市面上 90% 的 AI 落地卡在同一个位置：资料进去了，判断留下了，活儿还在人手上。买课、建库、写提示词，最后都停在了「我知道该怎么干」，没有停在「它已经在干」。
诊断 · 场景
你收藏了四十个 G，还是写不出一篇稿。你画了一张漂亮的归因表，活儿最后还是人从头干一遍。 问题从来不在仓库，在产线。 我不再给你第四种知识库做法——我给你一条能出货的产线：把判断固化成 Skill，把 Skill 编排成工作流，把工作流托管成有名字、有日志、有人审的 Agent。
下面是这一页的全部判断。四个格子，读完就够决定要不要往下看。
市面上 90% 的 AI 落地卡在同一个位置：资料进去了，判断留下了，活儿还在人手上。买课、建库、写提示词，最后都停在了「我知道该怎么干」，没有停在「它已经在干」。
知识库解决的是找得到，归因表解决的是想得全。但企业付钱买的既不是「找得到」也不是「想得全」，是同一件事第二次做能快一半、并且不依赖某个人在不在。
把一次判断拆成四层落地：场景定锚 → 归因建模 → 资产固化 → 编排托管。前两层是「想清楚」，后两层才是「跑起来」。多数服务只做到第二层就交付了。
我交付的不是方案 PPT，是能在你机器上打开、有版本号、有失败样本、能被同事接手的工作流。本站 90 多个公开实验，就是这个交付标准的公开样本。
知识库不是资产。能被复现的判断才是。
— 楠哥，2026
而判断如果不写进代码，它就永远只是你的私房手艺。
如果你读过那篇《别搞 AI 个人/企业知识库了》——我同意它的全部诊断：按主题分类会无止境地长大，按场景分类才是使用入口，归因表撑宽度，场景迭代养深度。 这一节我不重复它，我只补上它没走完的三步。因为这三步，恰好是企业真正付钱的那一段。
场景分类解决的是「打开就知道要干什么」，但它只优化了入口。真到写那篇文章、谈那个客户，你还是得从头想一遍：这次的重点是什么、上次踩了什么坑、哪句话不能这么说。
入口变顺了，工序一点没少。
归因表最值钱的部分是「关键因素不超过 5 个」和「红线不能碰」。但只要它还躺在 Excel 或思维导图里，它就是第二份笔记——看的时候很清醒，做的时候照旧凭手感。
没被编码的判断，等于没有判断。
「在同一件事上迭代上百个版本」是这套方法最迷人的地方。但如果版本之间没有记录、没有失败样本、没有回归测试，那所谓的深度，很难和「我今天心情不一样」区分开。
没有证据的迭代，会退化成自我感觉。
一句话说清区别：上面那套方法让你成为「更聪明的自己」；我做的事，是让「更聪明的你」变成一个别人也能启动的程序。
FDE（Forward Deployed Engineer，前驻工程师）在 Palantir 那套打法里，核心不是写代码，是「带着工程能力住进业务现场」。 我把这套打法压成四层——每层都有交付物、有时长、有验收标准，做不完不许往下一层走。
同一套方法，三种介入深度。都从诊断开始，都不以「讲完课」为结束。
关于价格：以上为起步区间，最终报价按诊断结论与范围确认。我不做「打包价卖课」——范围不清就开工，是做 AI 落地最常见的失败原因。 三档都以诊断开场，诊断不通过我会直接说不做，不占你预算。
下表是 FDE 驻场档的完整交付清单，其他两档按比例裁剪。全部可验、可带走、可交接——服务结束那天，你不会失去任何东西。
| # | 交付物 | 具体形态 | 归属层 | 验收方式 |
|---|---|---|---|---|
| 01 | 落地诊断纪要 | 一页纸：现状卡点、三个候选场景、做与不做的判断依据 | L0 | 双方签字确认 |
| 02 | 场景地图 | ≤12 个场景，含频次、交付物、失败代价、可自动化程度评分 | L1 | 业务方评审通过 |
| 03 | 优先级矩阵 | 价值 × 频次 × 可行性三维打分，前 3 名标红 | L1 | 能说出为什么砍掉其余 |
| 04 | 场景归因表 | 关键因素 ≤5 并排序；全量因素 ≥15；红线单列；每项挂证据 | L2 | 业务方改满 3 轮 |
| 05 | 证据库 | 真实案例、真实反馈、真实数据，一条一档，可追溯来源 | L2 | 抽 3 条能追到源头 |
| 06 | 红线校验清单 | 不可触碰项 + 触发条件 + 拦截动作，写进工作流而非文档 | L2 | 故意触发能被拦住 |
| 07 | Skill 包 | 输入模板、输出格式、工序清单、3 条失败样本、版本号、变更理由 | L3 | 换个人能跑通 |
| 08 | 提示词库 | 系统提示 / 任务提示 / 校验提示三层，带版本与实测记录 | L3 | 同输入结果稳定 |
| 09 | 工作流编排 | 触发条件、分支逻辑、人工审核点、失败重试策略 | L4 | 连跑 5 次不出人工事故 |
| 10 | Agent 上线 | 有名字、有入口、有权限边界、有使用说明 | L4 | 业务方天天在用 |
| 11 | 运行监控面板 | 调用次数、失败率、人工介入率、耗时分布 | L4 | 数据真实可查 |
| 12 | 失败样本库 | 每次翻车的原因归类，作为下次迭代的输入 | L4 | 至少 10 条 |
| 13 | 12 个月路线图 | 按季度拆里程碑、预算、负责人、验收指标 | 战略 | 可执行到人 |
| 14 | 数据与合规清单 | 数据流向、留存策略、权限矩阵、外部模型使用告知 | 风控 | 法务/IT 过一遍 |
| 15 | 内训课件 | 一场「讲判断」，一场「讲动手」，都配练习 | 赋能 | 学员能独立完成一次 |
| 16 | 内部 AI Owner 培养 | 2 人，能独立改 Skill、加场景、看监控 | 赋能 | 独立改过一次并上线 |
| 17 | 交接文档 | 目录结构、依赖、常见故障排查、找谁 | 交接 | 我离场一周不出事 |
| 18 | 季度复盘报告 | 目标 vs 实际、失败归因、下季度调整建议 | 经营 | 数字对得上账 |
一条硬规则：任何交付物只要「只有我能看懂」，就不算交付。所以我每一份文件都要求你的人能在我不在场时打开、运行、修改。
不比谁更努力，只比七个能被检验的维度。● 完全满足 ◐ 部分满足 ○ 基本不满足
| 维度 | 自己摸索 | 通用 AI 课程 | 只做知识库 / 第二大脑 | 楠哥 FDE 服务 |
|---|---|---|---|---|
| 起点 | 从工具开始 | 从概念开始 | 从收藏开始 | 从你的真实产出开始 |
| 核心产出 | 零散经验 | 笔记与作业 | 一个更大的库 | Skill + 工作流 + Agent |
| 能否验收 | ○ | ○ | ○ | ● 有指标与对账 |
| 可交接性 | ○ 只在你脑子里 | ○ | ◐ 库能传，判断传不了 | ● 换人能跑 |
| 迭代证据 | ○ | ○ | ◐ 有版本，无回归 | ● 版本 + 失败样本 + 回归 |
| 多久见效 | 6–18 个月 | 学完仍不会用 | 越建越沉 | 2 周内出现第一条产线 |
| 失败成本 | 时间，且无声 | 学费 | 沉没的整理成本 | 按里程碑付款，随时可停 |
不谈「赋能」，只谈具体工序。下面三个场景都附了归因表的关键因素与验收指标定义——你可以拿它对照自己的业务，看像不像。
选题靠灵感，大纲靠状态，成稿靠熬夜。同一类文章写过十篇，第十一篇还是从零开始。团队里只有一个人能写出那个味道。
归因关键 5 因素：读者身份是否唯一、有没有一个具体的反常识结论、开头第一句是否主谓宾落地、论据是否有第一手证据、结尾是否给出可执行动作。
首稿可用率（无需重写结构）≥ 70%；单篇总耗时下降 50% 以上；风格回归通过率 100%；连续 4 周有人天天用。
见客户前 20 分钟才开始查资料，查到的都是官网介绍。会后纪要靠回忆写，跟进话术每人一套。丢单原因永远写「价格」。
归因关键 5 因素：决策链里谁有否决权、预算从哪来、现在的替代方案是什么、这次不做的代价、我方唯一不可替代点。
情报包准备时间 ≤ 10 分钟；5 因素完整率 ≥ 90%；会后 2 小时内发出跟进的比例 ≥ 80%；丢单归因可归类率 100%。
同一个月度数字，三个部门三个口径。周报靠催，催来的是三段不同格式的文字。制度问题天天被问，答案散在十几个文件里。
归因关键 5 因素：口径定义是否唯一、数据源是否单一、时间粒度是否统一、异常值如何处理、谁有权修改历史数据。
口径冲突数 = 0；周报汇总耗时 ≤ 20 分钟（原 3 小时）；制度问题一次答对率 ≥ 85%；异常巡检每日执行率 100%。
为什么只列三个：因为这三个是我反复做过、有失败样本、敢承诺指标的。没做熟的场景我会直说没做熟——这比给一个漂亮但空的方法论有用。
以 FDE 驻场档为例。个人陪跑是它的压缩版（去掉多部门与合规环节），团队共建是它的单部门切片。
关键节点：第 2 周末看场景地图是否达成共识（不共识就停）；第 6 周末看第一条产线是否真在跑（不跑就砍范围，不加预算）；第 12 周看我离场一周是否出事（出事就延期，不额外收费）。
服务行业最容易扯皮的是「做完了吗」。所以我把标准前置——签字前你就知道我会拿哪几个数对账。
按里程碑分 3 期：签约 40%、首条产线上线 40%、验收通过 20%。任一里程碑未达标，可无条件终止并只结算已完成部分。不设「一次性全款优惠」——那是把风险全推给你。
为你定制的 Skill、提示词、工作流、文档，知识产权归你，可自由修改与内部推广。我方保留方法论与通用组件的复用权。不绑定任何只在我这能用的私有平台。
这一节是最不讨喜、但最能省你钱的一节。AI 服务里 80% 的失望，来自卖的人不敢说下面这些话。
两边都写清楚，省双方时间。
按被问到的频率排序，答案不打太极。
不冲突，是接在它后面的。那套方法解决「怎么想清楚」，我解决「想清楚之后怎么让机器接着干」。
具体说：它的产物是一张更好的表，我的产物是一个能跑的 Skill 加一条工作流。表放在你脑子里，产线放在服务器上。你可以先用那套方法做 L1、L2，再找我做 L3、L4——我甚至鼓励你这么做，因为前两层你自己做，成本最低。
如果你能稳定产出、能给别人接手、改坏了能回退，那你确实不用找我。多数人卡住的不是「不会问」，是三件事：不知道自己该先做哪个场景、判断没被结构化所以每次结果都不一样、做完的东西只有自己会用。
我卖的其实是这三件事的判断力和工程化，不是提示词。
三层：一，能在你内网跑的绝不外发，本地模型优先评估；二，必须用外部模型时，先做数据分级，敏感字段脱敏或替换；三，全程留一份数据流向清单，你的 IT 和法务可以逐条审。
我不能承诺「绝对安全」——那是骗人。我能承诺「每一条数据去哪了，你都能查到」。
所以有交接硬门槛：你的人必须在我离场前独立改一次并上线，做不到就免费延期。另外每个 Skill 都有版本号和失败样本库，改坏了能回退到上一版。
交付后 30 天内报错免费修；30 天后可以按次，也可以签轻量维护。
不能。没见过你的真实工序就出方案，出来的东西一定正确且无用——这恰好是这个行业最泛滥的产品。
替代方案：先做 1–2 天的诊断（低偿或免费，视情况），诊断纪要你可以拿走，找别人做也行。我认为这比一份漂亮 PPT 对你有用。
第一条产线上线通常在 4–6 周，这是能拿去汇报的东西：它每天被用、有调用量、有耗时对比。全公司层面的转型，一个季度不够，谁说够谁在骗你。
如果只有一个季度，我建议砍到一条产线 + 一个 Owner，别铺开。
扛不住我就不接。驻场档同时最多两个客户，团队档最多三个。超出我会排期或者推荐同行——推荐同行我不抽成，也不怕你对比。
三步：一次 15 分钟通话（判断该不该聊）→ 一次 1–2 天诊断（判断该做什么）→ 一份范围与报价（判断值不值）。任何一步你觉得不对，随时停，不收后面的钱。
"我不太会讲 AI 有多厉害。我更擅长坐在你旁边，看你怎么干活，然后把其中最烦的那一段，做成一个不用你操心的东西。"
江天，叫我楠哥。17 年跨界：写过内容、做过产品、写过代码、扛过商业化。最近几年把全部时间压在 AI 落地上，15,000 小时以上的实操——是每天真在跑工作流的那种小时，不是看课的小时。
我做过 20 多套已经在跑的工作流，覆盖内容生产、销售情报、知识管理、自动化发布、数据巡检。本站 /lab/ 里 90 多个公开实验，是我把方法当众拆开给你看的地方——你能点开、能用、能挑毛病。
我不太相信「AI 会取代谁」。我见到的是：会用产线的人，把不会用的人的时间买走了。我做的事，就是帮你成为前者，或者让你的团队成为前者。
如果你只想找个人夸你的 AI 战略，我不合适。
如果你想在四周后有一个东西每天真的在跑，往下看。
不签长约、不预付全款、不接受「先出方案」。下面这三步的顺序，是我认为对客户最省钱的一种。
说清你现在最烦的那件事。我判断三件事：值不值得做、该先做哪一段、你是不是其实不用花钱。
看你的真实工序，出 3 个候选场景和排序。诊断纪要是你的，找别人做也行。
按里程碑付款，40 / 40 / 20。范围不清不开工，这是我对你唯一的强硬要求。
本页不设表单。也可以直接在我任一篇文章下留言，看到的都会回（通常 24 小时内）。