行业与方法论卷：F7-F8案例与工具

📚 考察范围

F7 六个行业现场：① 炼化厂工业Agent案例（数据孤岛/老专家经验/安全约束）；② 跨境物流装车优化案例（多约束优化/实时性/多方协同）；③ 美妆全链路FDE渗透案例（获客/客服/供应链/营销全链路）；④ 银行对公信贷人机协同案例（风险/合规/效率平衡）；⑤ 三甲医院肿瘤研究虚拟数据中台（数据不动/隐私合规/多源整合）；⑥ 上海电信Echo+Delta双轨案例（规模化/组织变革/双轨并行）。

F8 工具与方法：① 本体建模四步法（确定领域→定义类和关系→构建属性→验证迭代）；② 知识萃取六维度（流程/规则/经验/异常/术语/案例）；③ 具体案例逐句复盘访谈法；④ 四象限分类决策法；⑤ AI Agent四步框架（感知→思考→行动→反馈）；⑥ 业务策略决定AI产出质量。

重点：六个行业案例的核心痛点和解决方案、本体建模四步法、知识萃取六维度、AI Agent四步框架、业务策略决定AI产出质量。

难点：从案例中提炼可迁移的方法论、本体建模的实际应用、知识萃取的操作方法、业务策略跟AI产出的关系。

❓ 典型题型示例

单选题示例：

Q：本体建模四步法的第一步是什么？

A. 定义类和关系 B. 确定领域和范围 C. 构建属性 D. 验证和迭代

正确答案：B

多选题示例：

Q：知识萃取的六个维度包括哪些？

A. 流程 B. 规则 C. 经验 D. 异常 E. 术语 F. 案例 G. 代码

正确答案：ABCDEF

判断题示例：

Q：AI Agent的四步框架是：感知→思考→行动→反馈。

A. 正确 B. 错误

正确答案：A

简答题示例：

Q：简述"业务策略决定AI产出质量"的含义。

参考答案：AI的产出质量不仅取决于技术（模型、算法），更取决于业务策略——你让AI做什么、怎么做、用什么数据、怎么评估，这些业务策略决定了AI的产出质量。同样的模型，业务策略清晰（目标明确、数据准确、评估合理），产出质量就高；业务策略模糊（目标不清、数据混乱、没有评估），产出质量就低。所以FDE不仅要懂技术，更要懂业务策略——先把业务策略想清楚，再做AI，才能产出高质量的结果。

案例分析题示例：

Q：一个制造企业想做工业Agent，核心痛点是老专家经验难以传承、数据孤岛严重、安全约束严格。请结合炼化厂案例，分析应该怎么切入，用什么方法解决。

参考答案要点：① 切入：选一个老专家经验最集中、数据相对完整、安全约束可管理的场景做MVD（比如设备故障诊断），不要一开始就全工厂推广；② 知识萃取：用知识萃取六维度（流程/规则/经验/异常/术语/案例）跟老专家访谈，把隐性经验显性化，构建知识库；③ 本体建模：用本体建模四步法构建设备和故障的本体，统一术语和关系，解决数据孤岛；④ 人机协同：用强人在环中模式（AI给建议，老专家做决策），安全约束下AI不直接执行，降低风险；⑤ 影子运行：先影子运行，AI建议跟老专家决策对比，验证准确率，达标后再逐步上线。

💡 备考要点

① 六个行业案例要理解核心逻辑——不用背每个案例的细节，但要理解每个案例的核心痛点、解决方案、关键成功因素，以及能迁移到其他行业的方法论。考试可能给一个新行业的案例，让你用学过的方法论分析。

② 本体建模四步法要记牢——确定领域和范围→定义类和关系→构建属性→验证和迭代。每一步的核心动作和输出要理解。本体建模是FDE解决数据孤岛和知识结构化的核心方法。

③ 知识萃取六维度要记牢——流程、规则、经验、异常、术语、案例。每个维度的含义和萃取方法要理解。知识萃取是把老专家隐性经验显性化的核心方法，在工业、医疗、金融等专家经验密集的行业特别重要。

④ AI Agent四步框架要理解——感知（获取信息）→思考（推理决策）→行动（执行操作）→反馈（评估结果）。每一步的技术实现和业务含义要理解。这是设计AI Agent的基础框架。

⑤ 业务策略决定AI产出质量要深入理解——这是FDE跟普通AI工程师的核心区别之一。普通AI工程师关注模型和算法，FDE关注业务策略——目标定义、数据策略、评估方法、人机协同模式，这些业务策略决定了AI的产出质量。要能举例说明业务策略怎么影响AI产出。

⑥ 案例迁移能力要培养——考试重点不是考你背了多少案例，是考你能不能把案例中的方法论迁移到新场景。复习时不要只记案例细节，要多思考"这个案例的方法还能用在什么场景""如果换一个行业，这个方法怎么调整"。

⑦ 四象限分类决策法和逐句复盘访谈法要了解——这些是FDE的实用工具，虽然不是核心，但考试可能考到。了解它们的用途和基本方法即可。