在制造业客户的多个工业 AI 项目中，格创东智 FDE 团队深入业务现场，围绕良率监控、异常单处理、设备分析等高精度需求，帮助客户梳理业务规则、打通数据与系统，将 AI 能力落实到具体工作流程中。

FDE，即前线部署工程师，将工程师的经验转化为可执行的判断逻辑，是其推动工业 AI 落地的一项关键工作。这些经验不仅包含明确的操作规则，还涉及样本筛选、数据关联、例外处理和风险边界。如果这些条件未被完整识别，AI系统即使按照需求文档运行，也可能无法满足业务要求。因此，FDE 需要结合技术能力与现场业务理解，厘清工程师的判断依据和操作条件，再通过开发与验证，将AI价值转化为系统能力。

「格创东智 FDE 一线手记」将通过具体项目，分享团队解决现场问题、推动工业 AI 落地的实践与方法。

本期聚焦一个面板工厂的良率监控项目。AI系统依据工程师提供的规则发出异常提醒，上线初期却因提醒过多影响使用。团队复盘发现，AI系统实现了明确的异常判断规则，却遗漏了工程师日常操作中对样本量、正常波动等因素的“去噪”判断。

围绕这一问题，格创东智 FDE 团队通过现场观察、历史记录复盘和上线反馈，逐步补全隐性判断条件，并将其落实到业务规格与执行流程中，为后续能力复用打下基础。

补全经验中的适用条件

在缺陷密度监控中，工程师不仅关注指标是否连续升高、是否超过阈值，还会判断样本量是否充分、波动是否具有分析价值，以及是否属于正常的生产节奏变化。

这些筛选通常发生在正式分析之前。工程师已经熟悉其适用条件，因此在描述需求时，容易直接给出最终的异常判断规则，省略前置过滤过程。

格创东智 FDE 团队采用三种方法补全这些条件：

●跟随实际操作。 观察工程师从打开数据到形成判断的完整过程，记录跳过、筛选和继续追查等动作。例如，工程师会跳过样本量过少的产品数据，这意味着系统需要先判断样本是否具有参考意义，再进行异常分析。

●复盘历史记录。 选取历史异常单，请工程师逐条说明处理依据，同时对照未触发处理的情况，从不同结果中梳理判断条件。在异常单处理场景中，团队通过这种方式明确了设备腔室聚集判断中，不同异常数量与加检数量关系所对应的处理逻辑。

●逐条核对上线反馈。 将系统产生的提醒交给业务人员复核，把“提醒太多”具体化为哪些应保留、哪些应排除，以及需要修改哪些条件。团队据此调整监控窗口和阈值，再进行现场验证。

这三种方法共同解决的是经验的完整性。既要明确何时采取行动，也要明确何时不应触发行动。

将判断过程写成可执行规格

经验被识别后，还需要落实到数据、条件与操作之间的具体关系。格创东智 FDE 团队采用规范驱动开发方式，将业务逻辑写入规格文档，作为开发和迭代的共同依据。

以设备集中性分析为例，工程师的分析过程被拆解为：

分析过程拆解

01 异常与正常玻璃信息 → 02 站点识别→ 03 设备过货履历关联 → 04 集中性计算 → 05 异常设备筛选 → 06 异常及变异时间确认

每一步都需要明确输入数据、处理逻辑和输出结果。仅写“分析异常设备”，不足以指导系统执行；数据从哪里取得、如何关联、依据什么条件筛选，都必须进一步定义。

其中，数据口径直接影响判断结果。例如，缺陷密度计算需要将缺陷数据与过账数据按时间和产品关联；LOSS 监控还涉及不同工厂的分子、分母定义。即使接口已经接通，关联关系或统计口径有误，后续判断仍会偏离业务实际。

因此，格创东智 FDE 的工作同时覆盖业务规则梳理与数据关系核对。规格文档也需要随现场反馈持续更新，使规则变更有据可查。

按任务确定技术方案与执行权限

将经验转化为工业 AI 能力，需要进一步区分哪些环节适合确定性执行，哪些环节需要模型参与判断。

在采访涉及的项目中，团队采用以下分工：

1、数据获取、过滤和聚合：通过标准化接口及代码服务处理，明确数据来源与计算过程。

2、固定规则判断：通过工作流和 Code Agent 等方式实现，使执行逻辑便于检查和追溯。

3、多因素综合判断：由 Agent 结合相关信息提出建议，并根据业务风险设置人员复判环节。

Code Agent 在这一过程中，可辅助生成可部署的代码应用服务，并不意味着每次执行固定规则时，都需要大模型重新作答。

在异常单处理的试运行阶段，团队将 AI 判断结果作为推荐，由人员确认后执行。后续自动执行范围，则结合试运行验证结果和具体操作风险逐步确定。

这使经验转化同时包含两项要求：AI系统能够按照明确逻辑处理任务，也能够遵守业务设定的执行边界。

将项目经验沉淀为可复用组件

现场经验能否持续发挥作用，还取决于项目完成后留下什么。在相关项目中，格创东智FDE团队将玻璃信息获取、主站点信息获取等能力封装为平台标准功能和标准插件，供后续场景调用；将经过验证的多维度监控流程整理为 Agent 模板，用于其他工厂的类似需求。

不同项目之间的复用，需要区分通用能力与现场配置。数据获取流程、接口封装和分析步骤可以作为复用基础；具体数据源、字段映射、过滤条件和判断阈值，则需要结合新现场重新核对。

格创东智 FDE 团队通过持续的业务演示与用户反馈，验证这些能力是否满足实际需要，再推动成熟组件进入平台能力体系。

从隐性判断到可执行规格，从现场验证到组件复用，FDE 将工程师的经验转化为组织能够持续使用和更新的能力。这也是格创东智工业 FDE 的实践路径，即深入业务现场，明确数据与判断逻辑，完成工程实现，并将验证有效的能力沉淀下来。

让经验继续“上班”，前提是把经验的依据、条件和边界说清楚。

下期预告：同一套方案，为什么换家工厂就不能直接用？看格创东智 FDE 如何划清“可复用”与“需定制”的边界。