当 Agent 的用户教育结束，AI 真正困难的部分才开始。作者从「看着 codex 额度 100% 就想用掉」说起，拆解 Chat、Coding、Work 三类 Agent 入口分化之后，企业的卡点在哪里，以及 FDE 为什么突然火起来。

最近半年经历比较多，感受蛮多，甚至很多时候来不及总结。

这篇文章起源于我看着 codex 的额度 100%，下意识的我就想赶紧找点东西把它用掉，一方面是想触发一次 5h 的，一方面怕它又莫名其妙重置了。

实际上模型相对之前已经很便宜了，不是钱的问题，真是觉得 token 不用掉好浪费，这么一想，消费习惯还是培养起来了。

但是手放在键盘上想了半天，还是不知道用它来干啥，开始无意识的在键盘上打字，这篇文章就出来了。

前段时间就听到好多最喜欢秀 token 用量的人在说：我已经对订阅额度用没用完脱敏了，爱重置重置，不关我的事。

我当时脑海里第一个想法是：诶？之前你可不是这么说的，是谁天天说限制自己发挥的只有模型额度？

仔细想想，这个心态怎么产生的，是 tibo 不停的重置额度，让人产生了被追着消耗 Token 的感觉，还是从大家开始晒自己日均多少 token 开始的，亦或是 opus 4.6 带来的模型能力真正泛场景可用以后的新鲜感。

说到这，Opus 4.6 当时甚至一度成了计量单位，一个新模型出来都会先问跟 Opus4.6 比怎么样，直到现在很多 flash 类模型还在对标 Opus4.6

仔细想想，这个心态好像来源于害怕掉队，毕竟最初跟模型待在一起的每一天，你真的能明显感觉到自己在进步，之前不会、不能、很麻烦的事情，直接跟模型一起嗖的一下就搞出来了，那个反馈太强了，

甚至我都已经习惯了凌晨 3 点再催自己睡觉，无它，额度没用完。

回转到半年以前，3 月底4 月初，还正是Openclaw 最火的时候，那个时候大家都在秀自己的龙虾，但是仔细看大家秀的好像都是我已经装上了龙虾，再翻译一下就是快来找我装龙虾吧。

当然我也是秀这个，我当时还搞了一个龙虾军团网络，用2 台 A1398 无头骑士每台装了一个 openclaw 和一个 Hermes，还给他们设计了一个通道协议去互相调用和修复，因为我也是实在不知道他能用来干什么。

对，没场景。

ok 他的记忆机制在当时来说很厉害、他是一个本地个人助手、他越养越聪明。

但问题是，我的注意力为啥要花在跟一个不那么智能还不稳定的小智障聊天。

嗯，所以最近 Qclaw 要下线了我也觉得很正常，我确实也从来没找到它的场景，伪需求+1。

但换个角度说，Openclaw确实做了一波极好的用户教育，它让原来只知道 ChatGPT 可以聊天的人第一次意识到：哦，原来 AI 不只是一个聊天框。

顺便还带火了一大批自媒体，那个时候甚至可以说是 AI 自媒体起号最好的时候。

后来的事情大家都知道，置于钉内吃饭砸锅，悟空也胎死腹中失去最好时机，豆包在 Chat Agent 一骑绝尘，Codex和 Claude code 在 Coding Agent领域二分天下，workbuddy 在 Work Agent 作为黑马强势入场。

这个时候，其实 Agent 作为工具，已经慢慢分出了几个非常清楚的使用入口：Chat Agent、Coding Agent、Work Agent

跟 AI 聊天、让 AI 写代码、让 AI 在电脑干活，这三类东西跑通以后，意味着：Agent 工具层的用户教育，差不多完成了。

大家已经不太需要再被教育 AI 可以干什么了，你随便问在职场的人怎么看待 AI 这几年的变化、AI 帮我们做了什么、你对 AI 的期待是什么，大家的理解都大差不大。

但是

但是

三类 Agent 都成熟以后，我发现大家反而更焦虑了，为啥？

以前还能找理由，无非就是模型不够强、工具不好用、上下文还不够长、额度不够嘛，反正总能找到一个理由解释，不是我不行，是 AI 还不行。

而且心里还能安慰自己：没事，我这样，我们同行肯定也这样。

但现在这个理由不好用了，三类 Agent 工具场景、能力已经有共识了，模型能力、工具能力、额度都已经不是问题了。

现在的问题是：最强的工具都给你了，然后呢？

所以我们利润提高了吗？成本降低了吗？效率提高了吗？原来解决不了的问题解决了吗？

如果这些都没有，那你每天和模型聊到凌晨三点，跟业务有什么关系？

我在企业感受到的是：现在工具是强了，但是大家的焦虑还在，反而可能更强了。

从 AI 我会不会用，变成了 AI 我到底用没用起来，再到我怎么把工具和 AI 大的能力体现到业务价值中？

最难受的地方就在这里，工具层大家都已经进入共识阶段了，那我还没用起来、还没用好，我是不是要被淘汰了？

AI 原生组织说了那么久，是不是有同行企业已经在路上了，甚至别人可能进程过半了？我还在研究 Prompt 怎么写？

企业又开始焦虑了，于是 FDE 开始越来越火，是因为 AI 培养出了一群既懂业务、又懂技术的全才？

这是一种典型的翻译性话术，就是为了让一个还没接触过这件事的人，三十秒大概理解 FDE 是干嘛的。

但如果你一路看到这里，应该能感受出来。

工具的问题逐渐被解决以后，就像拨开了迷雾，工具和业务结果之间那一大段空白，终于暴露出来了。

以前我们把大量时间花在学工具上，怎么写 Prompt、怎么用 workbuddy，这些东西当然都要会，但这些东西自媒体上一搜一大把，甚至你都不用去看其他教程，就在我们公众号上学，我们这些东西都是免费发出来给大家学的。

为什么？Agent 工具本身现在已经不太需要大篇幅地教了，最好的学习方法就一个：用

甚至初学者可以每天给自己定个 KPI：把订阅的 Token 用完，一直用完哪天 Token 重置了，你内心毫无波澜，爱重置重置，基本就差不多了。

这个时候真正困难的东西才开始出现。

真正的要学的是什么，是识别 AI 如何进入业务价值、是控制 AI 能力的边界、是把抽象逻辑翻译成显性化成 SOP 、是 AI 应用构建和验证的能力、是持续构建业务价值飞轮的能力。

怎么理解？

很多业务专家会说：“这个其实很简单，我一看就知道。”

你再问一句：“那你是怎么看的？”

沉默了

憋出一句，你不懂，就这么看的，很简单。

很多技术专家会说：“我这个东西很牛的，我们研究了很久”

你再问一句：“他的业务价值是啥”

沉默了

憋出一句，你不懂，行业领先。

很多管理专家会说：“这个指标很重要”

你再问一句：“这个指标怎么拆呢”

沉默了

憋出一句，你不懂，但是老板知道。

这些能力有一个很烦人的特点：很散。

这里的能力有些需要踩坑，有些需要有全局视角，有些需要不同类型的项目案例，有些还需要亲自动手跑一遍才有感受。

从单一的传统角色或者渠道来源获取不了，很散，但做着做着，又会发现这些东西好像真的能串起来。

就这么理解，现在我把一个真实 AI 项目扔给你，你的指标就是让这个 AI 项目最后落地产生对应的业务价值，最后我只看一件事：业务结果有没有发生。不是给我交付一套系统，你要几个人、什么能力、怎么做？

把这个问题想明白，比所谓的AI 项目需要既懂业务又懂技术的复合型人才，更接近 FDE 真正出现的原因。

所以如果你真想学这件事，我现在反而不建议把 Prompt 怎么写、 Agent 怎么用这种工具本身当成学习主线了，先把真正的框架搭起来：会判断项目价值、会表达业务逻辑、会选技术路径、会快速构建和验证、会把结果真正跑进业务。

工具缺什么再补什么，项目做到哪学到哪，这样这套东西自己也能一点点踩坑学出来，只是比较散，也比较慢。

我们过去半年基本就在干这件事：拿真实 AI 项目反复跑，把踩过的坑、形成的判断和方法，整理成了一套 FDE 项目实践框架。