Claude Code
把日常开发接到 Agent：理解仓库、修改工程、运行测试、定位问题，完成可检查的开发任务。
- 仓库上下文与任务拆解
- 改代码、跑测试、修失败
- 权限、密钥与安全边界
SERVICES / 01
从真实工作流出发，而不是先做通用 AI 平台。
我们提供两类合作：把 Claude Code、Codex、AI Workbuddy 用进日常工作的培训；以及一套标准 FDE 流程，和客户一起识别最值得 Agent 化的任务，验证、增强，再决定是否产品化。
真实工作流
能力验证
工程增强
效果评估
产品化
TRAINING / 02
Claude Code、Codex 与 AI Workbuddy 培训
培训不是讲概念。我们带团队用真实仓库和真实任务上手，让 Agent 成为工作搭子，而不是多一个聊天窗口。课时与报价按团队规模和任务范围确定，先预约沟通。
OpenAI Codex
在 IDE 和真实工程环境里协作：补全不再是终点，Agent 要能进入构建、调试和评审流程。
- IDE / 工程环境接入
- 编码协作与代码评审
- 和现有工具链一起工作
AI Workbuddy
面向非单一编码场景：把 Agent 用进日常任务，按工作流完成资料处理、排查、对比和交付。
- 从聊天变成可交付任务
- 资料、表格、记录一起用
- 给负责人的落地清单
共同模块
- 现场或远程工作坊，带真实仓库 / 任务上手
- 安全、权限与数据边界，先划清能做什么、不能做什么
- 给业务负责人和工程师各一份可继续用的操作清单
FDE METHOD / 03
标准 FDE 合作流程
目标不是先做一个通用 AI 平台，也不是让业务团队提前写完整「AI 需求」。我们从真实工作流出发，识别最有价值、最适合 Agent 化的任务，用前沿模型快速验证，再把有效方法沉淀成可复用的工作流、工具和产品能力。
PREPARE / 04
客户前期需要准备什么
不需要大量数据，也不需要先写完整需求文档。第一阶段只准备这五类内容。
一个产品线；一个新项目、在研项目，或可使用的历史项目；2–3 类核心角色。例如研发、测试 / 验证、客户支持、交付。不建议第一阶段覆盖全公司。
1 名业务或研发负责人，加上 2–5 名真实使用该工作流的工程师。工程师不必准备 AI 方案，按平时方式完成真实任务即可。
5–20 个可验证任务：分析一次异常、Review 一组结果、排查一个客户问题、对比两个版本、查找历史 Issue、判断证据是否完整。优先有明确输入、有历史答案或专家能判断、确实耗人工、敏感等级可控。
规格、技术文档、历史案例、结果文件、脚本、表格、已批准的内部知识。第一阶段不要求开放全部内部系统，也不要求最高敏感数据。完成任务需要什么，就提供什么。
当前人工完成时大概多久、经过哪些步骤、用哪些工具、哪步最耗时、哪步依赖专家、常见返工是什么。不必非常精确，第一阶段可以一起记录。
HOW WE WORK / 05
七个阶段怎么开展
跟随工程师完成若干典型任务，弄清输入、先看什么、用哪些工具、哪里需要判断、哪些步骤重复、哪些依赖经验、最终输出是什么。交付：Workflow Map + Human Baseline。
不马上建复杂系统。用当前会话最强的 Agent 和模型，在客户允许的环境和数据范围内做同一批任务。记录读了什么、调了什么、独立完成了哪步、哪里失败、哪里被纠正、耗时、结果是否可接受。
分析反复缺失的知识、反复出现的人工纠正、重复操作、缺少的工具、上下文不足、无法稳定完成的判断。核心是：AI 为什么失败，什么最值得被工程化。
把专家方法沉淀成 Workflow / Skill；把重复操作做成确定性工具（解析、对比、报告、数据处理）。只有验证确实需要，才连接文档库、Git、数据库、Issue 或业务系统。不为「接系统」而接系统。
用 10–30 个有已知判断、可由专家复核的真实任务，比较 Human Only、Raw Frontier Agent、Agent + Engineering Harness。看成功率、正确性、人工介入、耗时、证据完整度、可重复性。
只留下业务价值高、人工成本高、AI 已接近可用、工程成本可控、结果易验证、后续可复制的工作流。其余先停。
通过真实任务验证后，再变成企业 Agent 工作区、固化工作流、权限、Session、Evidence、Review 与评估。目标从「AI 能不能完成」变成「工程师能不能稳定、持续地使用」。
SPRINT / 06
第一阶段建议 2–3 周
客户不必投入大型项目组。业务负责人选范围、协调工程师、判断是否扩展；工程师提供真实任务、按正常方式工作、判断 AI 结果、指出遗漏。可优先使用低敏、脱敏或历史项目。
1 个产品线 · 2–3 类角色 · 2–3 个典型工作流 · 10–20 个真实任务
不设计完整 AI 平台，不写几十页需求，不开放全部数据，不一把接入所有系统，不先锁模型和最终架构，不先大规模部署。先证明真实价值，再决定工程投入。
DELIVERABLES / 07
第一阶段你拿到什么
真实工作流和人工步骤拆解。
时间、步骤和专家依赖。
哪些已经能做、需要增强、暂时不适合。
Agent 在哪失败，工程师在哪纠正。
下一步最值得投入的 1–3 个工作流。
至少一个真实任务上可运行的 Agent。
Human vs AI 的真实任务对比。
要接什么系统、要什么数据、投入、产品化路径和 ROI。
SUCCESS / 08
成功不是一个漂亮 Demo
第一阶段要回答清楚：哪些工作流值得介入；最强模型天然能做到多少；最大失败点是什么；工程能力改善多少；工程师实际省多少时间；哪些值得产品化；下一阶段有没有明确 ROI。
真实工作流 → 前沿验证 → 经验沉淀 → 工具与系统连接 → 可重复评估 → 产品化 → 工程师真实使用 → 新的 Session 和反馈 → 持续迭代。
不是交付几个孤立功能，而是让企业持续把最新 AI 能力，转成实际生产力。
BOOK A WORKING SESSION