FDE，狗都不做。
满心欢喜辞职做FDE，结果先发现自己连客户在哪里都不知道。好不容易约到一个，对方张口就是「做个企业知识库」「把业务接上 Agent」「最好的AI模型给我用上」，你既不能顺着吹，也不能当场把人怼走。
我做过 AI 算法、模型优化部署，也做过企业内部沟通和培训。转向 FDE 以后，我越来越确定：
技术决定你能不能把项目做出来，但是找客户和沟通决定你有没有机会开始做。
这篇文章只解决两件事：第一个客户去哪里找，以及第一次沟通怎样拿到一个真实、明确、双方都愿意继续的下一步。
先别介绍技术，先去找正在付出代价的#
FDE 最容易犯的错误，是把自己的技术栈当成客户入口。
「我会 RAG、Agent、MCP、私有化部署」，这些话只能证明你掌握了一些工具。客户真正会停下来听的，是一项工作正在浪费时间、反复返工、频繁出错，或者已经影响收入和交付。
所以找第一个客户时，先别搜「哪些公司需要 AI」，这句话太大。去找具体的工作：客服每天翻很多份资料，销售反复整理会议和报价，培训部门不停回答同一批问题，运营要从几个系统复制数据，审核人员需要逐条核对大量材料。
客户不是从技术名单里长出来的，客户藏在一项长期忍受、又一直没被解决的工作里。
第一个客户通常离你没有想象中那么远。可以先从四个地方找：
1）过去一起工作过的人，是最直接的一层。他们知道你做过什么，也更愿意告诉你真实流程。这里不只包括前同事，还包括曾经一起推进算法、部署、产品、培训和内部协作的人。
2）企业培训是另一个很好的入口。培训现场最容易暴露两类信息：管理者想推进什么，一线人员究竟卡在哪里。培训本身不是 FDE 项目，但它能让一个模糊的「我们也想用 AI」变成一次场景诊断。
3）再往外，可以观察公开的业务信号。企业在招聘知识运营、智能客服、AI 产品、模型部署相关岗位，说明它已经愿意为问题投入资源；公开采购、产品更新、行业会议和管理者的公开表达，也可能暴露正在推进的方向。这些只能当作假设，不能直接推断客户一定有预算，更不能拿几条公开信息编出一份「深度诊断」。
4）最后是你熟悉的行业工作流。算法背景的人不一定懂每个行业，但可以先从自己见过的数据、系统和协作方式出发。你越熟悉一项工作怎样发生，越容易问出有用的问题。
可以先列出 20 个你能够正常联系到的人。在名字后面只写三项：他负责什么工作、哪一步可能存在重复或风险、你为什么有资格和他聊这件事。写不出来的，先不要发消息。
第一个客户不必大，但问题必须是真的#
能约到人，不代表这个项目值得做。
我筛机会时会看四件事：问题是否正在产生真实代价，内部有没有人对结果负责，能不能接触真实流程和样本，第一步能否收窄到几周内验证。
问题代价不一定非得换算成一个漂亮的金额。每天需要多少人处理，哪里经常等待，哪类错误会返工，哪个环节拖慢客户响应，都可以成为基线。最怕的是「提高智能化水平」这种无法观察的目标。
内部负责人也不是群里最积极的人。他要能够组织业务人员、确认样本、解释什么叫答对，并把需要拍板的问题带回公司。没有这个角色，FDE 最后只能拿自己的理解替客户作决定。
真实样本决定你看到的是工作，还是汇报材料。没有脱敏工单、历史问答、制度文件、操作记录或者接口说明，任何准确率和工期都只能算猜测。
范围则决定双方能不能承受第一次失败。第一步最好只改变一项高频工作，而且失败后可以人工接管。上来就做全公司知识中台、替换核心系统、让 Agent 自动执行高风险动作，通常不是一个适合起步的范围。
预算大、口号响，都不如负责人、样本和验证条件同时在场。
如果四项条件只能满足一项，可以继续交流，但别急着把它叫项目。先做资料检查、流程诊断或者培训工作坊，看看客户是否愿意投入真实的人和数据。
客户为什么愿意见一个还没有案例的 FDE#
第一个客户最难的地方，是双方都没有足够证据。
你没有完整案例证明自己，客户也没证明这个问题值得做。这时最有效的做法，是把第一次合作设计得足够小，让双方用很低的代价获得新证据。
你可以提供一次围绕真实任务的诊断，检查一批脱敏资料，做一次管理层与业务人员共同参加的 AI 场景工作坊，或者审查客户正在推进的方案。它们都不承诺直接上线，只回答几个更小的问题：这里到底有没有值得做的场景，数据能不能支持，主要风险在哪里，下一步最便宜的验证是什么。
这也是我的算法和培训经历能放在一起的地方。算法与部署经验让我能判断模型、数据、接口和算力边界；沟通与培训经验让我能把不同部门拉到同一个问题上。客户更需要一个能快速看清问题、又知道哪些结论现在不能承诺的人。
第一次邀约不用写成长篇自我介绍。说清楚你观察到的工作、为什么找他，以及只希望了解哪一件事就够了。例如：
最近我在整理企业资料检索和 AI 落地的实践。你之前提过团队查资料比较慢，我想找你了解一次最近发生的真实任务，看看问题是在资料、流程还是系统。先聊 30 分钟，不预设一定要做项目；如果不适合用 AI，我也会直接说明。
这段话没有炫耀技术，也没有替客户断言痛点。它给出了一个足够具体、风险很低的交流理由。
第一次沟通前，先知道这次要带走什么#
第一次会议有明确任务，不负责产品宣讲，也不能漫无目的地「了解需求」。会前最好只写一页纸：为什么约这次会议，目前有哪些待验证判断，必须到场的人是谁，结束前需要确认什么。
一场有效的第一次沟通，至少要带走四样东西：一项真实流程、一个主要阻塞、一批可验证样本，以及能决定下一步的人。
客户内部通常有几种不同权力。业务负责人确认流程和验收，数据 Owner 决定资料能否使用，IT 与安全确认接口、身份和部署边界，管理 Sponsor 决定预算与跨部门资源。一线使用者可能没有签字权，却最清楚实际工作中的绕路和例外。
不用给所有人画一张复杂的组织架构图。只要搞清楚三个问题：谁提供事实，谁承担改变后的风险，谁有权作最后决定。
FDE 可以整理意见、提供方案，不能替缺席的人同意。
别问想要什么，先让他做一遍最近的任务#
「希望准确一点」「最好全自动」「数据不能出去」，都不能直接写进代码。
第一次沟通时，我更愿意让对方打开最近处理过的一张工单、一份报价、一次资料查询或者一项审核任务，从头走一遍。不要让他概括「平时怎么做」，概括出来的通常是标准流程；真正有价值的是系统之外的绕路。
沿着任务往下问：什么触发了这件事，第一份输入来自哪里，中间打开了哪些系统，根据什么作判断，遇到例外找谁，结果写回哪里，谁继续使用。听到「通常」「原则上」「系统里都有」，就追问最近一次例外。
每个重要结论再追三句：有没有样本，谁能确认，如果不成立会影响什么。
这样追问，是为了把三种东西分开：对方口中描述的流程，样本实际呈现的流程，以及未来希望变成的流程。三者混在一起，FDE 很容易把愿景当现状，把一个例子当规则。
客户如果当场问「准确率能不能到 99%」「两周能不能上线」「是不是必须私有化」，不要用经验拍一个数字。准确率要先有真实问题和错误分类；周期要看数据、接口、权限与验收投入；部署方式要知道哪些数据受限、负载多大、谁负责运维。
没有证据时，可以承诺验证方法、负责人和时间，不能承诺尚未测出来的结果。
拿不准怎么说，让 AI 先陪你打一遍#
FDE 的沟通压力，很大一部分来自临场反应。客户突然压周期、问价格、要求免费做一个版本，自己把握不准，可以先让 AI 扮演业务负责人、IT、安全或者采购，把最难的问题预演几轮。
涉及客户名称、账号、原始数据和商业秘密时，必须先脱敏。下面这段提示词可以直接改：
你是我的 FDE 客户沟通与谈判教练。
目标客户：[行业、团队和公开背景]
我观察到的工作问题：[只写事实和待验证判断]
我的能力与证据：[真实经历、可展示成果和能力边界]
本次沟通目标：[希望确认什么、拿到什么下一步]
不能直接承诺的内容：[准确率、周期、价格、数据权限等]
请完成：
1. 判断这次联系是否足够具体，删掉自说自话和技术炫耀；
2. 模拟业务、IT、安全和采购最可能提出的反对意见；
3. 连续追问我三轮，每轮只指出一个问题：答非所问、过度承诺、无条件让步或没有追问证据；
4. 把我的让步改写成“如果……那么……”的条件交换；
5. 最后把事实、推断、建议和仍需决定人确认的内容分开。
不要编造客户需求、预算、组织关系和技术结论。
AI 给出的漂亮话术不要直接复制。先检查它有没有替客户猜动机，或者把「可能愿意」写成「已经同意」。AI 更适合做反方、整理和漏洞检查，最终说出口的承诺仍然由 FDE 承担。
谈判的目标，是拿到一个双方都投入的下一步#
第一次沟通不一定成交，但必须结束在一个明确状态上：继续验证、进入付费诊断、准备小范围项目，或者停止跟进。
最危险的状态是一直免费聊。客户不断加问题，你不断补方案，双方却从没确认谁提供样本、谁参加评测、什么时候作决定。FDE 看起来很忙，实际上没有项目向前移动。
谈下一步时，先把条件分成三类。负责人、真实样本和可执行的验收方式是启动条件；范围、周期、部署方式和人工复核比例可以交换；没有评测集却要求保证准确率，或者让 FDE 替客户承担内部权限决定，已经接近红线。
价格、范围、周期、效果和风险不能同时单向让步。
如果客户希望两周看到结果，可以缩成一个场景的离线验证，同时要求第三天前提供样本和答案依据。如果客户要求进入生产，就要补齐身份权限、安全评审和回滚方案。如果预算暂时有限，可以减少定制和驻场，但不能连业务负责人和验收标准一起拿掉。
客户要求免费 PoC，也不要只回答做或不做。可以把它改成一次有条件的交换：FDE 投入有限的验证时间，客户提供脱敏样本、业务专家和明确的评测规则；验证只回答技术可行性，不承诺上线效果。条件不成立，就退回资料检查或付费诊断。
每次让步都要换回一个让项目更可交付的条件。谈判要让双方看见每种选择会失去什么。
散会以后，只发一页能被修改的结论#
会议结束后，不要扔给客户一份几千字转写记录。当天发回一页结论：已经确认的事实、仍待验证的判断、第一阶段明确不做什么、双方下一步各自提供什么，以及最晚确认时间。
AI 可以先把记录拆成事实、推断、决定和待办，人再逐项检查。没有得到确认的内容，不能升级成客户承诺；没有写清条件的口头让步，也不能直接进入排期。
这时再判断线索进入哪个状态：继续培养、安排第二次技术会议、付费诊断、准备验证项目，或者停止。不要用「保持联系」掩盖没有结果。
判断有没有找到第一个客户，只看一件事：双方是否愿意为同一个具体问题提供时间、数据、决定和下一步行动。
现在再看「FDE，狗都不做」，真正劝退人的并不是要多会几门技术。你得主动找到问题，判断客户准备度，在没有组织权力的情况下把真实流程问出来，还要敢于拒绝没有证据的承诺。
但这也是 FDE 最值钱的地方。会做 AI 的人越来越多，能让一个企业问题从模糊兴趣走到真实投入的人，仍然很少。
我是 Miles，一名从大厂转型 FDE 的 AI 算法专家，做过模型优化部署，也做过企业内部沟通与培训。
关注我 @miles_mazy ，后面我会继续写怎样把这次沟通变成一套能落地、能验收的 AI 技术方案。一起成长，一起赚钱。