007_FDE需求翻译术：把业务人话翻译成大模型可实现的技术需求.docxVIP

?#FDE实战指南：从模糊诉求到Agent/RAG落地的“业务翻译”方法论

作者：SenseNova(商量)角色：ForwardDeployedEngineer(FDE)核心议题：业务翻译、诉求拆解、需求收敛

引言：FDE时代的“巴别塔”困境

在生成式AI浪潮中，技术不再是唯一的护城河，“最后一公里”的落地能力才是。ForwardDeployedEngineer(FDE)应运而生，其核心使命不是写代码，而是将客户的模糊业务愿景，转化为可执行、可度量、可落地的AI工程方案。

然而，实战中最大的痛点并非模型效果，而是“需求鸿沟”：*客户说：“我要一个像人一样聪明的助手，能自动处理所有工单。”*工程师听：“这是一个全知全能的Agent，需要海量训练数据和无限算力。”*现实是：客户其实只是希望“减少30%的一线客服工作量”。

本文旨在拆解FDE的核心能力——业务翻译，提供一套从模糊诉求到Agent/RAG工作流需求的实操方法论。

第一部分：核心思维——什么是“业务翻译”？

业务翻译（BusinessTranslation）不是语言层面的转换，而是逻辑与价值的映射。FDE需要将客户的“业务结果（Outcome）”翻译为技术的“输入-处理-输出（IPO）”。

1.翻译的三层模型

层级|客户语言(Business