FDE Training · Module 12

12

业务翻译与需求拆解实战案例

模块 12 · 业务翻译与需求拆解实战案例（核心案例集）

本章是全课程核心：用 AI 大模型私有化 / 驻场交付的真实高频业务场景，让你反复练习那条最关键的链路——

客户讲业务语言 → FDE 识别真实诉求、隐性约束、伪需求 → 转化为可落地的技术需求，划分边界、定义验收标准，识别风险

每个案例按统一的"标准打法"演练，学会后任何客户需求都能套用。请务必先自己写一遍，再看解答。

12.0 统一标准打法（先把骨架背熟）

① 听原话      : 记下客户原话，别急着改写成技术
② 挖真实诉求  : 背后想解决的业务问题（业务指标）
③ 找隐性约束  : 没明说但存在的限制（数据/权限/合规/预算/环境/工期）
④ 揪伪需求    : 听起来合理但非真需求 / 成本远大于价值的需求
⑤ 转技术需求  : 拆成可落地的技术要点（解析?RAG?Agent?权限?部署?）
⑥ 划边界      : Must / Should / Could，明确"我不做"
⑦ 定义验收    : 业务指标 + 技术指标，双方认可、留痕
⑧ 识别风险    : 提前预警 + Plan B

练习方式：每个案例都给"客户原话"，你先脑补/写出 ②→⑧，再对照答案。这才是训练，直接读答案用处减半。

技术名词索引（按需回补）：案例里反复出现的硬技能名词，映射到本课程模块与本站页面，读到哪里卡壳就往回补：

案例 1：银行合同自动审单（金融 · 高频）

客户原话

"我们法务每天要看几百份采购合同，太慢了，还总漏风险点。你们做个 AI，把所有合同自动审了，都不用人工了。"

标准打法演练

② 真实诉求：把"看合同太慢、总漏关键条款"的人工瓶颈，用 AI 提速并减少遗漏。业务指标可能是：单份合同审单时间大幅下降、风险条款召回率提升。但"不人工"大概率不是真实诉求——出事要有人负责，最终得有人把关。

③ 隐性约束：

  • 数据不能出内网（合同含商业机密）→ 大概率私有化或内网大模型。
  • 合同格式多样：Word、扫描 PDF（要 OCR）、图片。
  • 审单规则得从法务现有标准/历史判例里来。
  • 下游流程要接进现有 OA/审批系统。
  • 合规：审单过程和留痕要满足审计/等保。

④ 伪需求：

  • "全部自动、零人工"是伪需求撮合——模型做不到 100%，重大合同人工复核是必须的兜底。
  • "审所有类型合同"过宽：先把高频、标准化的采购合同做精，再做其他。

⑤ 转技术需求：

  • 文档解析/清洗/OCR（模块 04）；按法务规则做若干审单维度。
  • RAG 接入法务规则库 + 历史判例；按合同类型做分块与检索。
  • 审批流 Agent：审单 → 发现风险 → 关联条款 → 出建议 → 高风险走人工。
  • 权限：审单人只能看自己经办的合同；RBAC + RAG 权限过滤。
  • 部署：内网私有化大模型（vLLM）。
  • 留痕/审计：每次审单存储并可查。

⑥ 划边界：

  • Must：自动化审单 + 规则 RAG + 人工复核兜底 + 权限 + 留痕。
  • Should：审单依据可视化、自动生成修改建议。
  • Could：跨部门统计报表、自动分派（后置）。

⑦ 验收：

  • 业务：单份审单平均时间下降 ≥ X%（客户定）、人工复核量可控。
  • 技术：审单准确率 ≥ X%、五大风险条款召回率 ≥ X%、全程留痕可查。
  • 双方签确认。

⑧ 风险：

  • 扫描合同 OCR 识别率不达标 → 先抽样评估，识别率低则限定支持范围。
  • 大模型效果达不到"免人工"预期 → 提前约定"自动+人工复核"兜底，不答应零人工。
  • 数据出内网合规 → 私有化/内网方案，提前定档。
  • Plan B：首批先做"风险项初筛+人工终审"，稳定后再扩大范围。

案例 2：政务智能问答（政务 · 合规高频）

客户原话

"老百姓总打电话问办事要啥材料、怎么走流程，客服一大堆人。你们做个 AI 直接答，还要能查政策。"

演练要点（给出答案导向）

② 真实诉求：降低咨询人力 + 提升群众办事体验。指标：客服转人工率、一次答对率。 ③ 隐性约束：

  • 政策文件是权威依据，答错有责任，必须"引经据典"，不得编造。
  • 政务系统隔离/涉密，数据内网，可能还要等保测评。
  • 政策更新频繁，知识库要能持续增删改。
  • 多问多轮（追问材料细节）。 ④ 伪需求："能查政策"≠"把所有政策全文丢进去"。应该按办事场景结构化成"办事指南"，而非回答任意政策问题。 ⑤ 技术需求：
  • 政策/办事指南 RAG：结构分块 + 权限（公开政策可答，内部文件不可）。
  • 权威兜底：无可靠依据 → "建议电话咨询/人工"，不瞎答。
  • 多轮会话 + 意图分类（办证/缴费/投诉）。
  • 留痕记群众问题与答复，满足可核查。
  • 内网部署 + 内容更新管道（新政策发布自动同步向量库）。 ⑥ 边界/验收/风险：
  • 验收：问答准确率、依据命中率 100%（凡答必有政策出处）、转人工率下降。
  • 风险：答错责任 → 用"无依据即转人工 + 内容审计"兜底；政策更新滞后 → 建立更新流程和时效告警。

案例 3：制造厂设备故障辅助诊断（制造 · 工业推理高频）

客户原话

"维修师傅经验老练跑了的不少，新师傅老修不对。你们搞个 AI，把维修经验都存进去，谁修不好就问它。"

演练

② 真实诉求：把老师傅的隐性经验沉淀成 AI 能用的知识，降低对新师傅的依赖，提升一次维修成功率。 ③ 隐性约束：

  • 故障数据/设备日志可能在封闭内网，不能用公网大模型。
  • 现场经验多是非结构化的口头经验/工单，要先梳理成结构化知识。
  • 维修涉及安全，结论不能是"可能"而要有依据序列（步骤、部件、风险）。
  • 可能没有现成数据集，先做事后补。 ④ 伪需求："老师傅经验都存进去"过大；还要"修不好就问"——故障诊断是多步推理，不是单问单答。 ⑤ 技术需求：
  • 经验知识库 RAG（工单/故障手册/操作记录）+ 结构化为"故障→原因→处理→风险"。
  • 故障诊断 Agent：报错/现象 → 逐步排查 → 给序列化排查建议（含兜底"该叫支持/停机会更高层"）。
  • 内网私有化小模型 + 离线依赖包。
  • 权限：不同工区只能看各自设备。 ⑥ 边界/验收/风险：
  • 验收：一次维修成功率对比提升、诊断建议采纳率、响应速度。
  • 风险：设备多样数据不足 → 分批建库、先聚焦高发故障；安全风险 → 只出"建议"不出"最终操作"，并二次人工确认；封闭内网离线部署要提前备料。

案例 4：医疗病历辅助（医疗 · 隐私高压）

客户原话

"医生写病历太花时间。用 AI 帮我们把门诊对话自动转成结构化病历，医生改个名就提交。"

演练

② 真实诉求：释放医生书写时间，提高病历一致性。指标：每份病历时间下降、医生采纳率提升。 ③ 隐性约束：

  • 患者隐私+合规：病历是敏感数据（PII），极严格，必须脱敏/权限/私有化/审计，可能涉医疗数据合规。
  • 规范：病历要符合医疗书写规范，不能由模型"自由发挥"导致误诊记录。
  • 语音转写准确率影响质量。
  • 医生工作流要无缝（改完即存，融入现有 HIS）。 ④ 伪需求："AI 自动生成完整病历"危险——诊断部分不能由模型乱给，只能辅助生成客观记录（主诉、现病史、查体），主观诊断由医生定。 ⑤ 技术需求：
  • ASR 语音转写 + 医疗术语后处理。
  • 结构化抽取（主诉/体征/诊断/用药）→ 生成病历草稿（低 temperature + 格式约束）。
  • 脱敏：去标识、姓名/号打码，存储加密，权限最小化，全程审计。
  • 私有化部署，数据不出内网。
  • 医生确认/修改留痕。 ⑥ 边界/验收/风险：
  • 验收：生成草稿医生利用率、平均减时、结构化字段准确率；加密与审计达标。
  • 风险：隐私合规（必须脱敏+权限+审计，否则一票否决）；转写/抽取不准 → 草稿定位为"初稿"，限医生必修，不给"自动入库"免验。

案例 5：跨国企业客服多语言 Agent（通用 · 集成高频）

客户原话

"全球客服，各国语言不一样，人力贵还慢。做 24 小时多语言客服，能查订单、能改地址、能退换货。"

演练

② 真实诉求：24 小时低成本多语言服务 + 自助处理常见业务，减少转人工。 ③ 隐性约束：

  • 各国有合规/语种差异；涉敏感动作（退换货、退款）要有授权与风险控制。
  • 要接 CRM/订单系统；跨时区。
  • 多语言质量实时。 ④ 伪需求："完全替代人工"过度；"能退换货"不等于能自动执行高风险操作（权限/风控）。 ⑤ 技术需求：
  • 意图识别 + 多语言 → 客服 Agent，工具调用查订单/下单/改地址（只读为主，写操作走强校验）。
  • 会话状态管理（LangGraph 特有状态）+ 转人工（人工接管保持上下文）。
  • 权限 + 鉴权：退款等高危行为必须人工审批 / 二次验证。
  • 可观测性：追踪会话上下文、意图、工具调用，避免乱改。 ⑥ 边界/验收/风险：
  • 验收：首响解决率、转人工率、自助处理率、高危动作零越权。
  • 风险：Agent 越权操作 → 高危动作白名单+人工确认；多语言理解偏差 → 设置质量监控与人工回看。

12.9 面试即兴演练（给几个"快问快答"）

这些给出口头标准答，练到脱口而出：

  1. "客户让你做'AI 审合同'，你第一句话问什么？" → "您最想解决的是审单太慢，还是漏风险点？准确率达到多少您能接受？合同要不要出内网？我们先把范围定清楚再动手。"（不等于直接说"好"）
  2. "客户加需求：'顺便把历史合同全部翻译成英文。'"你怎么回？ → 评估：这个需求是 Could/Must？工作量多大？对原目标有无关？如果是锦上添花，进下一期；若坚持，明确加工期/成本，重新排期，不留糊涂账。
  3. "客户说'你们 AI 我看假了，不准'，你先怎么应对？" → 先接纳情绪，再请 TA 给 2-3 个具体反例 → 快速复现 → 判断是召回、Prompt 还是权限 → 给修复计划 + 上线前的复测，别辩解别甩锅。

12.10 模块练习

  1. 用"标准打法"重做案例 2、3、5 之一（不要看答案，写完整 ②→⑧）。
  2. 造一个你熟悉的行业需求（任意行业），用标准打法拆一遍，并找一个人当"客户"对戏 10 分钟。
  3. 挑一个案例，把"验收标准"写成可量化的表格（业务指标 + 技术指标）。
  4. 就案例 1，给客户写一封"项目启动对齐邮件"：说清要做/不做/验收/风险，尽量少术语。
  5. 模拟一次"客户在高管面前问技术"：把案例 3 的完整方案用 1 分钟讲给非技术老板听，只讲收益/成本/风险。

12.11 本章面试题（总装）

  1. "为什么 FDE 的首要能力是业务翻译？" → 答：客户表达的是业务语言，隐藏的是真实诉求和矛盾；翻译不准，方案全错、边做边返工。能识别真实诉求/隐性约束/伪需求，才谈得上可落地的技术需求、边界、验收和风险。
  2. "把多个不同客户的案例做下来，你沉淀了什么方法论？" → 答：统一打法（听原话→挖诉求→找约束→揪伪需求→转技术→划边界→定验收→识风险）+ 方案画布 + 可复用组件（RAG、权限、脱敏、Guardrails）。方法论和组件让下一个客户快速启动。
  3. "遇到'客户自己都不知道要什么'怎么办？" → 答：用 POC 引导——先给一两个可行方向的高风险验证，用结果和客户业务一起收敛诉求，而不是等他描述完美；同时给出一版"方案画布"让他确认边界。
  4. "客户坚持一个技术上行不通的需求，你怎么办？" → 答：不当面硬顶：用数据和证据讲清代价与风险（如准确率不足、成本爆炸、合规风险），给出可行替代方案和 Plan B；把决策权交给客户但把后果讲透，并留痕。
  5. "整个项目做下来，你觉得交付成功的最关键一环是什么？" → 答：拿高分答法：是"前期需求翻译+边界+验收对齐"——它决定了后面所有工作是否对准客户真正的业务目标，也决定了客户的满意度和信任。

12.12 小结

  • 核心链路只有一条，反复练到肌肉记忆：业务语言 → 真实诉求/隐性约束/伪需求 → 技术需求 → 边界/验收 → 风险。
  • 每个案例都有共性：数据很脏要清洗、数据要守内网、效果达不到要有人工兜底、范围会失控要管控、结论要留痕可查。
  • 私有大模型 / 驻场场景的高频关键词：私有化部署、OCR/解析、RAG、权限隔离、脱敏、Guardrails、Agent 可观测性、Evals。
  • 学会"先对齐再动手"，你就在交付这条路上赢了一半。

下一章（最后一个）：进阶专项 + 全流程面试秘籍。

延伸阅读 · 去本站教学页补齐基础

本页由 FDE 培养课程文档生成，完整课程见 FDE 培养 · 课程总览。