AiDD研发数字峰会 — 北京站闭门会

闭门会

CLOSED MEETING

李明宇

AI 大模型落地实战专家/企业智能化转型首席顾问

介绍：
很多企业已经开始尝试 AI Coding、Agent、知识库和自动化工作流，但真正卡住的往往不是模型能力，而是 “谁能把业务现场的问题翻译成可交付、可验证、可持续运营的 AI 系统”。FDE（Forward Deployed Engineer）正是连接业务、工程、数据、模型与运营的关键角色。
本闭门会聚焦 FDE 在企业 AI 落地中的方法与组织机制：如何识别真实场景，如何把 PoC 做成可上线系统，如何沉淀知识库、Skills、评测集和交付模板，如何让 AI 能力从一次性项目变成组织资产。

亮点：
1. 从 “会用 AI” 到 “会交付 AI”：FDE 如何把业务问题转成可执行的工程任务
2. AI 项目的现场诊断方法：需求澄清、流程拆解、数据盘点、系统边界与风险识别
3. PoC 到生产的交付路径：原型、验证、评测、上线、运营和持续迭代
4. 组织资产沉淀：知识库、Skills、提示词模板、评测集、案例库如何在项目中积累
5. FDE 与团队协同：业务方、产品、研发、测试、安全、运维之间如何分工

讨论的问题：
1. 企业 AI 项目为什么经常停在 Demo 或 PoC，真正阻碍上线的关键环节是什么？
2. FDE 到现场后，应该先问哪些问题，才能判断一个 AI 场景值不值得做？
3. 一个合格的 AI 项目交付包应该包含什么：需求说明、流程图、知识库、评测集、上线方案还是运营指标？
4. FDE 和传统售前、项目经理、解决方案架构师、研发工程师有什么不同？
5. 企业如何培养自己的 FDE 能力，而不是每个项目都依赖外部专家？

听众定位：
1. 企业技术负责人、数字化 / AI 转型负责人
2. 研发效能、平台工程、AI 平台、数据平台负责人
3. 解决方案架构师、售前 / 交付负责人、项目经理
4. 正在推进 AI PoC、Agent 应用、AI Coding 或知识库项目的业务负责人

收益：
1. 获得一套判断 AI 项目能否落地的现场诊断框架
2. 理解 FDE 在企业 AI 落地中的角色边界、工作方法和交付物
3. 明确从 PoC 到生产运营需要补齐哪些工程环节
4. 知道如何把单个 AI 项目沉淀为组织可复用的知识资产和工程资产

历任中科院计算所副教授、国家级重点实验室课题组长、创业公司CEO、上市公司事业群技术总监和首席技术专家、央企子公司副总裁。
近年来专注于 AI 大模型及智能体的落地实践，在 To B 与 To C 领域均有从技术研发到商业变现的全链路成功经验，某大型企业亿元级人工智能和智能体项目操盘手。
中国新一代 IT 产业推进联盟分委会秘书长、中国移动通信联合会智库高级专家、全国高校人工智能与大数据创新联盟专家委员、北京开源创新委员会委员。
在中国互联网发展创新与投资大赛、中国“互联网+”大学生创新创业大赛、中国开源创新大赛等多项国家级大赛中担任全国总决赛评委。

FDE 驱动企业 AI 落地：从需求现场到可运营系统的交付方法

朱少民

《软件工程 3.0》作者/CCF 杰出会员/AiDD 技术委员会成员

介绍：
AI 编码工具正在改变开发的速度与方式，但速度快不等于质量好。本闭门会面向开发与测试团队的结合，讨论在充分利用 AI 代码能力的同时，如何建立贯穿编码、审查、测试到发版的完整质量保障体系。

亮点：
1. 编码阶段的质量意识：如何用 prompt、上下文、代码约束让 AI 生成的代码更容易通过质量关卡
2. 代码审查的新形式：人工审查与自动检查（安全扫描、架构合规、性能基线）如何分工
3. 测试的多个维度：单元测试、集成测试、边界条件、异常处理、性能基准——AI 生成代码如何验证
4. 质量门禁与回归机制：建立可复用的测试集合、自动化验收标准、线上缺陷快速定位
5. 团队协同：开发、测试、审查如何围绕"代码质量"形成闭环，而不是串行等待

讨论的问题：
1. 用 AI 生成代码时，哪些类型的缺陷最容易被遗漏（逻辑错误、边界条件、性能问题、安全隐患等），怎么防？
2. 测试策略怎么调整：是增加自动化测试，还是改进人工审查策略？AI 生成测试代码本身质量如何保证？
3. 如何建立可持续的质量标准（黄金用例集、基准测试），而不是每次都依赖人工判断？
4. 代码审查在 AI 时代如何演进：焦点是什么（安全、架构、可读性），如何让审查不成为瓶颈？
5. 从编码到发版，哪些环节应该完全自动化，哪些仍需人工把关？如何定义这条线？

听众定位：
1. 开发经理、技术负责人、架构师（关注代码质量与效率的平衡）
2. 测试与质量负责人、自动化测试工程师（关注测试体系升级）
3. 安全与合规工程师（关注代码安全与审计）

收益：
1. 获得一套"从编码到发版"的分层质量保障框架，知道每个环节重点是什么
2. 明确 AI 生成代码的特殊风险与对应的测试策略
3. 了解如何用自动化与人工审查的组合，既加快交付又保证质量
4. 形成可落地的行动清单：立即可做的改进与中期的体系升级

同济大学特聘教授、CCF杰出会员、软件绿色联盟标准评测组组长，近三十年来一直从事软件测试、质量管理等工作，先后获得多项省、部级科技进步奖，已出版了二十多部著作和4本译作，代表作主要有《软件工程3.0》、《软件测试方法和技术》、《全程软件测试》、《敏捷测试》等，并经常在国内外学术会议或技术大会上发表演讲，曾任思科（中国）软件有限公司QA高级总监、IEEE ICST2019工业论坛主席、IEEE ICST、QRS、DAS等国际学术会议的程序委员、《软件学报》审稿人等。