https://www.douyin.com/video/7653398928738516435阅读路径:最短的一条,回答一个二选一:年流水 5000 万的跨境老板,第一笔钱该请 FDE 团队做系统,还是请老师做内训?他的答案是内训。第一组是理由,第二组是「什么时候才该请 FDE」。
一句话结论:AI 转型早期是 bottom-up 长出来的,不是 top-down 设计出来的;先培训让员工自己长出 skills / harness,等野蛮生长的 infra 变成累赘,再请专职负责人或外部 FDE 收编。
成功转成 AI 原生公司的团队,早期都是 bottom-up:员工自发跟 agent 交互,构建出各种 skills、harness。
一上来梳理系统是传统数字化做法:速度慢(几十人团队从需求到落地半年),落地后还要大量培训;更关键的是 agent skills / harness 极度依赖具体业务,通用性和迁移性很差——外部团队给的整包方案,落到你的业务里对不上。
他不是反对 FDE,而是反对顺序。先有真实使用,才有可梳理的对象;没有使用就设计系统,设计的是想象。
你的知识库就是 bottom-up 长出来的:先有 H10、howie、VA7 三个真实主题,才有了 STANDARD 和 lint。如果一开始就设计「通用知识库框架」,大概率会是空架。保持这个顺序。
野蛮生长出来的 infra 变成累赘:重复建设、口径不一、没人维护。这时才需要一个 dedicated AI hire 或外部 FDE 来收编。
收编是把已有的东西理清、标准化、补地基;重建是推倒重来。他倾向收编——因为那些 skills 里含着业务经验,重建会丢。
这一组给了「引入外部力量」的时机判据:不是有钱就请,而是内部熵增到影响效率时请。
你现在正好在「熵增」的临界点:三十多个脚本、多套模板、两套知识库路径(md 与 archive)。下一步该做的是收编(合并重复、统一入口),不是再加新功能。
| 这条里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| bottom-up 生长 | kb 由真实主题长出来 | 保持,不先设计大框架 |
| 熵增时才收编 | 30+ 脚本重复 | 先合并重复脚本,统一入口 |
| 收编不重建 | kb 有历史归档 | 归档留着,主线只留活的 |
| 迁移性差 | 模板只适用我的场景 | 不追求通用,追求能跑 |
原文:VA7《老板须知:企业AI转型的第一步》,2026-06-20,2.9 分钟。
本篇依据:全程转写约 1.2 千字。bottom-up 观察、传统数字化做法的三个问题(慢、落地后仍要培训、skill 迁移性差)、收编时机均为原文表述。
更正与边界:这是最短的一条,论证靠经验观察而非数据;「5000 万流水」只是设问场景,不是客户案例。
定位:中文深蒸馏,不是逐字摘要。标「对你的实际应用」的部分是我的分析。