企业 AI 落地，别先要求员工学会用智能体
员工的阻力往往来自时间、责任边界和工作路径成本。前台应尽量保持熟悉，复杂能力放在后台承接。
核心判断：后台智能体化，前台应用化。Enterprise AI Field Notes
记录真实实施中的判断，
而不是追逐工具热点。
这里整理企业 AI 培训、WorkBuddy 实操、飞书／企微／钉钉协同、知识治理和项目复盘中的可执行结论。
企业 AI 落地手册
内容围绕四条主线持续更新：企业 AI 判断、WorkBuddy 实操、协同平台运行、真实交付复盘。每个主题都尽量给出适用条件、具体动作、验证信号和失效边界。
企业 AI 落地不能一直依赖外部 FDE
外部团队可以加速第一批场景，但客户内部必须逐步形成需求判断、知识治理与运行复盘能力。
核心判断：交付要包含能力转移。从会议记录到任务闭环，中间必须经过人工确认
讨论、建议、待确认和真正行动项不是一回事。自动创建任务看似高效，实际容易制造噪声和错误责任。
核心判断：行动项不默认等于任务。企业知识库不是文件堆，文件明示也不等于企业确认
来源文件只证明“写过”，正式知识还需要负责人审核、状态标记、适用边界和更新机制。
核心判断：候选与正式知识分开。WorkBuddy 与飞书应该如何分工
WorkBuddy 负责理解、生成和跨工具执行，飞书承担组织身份、消息、会议、任务、知识和业务协作入口。
核心判断：AI 工作台与企业协同底座互补。从三焙山培训看企业 AI 落地的前置条件
账号、设备、长期运行环境、资料权限和关键岗位参与度，都会直接影响现场培训能否进入后续实施。
核心判断：物料准备也是交付的一部分。01内容边界
不把一次成功写成万能方法，也不把产品宣传写成业务事实
所有内容优先说明依据、适用范围和不能直接套用的情况。
保留来源
公开资料、现场记录、测试结果和客户确认分别标记。
标记状态
区分草稿、试运行、已验证、已修订和待确认。
给出动作
不能指导下一次判断和动作的内容，不包装成方法论。
Bring a concrete question
如果你正在面对一个具体问题，我们可以从事实一起判断。
带上业务流程、现有工具和真实阻塞，比泛泛讨论“AI 转型”更有效。