2000 人抢着上的课，教的不是用 AI，是替你公司把 AI 用起来

作者小虎，浙大计算机本硕，AI 讲师，企业 AI 提效顾问。

大家好，我是小虎。

导语

2026 年 9 月 17 日，武汉光谷的 FDE 加智能体培训工程开讲第一课，2000 多人报名，会场坐满、走廊也站满。这件事背后真正值得技术人关注的，不是某个岗位的薪资，而是企业开始把「让 AI 在公司里跑起来」当成一个需要专人负责的岗位来设计。

读完本文你能拿到一套可直接照做的落地方法，包括下面这些。

怎么判断公司里谁该去学、学完负责什么
四步把第一个 AI 落地角色在两周内跑起来
Octop 1.0 自托管部署的最小命令集
怎么用连续三天自动产出作为验收标准

背景：光谷 2000 人班与三层分工

9 月 17 日，湖北第一个成体系的 FDE 加智能体培训工程在武汉光谷开讲第一课。从 8 月底开始报名，到开班前，报名人数破了 2000，会场坐满了不算，走廊上也站满。

这个班把报名的人按三个层级分开。

初级课零编程门槛，面向全体企业员工，学的是怎么用 AI 把自己的活干快一点。

中级课面向业务和技术骨干，最大的不一样是直接把你公司真实的业务场景搬进课堂，学的时候就在解决你公司的事。

高级课是给企业高管的，目标写得很直白，培养企业自己的 CAIO，首席人工智能官。

考试方式也变了，不搞纸面考试，以企业真实项目的交付成果作为认证的核心标准，你交出来一个能跑的东西，才算过。

光谷那边的目标是，三年培养超过 1000 名交付工程师，带动 10000 家企业升级。

AI 培训分了三层，这件事的意义比 2000 人报名大得多。

我承认，很多报道把这件事说成 FDE 岗位火了，我觉得这话说反了。FDE 不是一个新职业，是一个新位置。它不是让你多招一个人，是让你在现有的人里，指定一个。

举一个具体的例子，一家三十人的贸易公司，多招一个年薪四十万的技术专家，老板半夜要睡不着。但让那个原本就在管数据、最会用表格的运营小姑娘，多担一个「AI 归她管」的头衔，再送她去学三个月，这事就落地了。

缺的从来不是工具，是公司里那个「名字后面跟着 AI 归他管」的人。

三层价值对照表

为什么培训非得分成三层，一层到底不行吗。因为这三层课学的根本不是一个东西。

层级	面向对象	核心价值	省的是什么
初级课	全体企业员工	用 AI 把个人重复活干快	省自己的时间
中级课	业务和技术骨干	拆开最慢的流程，看哪段能被 AI 接走	省流程的时间
高级课	企业高管	回答今年该往哪投人投钱投时间	省公司的钱

派错人，问题就大了。你送一个只想早点下班的人去上高级课，他学不会。你让老板自己去上初级课，他学完只会觉得就这。

市场已经给了这笔账的答案。猎聘上，这类岗位近一年新发的职位平均年薪 40.8 万，中位数 36.6 万。脉脉的数据，2026 年上半年相关职位发布量同比涨了 21 倍。人社部早前测算过，人工智能领域人才缺口超过 500 万，供求比一比十。

你花几千块的培训费，把公司里一个人送进去，学完的这个人，在市场上值 40 万。这笔账，得老板自己算。

落地缺的是「管 AI 的人」

这句话不是今天才想到的，是很多场培训攒出来的。

今年 3 月底，余姚有一场 120 人的狮子会队长培训，我是总讲师。再往前，2025 年 4 月在安徽望江，县委会议中心坐了 150 多人，那是我第一次跨省讲 AI，台下坐的都是单位负责人和企业负责人。

我讲的时候，全场都在记笔记，手机拍屏幕的声音一片一片。但坦白讲，真正回去动手的，十个人里可能就一两个。

不是他们不聪明，是回去之后没人接这个活，也没人被指定成那个「AI 归他管」的人。

当我看到光谷这个班的三层设计，会有点激动。它不只是一场培训，相当于给企业发了一份岗位模板，把「公司里谁该学什么」第一次写成了标准答案。

而且这次不是只有武汉在动。工信部 8 月 31 日发的专项文件里，第一次把「鼓励服务商搭建前线部署工程师团队，扎根用户现场，保障场景落地」写了进去。

山东的第一期 FDE 培训班，开在国家超级计算济南中心，由山东省发改委和人社部社会保障能力建设中心统筹。武汉这边把 FDE 培训跟市里的「繁星计划」接上了，学得好的会被派到企业里去当「数技员」。

一个信号是新闻，三个信号连起来就是趋势。

四步实操流程

下面这段是动作。怎么在你自己的公司里，把第一个「AI 归他管」的人扶起来，让他在两周内交出一个能看见的结果。整套流程不需要你会写代码，需要的是你愿意花一个下午，跟 AI 好好聊一次。

第一步：挑一件对的活

这一步错了，后面全白干。你要挑的活满足三个条件。

它每天都干或者每周都干，重复度高
它有一个明确的对错标准，好和坏一眼能分清
它不直接影响钱，做砸了也不会出大事

整理客户档案、汇总门店日报、把会议录音整理成纪要、把一堆产品资料整理成一份问答手册，这些都是好开头。

反过来，订单系统、财务对账、客户报价，先别碰。不是不能做，是等第一仗打赢了再说。

我自己踩过这个坑。最开始想直接用 AI 改造整条内容生产链路，结果前两周一直在调流程，什么都没产出，团队也没信心。后来退回来，先只做一件事，把选题策划这一段交出去，三天就跑通了。先赢一场小的，再谈改造。

第二步：把规矩写成一页纸

这是最容易被跳过、但最重要的一步。把要干这件事的人叫过来，让他用大白话把这件活从头到尾写一遍，写成一页纸，能写多细写多细。

以整理客户档案为例，一页纸上应该写着，档案从哪儿来、每条要填哪些字段、遇到同名的怎么办、信息不全的怎么标、做完交给谁。

写不出来说明这件事在他脑子里也是糊的，那 AI 更不可能替你做对。这一页纸，既是你后面喂给 AI 的东西，也是你验收的标准。

写完一页纸，再把这件活手头要用的材料整理到一个文件夹里，合同模板、产品说明、历史案例、常见问题，能塞多少塞多少。这些后面是要给 AI 建知识库用的。

第三步：用四句话模板跟 AI 沟通

很多人上来就问 AI「帮我整理客户档案」，然后抱怨 AI 不懂事。问题真不在 AI，在于你没告诉它你是谁、你在干什么、你要什么格式。

固定说话模板，四句话，直接抄。

bash 复制代码

第一句，说清身份和背景。我们公司是做什么的，我现在要干哪件事。
第二句，说清素材在哪。我要处理的东西是什么，它长什么样。
第三句，说清你要的结果。要什么格式、几个字段、按什么排。
第四句，说清边界。哪些不能做，遇到不确定的怎么办。

套到客户档案这件事上，大概长这样。

我是一家三十人的贸易公司，现在要把今年的客户资料整理成一份能给销售用的档案表。

资料在共享盘的客户资料文件夹里，有合同扫描件和聊天截图两种。

请整理成表格，字段包括公司名、联系人、电话、成交月份、成交金额、最近一次跟进时间，按成交金额从高到低排。

找不到的字段留空标上待补，不确定的不要猜，遇到同名公司单独列出来。

这四句话里没有一句是技术，全是生意话。

跟 AI 沟通的能力，本质就是把你的生意讲清楚的能力。

这里有个坑要提醒。第一版出来的东西一定不完美，字段可能不对，排序可能乱。别急着换工具，也别骂 AI。你就把它当成一个刚来的实习生，他交上来第一版，你圈出问题，再让他改第二版。通常改到第三版就能用了。

第四步：固化并自托管部署

跑通一次不难，难的是让它稳定跑。判断标准很简单，同一批材料给它三次，出来的格式、字段、排序基本一致，就算稳了。

不稳定通常是两个原因。你那页纸写得不够细，它有地方可以随意发挥。或者材料本身太乱，它每次抓的重点不一样。这两种问题都回去改那一页纸和整理材料，不用改 AI。

稳定之后，做最关键的一步，把它固化下来。在 WorkBuddy 这类工具里，你可以把整套流程存成一个技能，下次直接调用，不用再说一遍那四句话。也可以在支持自托管的工作台里给它配定时任务，用一句自然语言就能设，比如每天早上八点，把前一天的客户跟进记录整理好发到群里。

腾讯云 9 月 17 日刚发布了 Octop 1.0 正式版，开源协议是 MIT，可以部署在你自己的服务器，或者一台装了 Docker 的机器上，Python 3.12 以上就能跑。它的意义在于，数据和客户资料都留在你自己机房里。

大致流程如下，具体命令请以官方仓库说明为准，别照抄。

bash 复制代码

# 把代码取下来，进到目录里
git clone https://github.com/TencentCloud/Octop
cd Octop

# 看一眼官方给的配置文件，别自己瞎编
ls docker-compose*.yml

# 配一个你手头有的模型，填三行
MODEL_PROVIDER=你选的模型厂商
MODEL_API_KEY=你的密钥
MODEL_NAME=你要用的模型名

# 把服务起起来
docker compose up -d

起完之后，浏览器打开它给的地址，按引导建第一个管理员账号。密码设强一点，这个账号权限最高。

自托管最大的好处是数据在你手里，最大的责任也在你手里，服务器挂了没人替你兜底。所以第一件事是定个每周自动备份的定时任务，把数据目录打包存一份。

要是你不想折腾服务器，也没关系。先在电脑上用普通工具把流程跑顺，等你确认这件事真的每天都要干，再考虑搬到自托管。顺序别反。

验收标准。 我的标准只有一条，连续三天，不用你去提醒，这件事的结果自己出现在该出现的地方。三天里有一次要你去催，就不算跑通。它同时验证了三件事，流程是稳的、定时是准的、负责这个事的人是真的接管了。

三条出口与一人公司

学完的人回到公司，会有三条路。

一条是留在公司里当那个「AI 归他管」的人。他不一定写代码，他负责盯着 AI 在公司里跑没跑通。这条路省的是你的钱和人。

这条路我自己走过。我们公司现在有一批「青」字辈的 AI 员工，青枢管接任务拆任务，青峦做选题策划，青笺写内容，青霖跟客户，青岚管风险审核。这套东西让我每天工作三个小时，就能维持全网的日更。我自己是那个做判断的人。

一条是往外走，帮同行做交付。今天中小企业的 AI 需求不是买个工具，是有人来帮我把这事跑通。武汉这次开班，同步放出了 50 多个企业真实场景需求，覆盖财务管理、客户服务、采购协同。这些需求本来就是给服务商的。

还有一条，是自己出来做。一个人，一台电脑，接几个单位的活。2026 年 9 月工信部印发的《人工智能中小企业创业支持计划》里有一句话我一直记得，叫「鼓励各地对依托智能工具开展敏捷创业的一人公司、超级个体等微型主体，给予包容支持」。一个人公司这四个字，第一次出现在国家部委的文件里。

如何筛选一家 AI 培训班

很多人问我要不要报那个班。给一个通用方法，你拿去筛任何一家企业 AI 培训都管用。

问对方两个问题。课程里有没有直接嵌入你们企业的真实业务场景。学完要不要交一个真实项目出来。

两个都是没有，那它是一场讲座，不是培训。听完很热闹，回去还是老样子。

如果有，还要看层级对不对。按前面说的三种价值去对，员工层省的是他自己的时间，骨干层省的是流程的时间，高管层省的是公司的钱。你先想清楚你缺的是哪一种，再决定派谁。派错人就白花钱。

避坑与坦白

说真的，任何培训，学完都不等于会用。

我自己做培训课件，一套 PPT 加讲义加练习，以前要磨两天，现在 AI 帮我压到三个小时。但省下来的时间不是用来偷懒的，是用来多跑两遍现场验证的。工具能省时间，省不了验证。

别指望送一个人去学完，公司就自动变聪明。真正起作用的是他回来之后，你有没有给他权限、给他时间、给他一个必须拿出结果的小目标。

培训只是把人送到门口，进门那一步，得老板自己推。

总结

模型是买得到的。落地是长在人身上的。

企业 AI 落地真正缺的从来不是工具，是公司里那个「名字后面跟着 AI 归他管」的人。从现有团队里指定一个，用挑活、写一页纸、四句话模板、固化自托管这四步，让他在两周内交出第一个能自动跑的结果，再用连续三天不用提醒作为验收。别指望培训学完就会用，进门那一步得老板自己推。