从方法论到落地反馈,一套完整的街头AI服务知识体系
由大公司提供,FDE不需要自己训练模型。利用TRAE Work生成页面、DeepSeek API提供对话能力、Coze搭建工作流。
FDE在实战中总结的可复用解决方案。每个SKILL包含:触发条件、执行流程、输入模板、输出规范、工具栈。新商家可直接匹配已有SKILL,无需从零开始。
FDE决定收集什么数据、如何结构化、如何反馈到SKILL迭代。这是FDE最核心的能力——不是用AI,而是教AI理解街边小店。
不要一上来就推销AI,先聊老板的日常痛点。问:"你每天最头疼的事情是什么?""什么事最花时间?"观察店里有没有手工重复劳动。
让商家填写4维度28题问卷(FDE可以帮忙填)。重点关注:日常运营重复性、时间消耗、数据管理、AI接受度。先收集店铺基本信息(名称、地址、老板、电话)。
把问卷结果告诉智能体,补充FDE现场观察(技术水平、预算、设备、最急问题)。和智能体讨论:先从哪个痛点切入?用哪个SKILL?怎么实施?
智能体生成初版方案,FDE根据和商家的沟通调整。最终方案包含:问题诊断、推荐方案、实施步骤、预期效果、成本估算。
简单问题:HTML页面交付,TRAE Work直接生成,半小时搞定。复杂问题:用AI智能体持续服务。关键:让老板算得清账——记录省了多少时间,值多少钱。
| 维度 | 题数 | 高分含义 | 低分含义 |
|---|---|---|---|
| A · 日常运营重复性 | 7题 | 70+:严重,大量重复工作 | <50:运营效率较高 |
| B · 时间消耗 | 7题 | 70+:每天2-4h花在琐事 | <50:时间管理较好 |
| C · 数据管理 | 7题 | 70+:完全无数据意识 | <50:已有数据习惯 |
| D · AI接受度 | 7题 | 70+:非常愿意尝试 | <50:抵触,需建信任 |