我们把 FDE 式工作放进 SIer/UX 的日常训练：从客户访谈、工作坊、价值定义、NSM 设定，到用产物截图、流程图和已有资料提示 AI。前端 Demo 不是终点，而是让客户、模型和交付团队围绕同一个可见产物对齐。
本页以 FDE FAN 的第一视角讲解知识：先讲概念，再讲方法、图表、训练任务。底部保留参考来源，方便继续阅读。
| 知识层级 | 我们要掌握什么 | 训练产物 |
|---|---|---|
| 核心论点 | FDE 式交付可以从 SIer/UX 工作坊中获得方法：先发现价值，再制作产物，再用产物提示 AI。 | 把工作坊纳入课程。 |
| 价值发现 | 客户不一定能直接说清需求，需要通过访谈、旅程、截图、现有流程和指标逐步逼近。 | 训练提问与观察。 |
| NSM 思维 | 用一个核心指标统一业务目标、体验设计和 AI 方案。 | 让项目有可观察成功标准。 |
| 产物驱动提示 | 截图、流程图、表格、旧系统页面等，比抽象文字更能提供高质量上下文。 | 训练多模态上下文整理。 |
工作坊要产出可给 AI 使用的材料：截图、流程、字段、角色、边界和验收口径。
NSM 能帮助 FDE 把“想要 AI”翻译成一个可观察的业务变化。
截图和已有产物是高价值上下文，比抽象描述更容易让模型生成可验收方案。
| 层级 | 含义 | FDE 产物 |
|---|---|---|
| 发现 | 用户、场景、阻塞、价值假设 | 访谈表 / 旅程图 |
| 定义 | NSM、边界、字段、验收标准 | 需求卡 / Prompt 模板 |
| 交付 | Demo、Agent 流程、测试和复盘 | 部署链接 / README / 演示脚本 |
我们要把 FDE 的工程交付和 UX/SIer 的发现过程连接起来。很多企业 AI 项目失败不是因为模型不够强，而是因为前期没有把用户、流程、指标、限制和真实产物整理清楚。工作坊不是软性环节，而是让后续 Prompt、Demo 和 Agent 能准确落地的前置工程。
客户常说想要自动化、想要增长、想要客服更聪明，但这些表达太宽。NSM 的作用是把宽泛愿望收敛成一个关键变化：响应时间、转化率、人工处理量、线索质量、内容产出速度、复购率或错误率。FDE 不一定负责最终商业结果，但必须帮助客户定义可观察的试点指标。
我们把截图、旧系统页面、表格、流程图、客服记录、邮件模板和报告样例纳入 Prompt 训练。真实企业里，最有价值的上下文往往不是一句需求，而是已有产物。学员要学会把这些产物转成模型可读、可引用、可验证的上下文。
在项目题库里，每个项目都可以要求提交一页工作坊产物：用户是谁、当前流程是什么、关键截图是什么、NSM 是什么、不能做什么、最小 Demo 证明什么。这样学生不会直接跳进代码，而是先建立业务和体验的共同语言。
本课训练目标
我们把“客户材料整理”作为核心训练项：会问、会看、会截图、会把现场信息变成模型可用上下文。
为一个企业 AI 项目做一页工作坊画布：用户、流程、截图、NSM、边界、验收。
用一张旧系统截图写一个 Prompt，让模型生成页面结构和字段说明。
把一次访谈记录整理成 Agent 可用的上下文包。
note.com / kamechi_ai_ux. AI / UX practice note on SIer workshops and FDE-style delivery. https://note.com/kamechi_ai_ux/n/n03e655f6d383?hl=en. Accessed 2026-06-28.