做了好几年传统开发的人，最近多半都有同一种恍惚感：

我们熟悉的那一套——需求文档先到位、评审、设计、开发、测试、上线——好像突然不灵了。

因为如今甲方嘴里说得最多的不再是"我要一个什么功能"，而是"你帮我看看AI能干点啥"。

需求不再是现成的，是要你自己去"挖"的。写代码的活没少，但前面多了一大段以前根本不用程序员干的活：见客户、聊业务、捋流程、抠痛点。

业内给这个新角色起了个名，叫 FDE。我更倾向于把它翻译成一句大白话：被推到客户面前的交付工程师。

干了两年，我把传统软件交付和 FDE 做 AI 应用的差别，掰开揉碎讲给你听。一共五条，都是踩过坑才明白的。

一、别问"你想让AI做什么"，这句问出口就输了

传统软件的起点很清晰：用户给你一份需求文档，白纸黑字写着系统要做什么，你照着做就行。

FDE 接 AI 项目的第一天，很多人会本能地问客户："你想让 AI 帮你做什么？"

这个问题，99% 的客户答不上来。不是他不想答，是他真不知道 AI 能干什么、不能干什么。

正确姿势是反过来——别问需求，问日常。

让客户把一天的工作从头到尾讲一遍：早上先干啥、中间卡在哪、哪一步最烦、哪一步最耗时间、哪一步全靠人肉重复……你带着业务经验去听，痛点自己会冒出来。

一边听，一边还要在心里划一条线：这件事，哪部分交给 AI，哪部分必须留给人。

一句话总结差别：

传统软件，是用户"输出"需求；

FDE，是从用户的工作流里，"提炼"出 AI 能切的那一刀。

二、拒绝大而全，先跑通一个"最小闭环"

传统项目有个惯性：既然做了，就一次做到位。模块越多、覆盖面越广，显得这系统越值钱。

AI 应用千万别这么干。

我见过太多上来就想"做一个覆盖全部门的智能助手"的项目，最后无一例外烂尾。原因很简单：AI 的场景越铺越宽，每个点都不深，哪个都跑不稳，客户用两次就放弃了。

FDE 的做法是反着来的——先找一个高频、重复、规则相对清楚的小场景，把它做到能稳定、能持续、能真的帮上忙。

比如先只做"自动整理会议纪要并提取待办"，一个点打穿，让客户先尝到甜头。跑通了、信得过了，再往外一圈圈扩。

差别在于：

传统追求"功能全不全"；

FDE 追求"这一小块，稳不稳、能不能一直用"。

三、需求不用等文档，先甩个 Demo 过去对齐

传统流程里，需求得先定稿、评审签字，才轮到做原型。文档是唯一的沟通载体，输入必须结构化——新手最容易卡在这一步，因为需求永远"写不清楚"。

AI 项目的好处是：原型做得太快了。

场景一锁定，几十分钟、几个小时，就能搓出一个能跑的 Demo 直接拿到客户面前。你甚至可以当场把他的会议纪要、聊天记录、乱七八糟的表格一股脑丢进去，让 Demo 现场跑给他看。

更妙的是，AI 自己会"追问"——输入不规范没关系，它可以引导客户把话说完整。这对不擅长写文档的客户、对刚入行的 FDE，都是巨大的解放。

差别在于：

传统靠一份文档把需求"锁死"；

FDE 靠一个能跑的 Demo，把双方的认知"对齐"。

嘴上说一百遍"我理解你的意思了"，都不如当场跑一遍给他看。

四、验收不认假数据，只认真业务

传统软件测试，可以自己编样例、写脚本用例，每一条执行路径开发都提前预设好了。验收时对着需求文档一条条勾：实现了，就是过。

AI 应用这套完全作废。

用伪造的样例测 AI，参考价值几乎为零。因为真实业务里的数据有多脏、提问有多野、情况有多碎，你坐在办公室里根本编不出来。所以评测必须用客户的真实 case，越多越杂越好。

还有个更颠覆的点：你不预设 AI 该怎么走。传统程序是"路径固定、结果可控"；AI 应用你控制不了它每一步怎么思考，你只能约束两样东西——结果对不对，底线守没守住。

验收标准，也别自己拍板，交给客户：他觉得这活儿 AI 干得比之前省心，才算成。

那项目什么时候算真正成功？

FDE 撤了，这套 AI 应用还在稳定地帮客户解决问题。你人走了，它还能自己转——这才是交付到位了。

五、兜底不靠硬代码，靠"模板＋护栏＋校验"

传统系统怎么保证安全？靠代码逻辑、权限控制、表单校验，一条条硬规则把程序框死。

AI 应用没法这么框，因为它的输入千奇百怪、路径不确定。FDE 用的是三层"软约束"来兜底：

• 提示词模板层：把杂乱的用户输入结构化、改写好，再喂给模型，顺便引导它按正确思路想，兼容各种乱提问；

• 场景护栏层：划死底线，凡是高危的写操作（删数据、发对外的消息、改关键配置），一律强制人工点确认，AI 不许自作主张；

• 工具调用层：给每个可调的工具加权限、加入参校验，防止模型"手一抖"调错、传错。

差别在于：

传统靠硬代码把逻辑钉死；

FDE 是"提示层 + 护栏 + 工具校验"三层软兜底。

说到底，FDE 不是不要规范，是换了套节奏

很多人以为搞 AI 交付就是"放飞自我、边做边改、没啥章法"。真不是。

FDE 抛弃的不是交付规范，而是"一步到位"的执念。

它换的是一套适配 AI 的节奏：先不追求完美，先把一个可靠、可控、真能解决问题的能力落地，让客户用起来、信起来，再慢慢往外长场景。

古人打仗讲"先为不可胜，以待敌之可胜"。做 AI 应用也是这个理——先让自己立于不败（稳、可控、不出事），再等机会把盘子做大。

对咱们这些"古法程序员"来说，岗位确实被 AI 重塑了。往好处想，它把我们从"对着文档写代码的螺丝钉"，往前推到了"懂业务、见客户、定义问题"的位置。

活更难了，但也更值钱了。这波"接客"，接得不亏。

你呢？ 你所在的团队，AI 项目是怎么起的头？是客户带着需求来，还是你们上门去"挖"需求？有没有踩过"大而全烂尾"的坑？评论区聊聊，看看大家都是怎么从"古法"平滑过渡到 AI 交付的。