AI 落地知识库
覆盖 AI 转型、FDE（前沿部署工程师）方法论、RAG、Agent、知识管理等主题的一线实践与洞察，按主题浏览企业 AI 落地的真实经验。
智能体分析不是与数据聊天，而是行动
过去两年，“智能体分析”（Agent(https://www.53ai.com/news/LargeLanguageModel/2024052823549.html)ic Analytics）这个词几乎出现在了每一家BI厂商、每一个语义…
冯颉：AI 正在重做软件公司的组织链条
AI 对软件公司的改造，不只发生在产品里。铱云从产研、决策机制到交付链条重新调整，让懂 AI 的人更早面对客户，用更短的链条把需求变成可验证的结果。
数据分析需要专门的智能体吗? 阿里给出了答案
通用智能体和编程智能体的核心边界在哪里？是否真的有必要为数据分析单独造一套系统？如果需要，具体要解决什么难题？
别再用员工使用率证明AI转型成功
很多 AI 项目到了汇报阶段，都会出现一页很热闹的数据。
AI时代，FDE应该升级为FDC
最近，在辅导企业AI 落地的过程中，我越来越强烈地感受到：
我做了一年多FDE，发现AI项目最难的根本不是技术
FDE(https://www.53ai.com/news/zhinenghuagaizao/2026051372635.html) · BUSINESS TRANSLATION
我如何在 AI 浪潮里，重新理解团队和组织
2024 年年末，在彼时轰轰烈烈的 AI 浪潮下，我受到了一股从未有过的力量驱动。
AI Native 组织的终局，不是少雇人，而是重新定义岗位 丨 AI Native 组织进化 6 问之六
很多公司做 AI 规划时，很容易从编制表开始。
企业AI改造第一步：你不在上AI，你在还债
上期结尾我留了一句话——"道理我都懂，但第一步就是迈不出去。"线上化这件事，说起来是"把工作流搬上来"，做起来是要把老师傅脑子里的隐性知识挖出来、把不同部门各说各话的口径对齐、还要处理"这件事一直是张三说了算但现在要交给系统"的组织博弈。
给「AI 组织」交了好几波学费后，终于看清了这五级台阶
前段时间有感而发，在朋友圈发了一段关于「公司推 AI 变革 5 个阶段」的观察。没想到，这条简短的动态引发了大量企业家朋友的共鸣和讨论。
企业真正缺的是 AI 落地翻译层
Limen AI Lab · Business AI
AI时代，企业最大的升级，不是降本增效，而是重构运行方式
见过很多老板,其实心里都清楚一件事:公司越来越离不开自己了。
麦肯锡最新研究：AI 不是工具升级，而是组织再造
最近两年，几乎所有公司都在谈 AI。给员工配工具、开培训、做试点、上大模型，似乎只要“用起来”，转型就发生了。可现实是，很多企业的 AI 项目热闹有余，收益不足，真正能转化为企业价值的并不多。
传统企业系统怎么和AI结合？我的落地框架
我自己就是从传统系统管理转型做AI落地的。这两年摸索出一套框架，不敢说是最完美的，但至少在我手上跑通了几个项目。今天把这套框架完整地交出来。
企业AI转型第一步，不是买软件，而是找场景
场景找不准，AI就是摆设；场景找对了，小工具也能变成生产力。
为什么很多公司的 AI 转型，会卡在中层？ 丨 AI Native 组织进化 6 问之五
很多 AI 项目，刚开始都很像一个好消息。
从 Coder 到 Designer ：电商团队数据研发的 Harness Engineering 实践
这是2026年的第 36 篇文章
AI 转型进入深水区：组织 AI 化，不是搭几个智能体
最近我一直在想一个问题：组织 AI 化，到底是什么？
别急着部署 MCP Toolbox
MCP Toolbox 很适合小团队研究“让 AI 安全查数据库”，但第一步不该接生产库，更不该给通用写权限。
从AI工具化到AI组织化：大多数企业走错了路
大多数企业都在用战术上的勤奋，掩盖战略上的盲区。
从超级个体到超级组织：1688 数据中心 Multi-Agent 研发小队实录
我们在做数据研发领域的 AI coding，在建设项目能力的过程中和集团很多的 BU 都有深入的交流，今年发现大家除了端到端的交付外，大家都在探索"超级组织"，我们通过「 Loop Engineering」和「知识工程」解决复杂工作流的…
00｜企业 AI 落地实战：写在系列开始之前
过去一年，很多团队都把 AI 接进了业务系统。
AI技术坟场——没有系统思维的企业管理智能化部署，就是一场灾难！
第九期我们拆解了三层基建——编程遍地开花是因为三层地基碰巧全有，经营全军覆没是因为一层都没搭。这一期要回答一个更实际的问题：知道了基建很重要，但你是一家年营收几个亿的制造企业老板，你不可能关起门来花两年先把基建搭完再上AI。你的管理层每…