周一晨会，数字化小组在投影前放出新做的库存问询智能体。一句话问"华东仓还有多少待拣SKU"，两秒出结果，分管副总当场点头。

周五下午，同一个智能体被接进拣货调度大屏，场面开始失控。

"它把冻结库位的货也算进去了。"

"退货待检那栏，口径跟财务对不上。"

"刚才它自动下了一次补货建议单——流程没走审批。"

这套剧情在很多把智能体推进核心流程的团队里都发生过。模型本身没变差，变的是它开始碰真实数据、真实权限和真实后果。

后来这个组请了一位偏"现场型"的工程师进来。她没先动模型，先干了三件事。

第一件，把仓库里"可用库存"这个词拆开。WMS 里有一个值，ERP 里有一个值，财务结账口径还有一个值。以前人肉干活时老师傅靠经验切换；智能体没这个默认，只能显式告诉它此刻用的是哪一版口径。

第二件，收回凭证。智能体要查库，但不能把 API 密钥塞进对话上下文。她加了一层工具网关：模型只发意图，真实令牌留在既有身份体系里，按角色签发临时许可。

第三件，给每一步加回执。补货建议不再直接落单，而是先写进待审队列；所有读数据、调接口、改状态的动作都有人能查的流水。

三周后，同一个智能体重启。回答速度没变快多少，但财务终于敢把它挂进日报链路。

这位工程师的岗位编号写的是 FDE——前沿部署工程师。行业里对这个词的共识正在慢慢成形：不负责从零训练底座，也不止在对话框里调试输入；核心工作是让模型在既有业务环境里稳定、受控、可核算地跑起来。

有意思的是，她的周报里几乎不提模型跑分，记的都是另一类数字：哪次调用绕过了审批、哪个字段口径要单独标注、Token 成本在三类任务里怎么分、哪条降级策略救了一次晚高峰。

很多团队以为 AI 落地差的是更强的模型，实际差的往往是这一层"把模型接进旧世界"的工程耐心。

如果你也在带一条业务智能体的试点，不妨先别扩场景。挑一条最短、出错代价可控的流程，把口径、权限、日志三样东西补齐，比再换三个新模型管用。

FDE前沿部署工程师，辉达

马老师13391509126

丁老师13522094648