13|碎石路修成高速公路:怎么把单客户成果沉淀成产品?
你好,我是曹犟。
第 9 讲我们讲过 Palantir 在空客的项目:FDE 驻场进工厂,把散在不同系统里的数据整合起来、贯通使用,项目的成功使 A350 的交付速度提升了大约三分之一。当时我提到,这个项目的产出后来还发展出了一个更大的东西,叫 Skywise,一个面向整个航空业的数据平台,按 Palantir 和空客披露的口径,如今已经接入了一百多家航空公司。
一个给单一客户做的驻场项目,怎么发展成服务一百多家同行的通用平台的?这中间发生的故事,就是这一讲的主题:沉淀。
在 第 2 讲 讨论 FDE 和外包的区别时,那张真假 FDE 判断清单里,我说过我个人最看重两条:一条 看沉淀,现场的经验能不能反哺回产品;一条 看复利,每做完一个客户,下一个客户的交付是不是更容易。这一讲,就是对这两条标准的展开。
某种意义上,前面十二讲都在讲怎么把一单做好;这一讲才开始回答另一个问题:这一单做完之后,怎么把其中的能力沉淀下来。简单来说,FDE 这套打法有一个核心循环: 先在一个客户身上做深,再决定哪些东西需要沉淀回平台。
AI 时代,在一个客户身上做深后,能沉淀下来的东西可以分两类:一类是能做进产品、让下一个客户直接用上的能力,这是这一讲的主题;另一类是团队在现场获得的行业认知和判断,它们留在人的脑子里,怎么把它们变成公司的资产,变成 Agent 的知识库,则是下一讲的主题。
从一个客户身上沉淀这件事,在中国的语境下,其实也可以叫共创。 第 8 讲 讨论每周 demo 时,我提过一个观点:让客户的真实声音提前进入产品。这里需要先区分两种不同的做法。很多公司说的“共创”,是把客户请来开几场共创会,增加一些参与感,本质上只是一种姿态;而真正的共创,是把客户的真实需求前置到研发和迭代中,用它来降低试错成本、提高产品的命中率。这一讲所说的沉淀,就是共创在 FDE 工作中的具体做法。
内环与外环:交付的完整形状
Shimoda 在他的书里把 FDE 的工作画成两个环,我结合自己的实践,重新描述一下。
内环,是在客户现场把东西做出来的循环,也就是前几讲我们走过的那条路:进场摸清真问题,选对场景,搞定关键干系人,用每周 demo 撬动信任、收集反馈、改完再验证,在客户系统里填 gap、写生产代码,用评估来定义什么叫“好”,最后带着检查清单安全上生产。内环转得好,客户满意,项目成功。
外环,则是把单客户成果固化成产品或者说公司能力的循环。Shimoda 有一个精彩绝伦的比喻:每一次交付,都是给一个客户修一条碎石路;外环的工作,就是有节奏地判断哪些碎石路值得铺成柏油高速,也就是通用的平台能力,让后面的客户可以直接使用。
关键在于“有节奏地判断”,而不是把所有碎石路都铺成高速公路。铺得太早,会造出一堆没有第二个客户需要的脆弱抽象;铺得太晚,手里就只剩下一次性的交付,什么都复用不了。这两种做法都有问题。
那这个节奏怎么把握?可以是按固定周期,例如月或者季度滚动做一次产品化决策,把这个周期内积累的定制分成三类。
第一类,是已经出现重复需求的定制。销售 pipeline 里至少有一个客户提出了类似需求,这类可以优先通用化,因为这说明它不是单一客户的特殊偏好。
第二类,是只适用于单一客户的定制。这类需求源于这家客户的特殊情况,保持原样即可,不需要强行抽象。
第三类,介于两者之间,可以先做成模板,未来通过配置来复用,不必现在就重新开发。
这三类判断的锚点其实始终是同一个: 有没有第二个客户会走这条路。
这个三分类,可以和 第 9 讲 的三个代码区对起来看。施工的时候,纪律是把特殊逻辑先放进隔离区,用开关和配置管住;当时我说过,将来如果别的客户也需要,把开关变成正式功能就行。外环的产品化决策,其实就是定期来兑现这句话:第一类,把开关变成正式功能,从隔离区推进资产区;第二类,留在隔离区,别硬塞进资产区;第三类,在隔离区里先收敛成模板。施工时判断的是这行代码现在写在哪个区,产品化决策判断的是它接下来要不要换区。
普通软件工程师在工厂里造锤子;FDE 把锤子带到工地,帮客户创造价值,再把工地的反馈带回工厂,改出更好的锤子。内环是在工地创造价值,外环是回工厂改锤子,让锤子在下一个工地更好用。只有内环、没有外环,做的仍然是一次性交付。
这样的团队,客户满意度可以很高,但复利为零,它从商业本质上讲,就是一家套着软件外壳的咨询公司。对照 第 2 讲 那张判断清单可以看出,担心自己做成外包,真正需要关注的不是驻场时长,而是外环有没有转起来。

平台提交与前后方握手:给沉淀修一条管道
外环的道理并不复杂,问题是怎么落地。只靠工程师自觉沉淀,通常会输给交付排期带来的压力。项目一忙,所有“回头再整理”的东西,往往就没有后续了。沉淀需要的不是觉悟,而是固定的管道和机制。
这条管道,业内称为 平台提交。简单来说,就是把 FDE 在客户现场发现的、可能值得产品化的问题或做法整理清楚,正式交给平台团队,变成产品路线图上的一项工作。
拆开来看,平台提交有三个关键点。第一,它是结构化的,不是散落在群聊里的“这个功能客户觉得不好用”。第二,它有明确的负责人,FDE 团队和产品团队都有人认领,对它负责。第三,它要进入正式的评审节奏,会被排期、被追踪。
项目复盘时,即使团队发现了值得沉淀的共性问题,如果没有人做平台提交,这条经验也只会留在会议纪要里,不会变成平台能力。 第 9 讲 讨论 gap 矩阵时我们已经提到:通用但不阻塞的 gap,不要在项目里顺手做掉,而要把它变成正式的产品需求,提回产品统一排期。平台提交,就是把这个动作变成一套固定机制。
看一组具体例子,就能看出平台提交和“转发客户原话”的区别。转客户原话的版本是:“客户说报表功能不好用,产品同学看看。”而一份完整的平台提交则要有四个要素: 现象,客户在什么场景下遇到了问题; 根因,本质上缺少什么能力; 建议,这个能力抽象出来应该是什么形态; 受益面,除了这家客户,还有哪些客户会用到。前者只是当传话筒,后者才是真正转交学习成果。

与平台提交配套的机制,叫 前后方握手,也就是 FDE 团队和平台工程团队之间的固定会议。会议可能每周一次,有固定议程,两支团队共同对平台提交的需求 pipeline 负责。这个握手会非常关键,飞轮在这里要么转起来,要么卡住。我自己在神策作为 CTO 也曾经长期主持过类似会议,积累下来的经验也印证了这一点:前线和产研之间如果没有固定的握手机制,就很容易互相埋怨,前线认为产研不接需求,产研则认为一线只会转发客户原话。
不过,到了 AI 时代,前后方的协作会明显简化。之前的课程中都提到过,AI 把做产品、改代码的门槛降低之后,FDE 可以同时承担前线交付和后方沉淀,也就是 Delta 和 Dev 两头的工作。这时,平台提交仍然需要保留,因为它不仅是前线向后方传递需求的工具,更是把一次现场判断变成正式产品决策的记录;但两支团队之间反复交接、排队等待的过程,可以大幅减少。AI 简化的是协作链路,不是产品化的纪律。
在这两项机制之外,我自己还建议增加一道 结项检查:项目沉淀清单。每个项目结项之前,用一页纸的篇幅写清楚三件事:这个项目学到了什么,哪些经验已经形成平台提交,哪些内容明确不值得沉淀,以及为什么。不完成这份清单,项目就不算正式结项。它不仅仅是为了留档,更重要的是让团队在记忆还清楚的时候,把经验变成决策。
那怎么判断外环转得好不好?可以看三个衡量指标。
第一,第二客户时间:同样的模式,第二次交付比第一次快了多少?
第二,单位经济:第二次交付投入的成本,是不是只有第一次的一个零头?这两个指标看起来相似,其实并不重复:时间看的是速度,决定你接下一个客户的节奏;成本看的是毛利,决定每一单赚不赚钱。往项目里加人可以买来速度,但买不来毛利,所以这两点都很关键。
第三,平台提交率:一个季度里,有多少条现场学习真正变成了产品路线图上的功能?
此外,还有一个反向的危险信号:平台仓库里,客户专属代码比通用代码增长得还快。一旦出现,就说明团队正在滑向 第 2 讲 提过的“咨询陷阱”。这四个数字放在一起,就是沉淀的仪表盘。

抽象层:沉淀的最高形态
沉淀有三个层次,前两层,正是刚才产品化决策处理的东西。最浅的一层,是 沉淀代码:把某个客户需要的功能做成通用开关,也就是三分类里第一类的通用化。更深一层,是 沉淀模式:把一类客户的共性做法做成模板,也就是第三类的模板化。而最深的一层,是 沉淀抽象:把整个行业的业务抽象成一套可复用的语义模型。它沉淀的不再是某一条定制,而是许多条定制背后共同的业务理解,这就是这一节要讲的。
注:如果你做过软件设计,大概会觉得这很像领域驱动设计里的领域模型:先把业务里的实体和关系建出来,再让代码去贴合它。思路上确实是一回事。区别在于范围:领域模型通常是一个系统内部对自己业务的抽象;而这里说的抽象层,则是从多家客户的交付里提炼出来、整个行业共用的那一份。
Palantir 在这件事上的答案叫 本体论,也就是 Ontology。简单来说,就是把一个行业里的实体、关系和事件,抽象成一层通用的语义层:航空业有飞机、航班、零件、工单,零售业有会员、商品、订单、门店。有了这一层,上面的应用就不必每次都从原始数据表开始理解业务。Skywise 能从一个客户的项目发展成服务一百多家航司的平台,靠的正是这层抽象:空客项目里梳理出来的那些数据模型,被进一步抽象成了全行业通用的语义。

那这层抽象抽出来,到底有什么用?第一,应用可以复用。上层的功能构建在语义层上,对整个行业的客户有足够的适配性。第二,交付可以变轻。新客户接进来,主要的工作不再是从头理解业务、从头开发,而是把这家客户的系统和数据映射进语义层;映射完成,上层的应用直接就能跑起来。前面提到的第二客户时间和单位经济,可以被这层抽象大幅度改善。
神策走的也是这个方向。我们在 2020 年提出了 SDAF 框架,也就是感知、决策、行动、反馈的闭环;后来又演进到 多实体模型,用实体、属性、关系、事件这套语义来描述客户的业务。这些抽象,并不是架构师坐在办公室里独立设计出来的,而是从几千家客户的交付中逐步形成的。从这个角度来说,抽象层是外环的产物。
什么时候值得往抽象层沉淀?其实和前面产品化决策是一样的:等第二个样本出现。只有一个样本,抽象出来的多半是这家客户的偏好;有了第二个样本,共性和个性才能分开。
不过两个判断看的东西不一样。功能要不要通用化,看的是第二个客户要不要同样的功能;要不要往抽象层沉淀,看的是第二个客户的业务是不是同构:它要的功能可以完全不同,但业务里的实体和关系可能是同一套。另外需要注意, 抽象的单位是业务语义,而不是代码。先想清楚“这个行业里到底有哪些实体、它们怎么发生关系”,再讨论代码怎么组织。
当然,Palantir 和神策的商业路线并不相同。Palantir 走深度定制加高客单价,单个客户的年合同额可以到数千万甚至上亿美元;神策走标准产品加行业方案,单客户几十万到几百万人民币,靠规模化取胜。路线不同,但在“把现场认知沉淀成抽象层”这一点上,逻辑是相同的。团队会把现场认知带回来,认知里关于业务结构的那部分,也就是这个行业有哪些实体、它们怎么发生关系,最终就沉淀在抽象层里。
AI 时代还有一个新样本。OpenAI 分享过他们的路径:给运营商和金融科技客户做客服项目时,把散落在各客户的数百条服务策略参数化,做成一个叫 Swarm 的框架;经过多个客户的复用验证之后,最终产品化成了对外发布的 Agent 开发套件。从单客户探索,到多客户验证,再到产品化发布,每一步都是外环在转。
呈现层:贴合客户原有的工作流
抽象层是抽象给系统的,不是直接呈现给用户的。产品呈现给客户的那一层,反而需要贴着客户原有的工作流来设计,而不是给客户发明一套新的工作流。
举一个我们自己的例子。Omni-Growth 做广告投放诊断时,诊断结果应该怎么展示?我们的做法是按照 Meta 广告后台原有的结构来组织:广告账户、广告系列、广告组、广告,一层一层展开。投手每天查看数据时就是按照这个顺序操作的,不需要学习新的结构,按原有习惯就能看完诊断结果。
但我们最开始选择的其实是另一条看起来更“产品化”的路:把所有诊断结果放在一起,再发明一个“诊断卡片流”之类的新概念。为什么最终没有采用这个方案?并不是因为它不好看,而是因为投手很难核对完整性。他看完所有卡片,心里依然会有一个疑问:除了这些诊断,还有没有别的问题没有查出来?于是,他就会回到 Meta 后台,把所有广告重新检查一遍。这样一来,Agent 原本想替他省掉的工作,一点也没有减少;更重要的是,他从此会对产品的诊断结果将信将疑。
而按照客户熟悉的结构来组织,哪个账户、哪个系列检查过了,有没有问题,都能和投手脑子里那张地图一一对应。只有当投手能确认“没有遗漏”,他才敢把这道工序真正交给 Agent。
所以, 贴着原有工作流设计,省下的是学习成本,获得的是客户信任。Agent 想接管客户的一道工序,前提是客户能确认它没有遗漏,而最直接的核对方式,就是沿用原有的工作流程。 第 5 讲 提到过,我们坐在投手旁边,观察他怎么操作广告后台。到了设计产品时,就要把这些观察落实到产品结构中:客户怎么工作,产品就怎么组织。
第 11 讲说的那些被绕着走的功能,可能并不是产品能力不行,而是客户在产品发明的新概念里无法核对,也不敢信任。底层的抽象越通用越好,那是公司的资产;呈现层的设计越贴近客户原有的习惯越好,那是客户建立信任的入口。
AI 时代,呈现层的新范式
前面讲的是,呈现层要贴合客户原有的工作流。到了 AI 时代,呈现层有了两种新的实现方式,但这个原则没有变。
第一,界面可以低成本生成。 客户的需求千变万化,每家都有自己的特殊情况。AI 第一次让我们可以按照每家客户的需求和习惯,单独生成展现层。我之前表达过一个判断,未来的企业软件也许不再是“一套系统用十年”,而是“十分钟配出一套系统”,客户从使用者变成只关注目标的监督者。ChatGPT、豆包都在往这个方向走。
但生成不是让 AI 天马行空地设计新界面。就像前面的例子,即使诊断结果是即时生成的,也需要按照广告账户、广告系列这套投手熟悉的结构来组织,他才能核对,才敢信任。生成是手段,符合客户脑子里那张地图依然是约束。
第二,操作可以通过对话完成。 过去修改一项配置,需要在界面上逐层操作;现在很多操作用一句话就可以完成。比如圈选一个用户分群,过去要选择事件、设置条件和时间、挑选属性,新人需要学习很久;现在只要说一句“找出最近三十天下过单、但没复购的用户”,Agent 就可以完成配置。
但这里有一条边界。例如复杂信息的增删改查,是标准、高频而且已经非常顺手的操作,传统界面反而更快,也更让人踏实。给客户提供完整的数据分析结果,各种客户已经习惯的图表依然必不可少。越是难以通过界面表达的复杂意图,自然语言才越有价值。复杂的、探索性的操作交给对话;标准的、高频的操作留给界面。
回到产品设计上,AI 能生成界面,也能把操作变成对话,这是过去没有的能力。但界面生成成什么样、对话应该到哪一步,依然需要人根据客户的工作流作出判断。AI 负责把界面做出来,人负责判断它是否符合客户原有的工作方式。

第二个客户用起来,外环才算闭合
到这里,我们从第一个客户现场获得了认知,也把它打磨进了产品,但还不能证明沉淀下来的是通用能力。
完整的外环仍然是三拍:第一拍,在第一个客户现场获得认知;第二拍,把认知打磨进产品;第三拍,让第二个、第三个客户直接使用这项能力,观察交付是不是变得更快、更轻。新版本回到原客户验证当然也有必要,它能确认产品化没有破坏原有场景;但只有新的客户也能用起来,才说明我们提炼的是共性,而不是第一家客户的特殊偏好。外环到这里才真正闭合。
再算一笔经济账,外环模式下,第一个客户可能会是亏损的,因为团队投入了远超合同额的精力去理解场景、完成抽象。但这种亏损是探索性投入,换来的是可复用的能力;而管理不善造成的执行浪费,是另一种完全不同的亏损。
这笔账算不算得过来,取决于第二个、第三个客户的交付成本是不是真的降到了第一次的一个零头。这就是“先亏后盈”的逻辑。怎么定价才能让这笔账成立,第 15 讲会展开讨论;服务做重之后会不会掉进陷阱,第 16 讲再来算总账。

原客户也要毕业:把系统交给客户团队
外环到这里就讲完了。最后再补充一个与外环不同、但同样决定 FDE 能不能离开当前项目的问题:交接。外环回答的是,沉淀下来的能力能不能走向第二个客户;交接回答的是,第一个客户能不能脱离 FDE 独立运营。
交接不是项目结束时突然把系统甩给客户,而是逐步退出日常运营。开始阶段,FDE 主导运行,客户团队跟着学习;接下来,客户团队负责日常运营和一线问题,FDE 退到后方提供支持;最后,客户团队能独立运行、处理常见故障,并根据业务变化持续改进,FDE 只处理平台层的问题。这种从依赖走向独立的过程叫作自治阶梯。
所以,项目毕业的标准不能只看系统是否上线,还要看客户团队是否真正接得住。谁值班、谁接告警、谁维护知识和评估集, 第 12 讲 已经讲过;到了这里,还要检查这些责任是不是已经真正转移给客户,而不只是写在交接文档里。
FDE 真正的交付物,不光是一套系统、一个能力逐渐提升的 Agent,还包括一个有能力的客户团队。系统会过时,一个被 FDE 带出来、会用数据说话的客户团队,才是复购和口碑的来源。这也回应了 第 7 讲 提过的反模式“永久拐杖”:客户永远离不开 FDE,看起来生意很稳定,实际上 FDE 团队被长期占用,客户也没有成长。
课程总结
这一讲,我们讲的是碎石路修成高速公路,核心就一句话: 内环让客户满意,外环让公司值钱。拉远一点看,这就是 FDE 的核心价值:先在一个客户身上做深,再决定什么东西沉淀回平台。
再回到人与 AI 的分工这条线:AI 把做产品、改代码的门槛降低,简化了前后方的协作链路,也能按客户的习惯生成界面、把操作变成对话;但哪些定制值得产品化、界面生成成什么样、对话应该到哪一步,这些判断依然需要人来做。AI 简化的是协作链路,不是产品化的纪律。
我把这一讲的关键点整理成一张表:

如果你想转型 FDE,这一讲讨论的沉淀机制,是 FDE 和外包之间非常重要的一条分界线。每完成一次交付,都可以问自己一个问题:这里面有没有值得形成平台提交的学习成果?即使公司还没有这套机制,也可以先从记录和判断开始。
对交付和实施同学,项目沉淀清单是最容易先用起来的工具。可以在下个项目结项前写一页纸,记录这个项目学到了什么。持续写下去,看项目的角度会逐渐从“做完了没有”,变成“留下了什么”。
对 To B 创业者和技术决策者,可以把沉淀仪表盘的几个指标真正算一遍,特别是第二客户时间。如果第二次交付和第一次一样重,公司无论签了多少单,本质上都还在原地踏步。
到这里,能沉淀进产品的东西,需求、代码、抽象,这一讲都讲完了。但开头说过,沉淀下来的东西还有另一类:团队在现场积累的行业认知和判断,也就是 know-how。这些知识往往存在于团队成员的脑子里,怎么把它们变成可复制、可规模化的护城河,并且变成 Agent 的知识库?下一讲,我们讨论私有知识:AI 时代 To B 公司真正的护城河怎么建。
思考题
留两个问题,欢迎你在留言区聊聊。
第一,算一算你们的“第二客户时间”:最近两个相似的项目,第二个比第一个快了多少?如果没有变快,原因是什么,是没有沉淀,还是沉淀之后没有人使用?
第二,回想最近完成的一个项目。如果现在补一份项目沉淀清单,可以写出几条“值得沉淀的经验”?这些内容目前存放在哪里?
期待你在留言区分享你的思考。如果这节课对你有启发,也推荐你把它分享给身边更多朋友。