后面的话他不打算用“价值层、集成连接层、平台治理层”那套老词讲，“今天都是开发者，咱们说得直接一点”。我在台侧等的就是这一句，三更老师要开始放干货了。
03
第一关，AI连不上业务系统
这一关里其实有两个问题。
第一个是智能体怎么调度业务系统。企业里的IT系统很多已经跑了十几年，连对外接口都没有。有的厂商不愿意开放，愿意开放的还要收一笔不低的费用。收了费给的接口也未必适合AI用，缺字段语义，业务动作的颗粒度不合理，报错不可读，幂等性没法保证。数据安全和业务安全能不能保证，也都是问号。
他的判断很直接，这一关过不了，AI就只能聊天，进不了业务。
第二个问题更是少有人提。AI界面和业务系统的界面怎么互操作。他给了两种范式，一种以AI为主，聊天窗里需要看单据、改数据、办业务的时候，侧边弹出业务界面；一种以业务系统为主，系统还是原来的系统，侧边挂一个能对话的智能体。
两种范式要解决的是同一件问题。AI得能读到界面上的单据和状态，得能把字段写进去，还得走完后台校验、审核那一整套逻辑。落到具体场景上，就是自动填单和单据审核，这两个是最典型、也最容易被低估的活。
这两件事我熟。前阵子我做过一家跨境物流公司的单据，业务卡住的地方一模一样。报关单、入库单、物流单分布在两三个系统里，同一份信息要录两三遍，每个系统对格式的要求还不一样。直接对接海关总署的部分更是状况频发。
那家企业后来跑通了，靠的就是在中间加一层MCP和API的对接，识别出来的字段直接写回去，中间不留人手，“人”才是整个系统里最大的变量。没有连接的这一层，模型再聪明也只能站在门口。他说的时候，我心里马上想到了这个项目。
04
第二关，AI连不上业务数据
这里他说了一句全场最重的话。智能化至少有一半，是在为客户的数字化转型补课。
水面上看，客户要的不过是“能不能用自然语言问数”。水面之下，至少一半以上是历史欠账。
第一笔账是数据中台太贵。他们测算过，满足同样的业务需求，BI软件的价格大约只有数据中台的五分之一。结果就是很多客户根本没有一个正经的数据中台产品。“对他们来说，数据中台是上一个时代的奢侈品”。
第二笔是指标化管理。要能提取出对管理真正有价值的指标，还要对齐不同部门、不同子公司之间的口径，处理滑动窗的时间对齐、月报季报那些琐碎事。这些事有的企业压根没有，有的原始到还要靠线下Excel算；有的企业做了，但长在业务系统的代码里，没有资产化，AI一样消费不了。
旧账还没还完，新账又来了。就算数据补齐，AI还是消费不了，因为还缺两样东西。一是语义化，得让AI看懂这个数据的业务含义、解释和关联。二是数据权限，AI场景下的权限管控往往比原业务系统更严，而原来的系统权限如果本身就与业务耦合，突然要开一个分析视角，也很难设出一套合理的权限。
把这些账全还完、题全解掉，能换来什么？他的答案很克制也很实在，其实也只是在一个甲乙双方都认为是第一批软柿子的场景上，也就是问数这类场景上，体现出一点业务价值。
看起来不难，做好却很难，因为底下全是账。
05
第三关，AI连不上组织
系统通了、数据接了，FDE的工作就进了深水区。
智能体进来了，Skill进来了，知识库也进来了，它们归谁管、分给谁用？企业内部本来有一套成熟的权限和组织分配体系，人和数据资产都在里面。互联网背景的人容易觉得，AI资产在企业内应该维持一个开放生态。传统的大型企业却不这么想，它希望AI资产跟传统资产一样被管起来，包括权限，包括组织归属。而且现在很多中小企业也开始这么想，毕竟大模型吞噬经验的速度实在太快了，中小企业的生存壁垒正在被一点点蚕食，老师傅的那点经验献祭给大模型的时候，很难讲是帮助了企业，还是让企业走上了另一条歧路。
流程智能化是同一件事的另一面。智能审批里，AI到底扮演什么角色，自动审批还是辅助审批？审批依据是什么？错了谁负责？怎么留痕？
他用一句话把这一关的分量说清了。连不上业务，AI没法用。连不上组织，AI能用，但管不了。
他放了一张自己真实做过的权限装配图，密密麻麻，把SQL这类AI资产按传统组织权限的方式管可见性。麻烦的地方在于，智能体和用户身上都能挂权限，有的智能体可以碰业务系统，有的不能，一个会话里一旦挂上了“不能碰业务系统”的限制，后面还能不能碰。这些琐碎问题一层套一层。
放完图他说了句实话，这个场景几乎让我破防了。紧接着又补一句，到什么庙唱什么经，可最终还是做了。
欲三更老师也总结了影子模式、预审模式、自动审批模式三种打法，然后把重点挪开了。这些模式不重要。真正重要的是审批依据，依据强才敢上高级模式，依据弱只能停在低级别。
依据在这些障碍里最难解决。很多企业的流程里根本没有单据数据，表单直接贴在页面上让人用肉眼看，智能体拿不到。即便拿到了，还得数据自带解释，AI才看得懂，这其实就是我们最近常接触到的本体。
审核规则有的是软规则，有的是硬规则。硬规则往往锁在业务系统的规则引擎里，智能体怎么去调用。走纯AI路线的话，一个审批依据可能藏在数据库里跳了几张表的某个字段上，人写代码就是一个联合查询，智能体却要把这一路上的表全部语义化。再加上审批天然是多模态的，发票、票据、照片、录音都得看。
讲到这里欲三更老师停顿了一下，说这个我念得有点累了。台下笑了，他也笑，说落地的问题有时候就是这样。
06
第四关，AI连不上AI
这一条他说感触最深。
站在2026年秋天这个时间点，尤其是规模稍大的客户，已经几乎不存在未开垦的荒原了。进一家企业，对方内部没有任何AI建设这种事基本不可能。
所以FDE工程师面对的问题就变成了怎么跟既有的AI资产共处。三种局面。对方已经有智能体平台在跑，你和它是争平台、争入口的关系；对方的业务系统自带AI能力，你要做智能化转型，某种程度上就是要把它的产品解构掉，这里有争主导的问题；对方自己建了算力、知识库、模型调度平台，那就是怎么配合、怎么争利用。
这一关不是技术问题，是生态位问题，包括入口主导权，也包括既有资源怎么用。四关走完，他留给在场开发者的判断已经变得很清晰。企业AI的卡点不在模型，即使换更大的参数、换更花哨的提示词，过不了这四关。
07
三件能一直沉淀的事
前边的演讲是陈述事实，也像是再抱怨。把那四关讲完，欲三更老师给了三件我们必须把握的事，并说明了挑这三件的理由：一是能解决问题，二是可以一直沉淀。
“有了沉淀，你才能期待未来的交付效率和对客户业务价值的呈现越来越好。否则就只是做项目，不管有没有AI，最终达到的高度都不会特别高。”
下面是FDE工程师必须要做的三件事：
做连接器。系统集成确实是苦活，但苦不能白吃。这些苦活要沉淀出四件事：各类系统的API，尤其同行业的各类系统，都要能连得上；把接口编排成适合AI用的形态；在中间层管住权限和幂等；CLI、MCP、A2A这些新协议零成本提供出去。这样对接成本和二开成本都能降下来。
做超轻量的数据底座。数据中台是上一个时代的奢侈品，怎么让它不奢侈？就是把数据治理和数据平台做轻、做小，边展现业务价值边做治理。总不能先花六个亿治理完，才回来谈价值。前期架构体大，落地难点相对的更多，就很容易让大家失去信心，连接建模、语义化、检索权限都在这一层解决。
把数字员工和AI资产管理好。数字员工是个很典型的AI资产，一边是AI，一边又受传统组织管理。他总结了三个维度。身体，就是能调动的系统、数据和设备，像四肢一样，可以按组织权限管。岗位编制，是事前的目标、事中的督导、事后的考核，一个完整的闭环，操作权限按员工账号走。工位，是在流程的某个环节按业务规则被激活，出现在人的作业流程里。
这三件事有共同的顺序。先把“通”做掉，再谈“智”；先让价值露头，再谈治理；先给数字员工一个编制和工位，再谈它能干多少活。如果顺序反了，项目就变成一场没有终点的治理工程，交付变成一个伪命题。
08
结论很短
他的第一条原则只有八个字。没有银弹，只能久久为功。
有人会问，为什么不讲讲智能体的优化、智能体的观测。他的回答是，那些问题其实有体系化的打法，可以按部就班地解决，接下来的专家讲师也会详细的介绍那些问题。而他挑出来的这四关，至少在近期很难出现一蹴而就的打法，只能因地制宜，久久为功。也是FDE前沿部署工程师们必须直面的问题。
这也是他把“方法探讨”改成“迷思”的原因。方法论描述的是顺利的那条路，迷思记录的是不顺利更值得探讨的地方。
然后他说了整场最像结论的一句话，并且老实交代这是在别处抄来改了改。
「AI的本质不是单个AI固有的抽象物，其在现实性上是一切社会关系的总和。」
更短的表述是context is yourself。他还特意辨析了一句，不是context as you need，是context is yourself。AI所有的关系加起来，才是这个AI本身。
这句话能解释前边那四关。决定AI能不能干活的上下文不在模型里，在企业里。系统之间通不通，字段有没有语义，权限归谁，审批错了谁签字，客户已有的平台怎么共存。
这些东西没法靠一次采购获得，也没法靠一次交付获得，只能一家一家接出来。所以他的落点不是能力清单，是顺序。先做连接器，再做超轻量数据底座，最后把数字员工和AI资产管起来。
最后一句他切回了英文，也切回了工程师的语境。工程师会用不同的方式去指导AI，问题在于怎么把这个AI沉淀到现实。
The point is grounding.
09
接回话筒的时候，我还是把前边那段省去的介绍补上了
14点50分，欲三更老师一直这么准时，他讲完，我上去接回话筒，第一件事是把前边那段省区的介绍补上。
“其实我刚才没有过多地介绍三更老师，因为他一直告诉我，不太愿意去展示自己的过往和那些虚名。”
然后我补充了一句，欲三更老师是济南一家大型集团企业的高级技术专家，也是管理者、FDE专家、企业软件架构师。全网四十多万粉丝。说到这儿我停顿了一下，很多人把粉丝多的人称之为网红，但我想称他为网红其实不太合适，他是一位非常有知识底蕴的技术专家。
台下有人笑。其实这句稿子上没有，是我当场改的，我想这应该更符合欲三更老师一直坚持的调性。这样的介绍，也更加让人觉得实至名归。
紧接着我说了一句更实在的。刚才群里有些朋友在反馈，说很多点听不懂。但其实这话我一点不觉得意外。在过去的30分钟里，接口、语义、权限装配、指标口径、审批依据、生态位，塞了六七个层面。台下坐着开发者、学生、产品、财务、公务员，知识密度确实高。
但我也不想让这场分享就这么落在一个“听不懂”，以及这位专家确实“懂得很多很厉害”上。所以当场把重点又复述了一遍。
“我们一定要先找一个小的点，而不是说要投入10亿、20亿，去把这个企业一次性打造成一个全流程介入AI的企业。我觉得这个是不现实的，一定要一个点一个点地去做，找到我们企业自己适配的方法论，这个才是落地的关键。”
这段话是我作为一名FDE工程师的真心话，也是作为活动出品人稍有的能够输出技术观点的时候，在过去的企业服务中，我见过太多企业一上手就想做全流程，在大量的难点面前在逐渐失去耐心，最后连一个场景都没跑起来。
场景很多，需求很多，而FDE工程师要做的事也并不高深。
活动回顾：WorkBuddy开发者沙龙济南站10月活动圆满落幕
身处AI智能化转型一线，关注我，获取更多实战内容。
评论前必须登录！
注册