我的项目笔记 · 更新 2026-09-09
AI 落地知识树
企业 AI 的资料很多，但散。老板今天听一个概念，明天换一个工具，团队不知道先干什么。“AI 落地知识树”就是把这件事结构化：7 条主干 21 个问题，从理解 AI、个人应用、决定投入、重做流程、做成系统、改变组织，一直到培养 FDE，每个问题都写清我们的判断、做法、交付物和待验证事项。
这项工作解决什么问题
- 7 条主干、21 个问题，每个问题含判断、做法、交付物、待验证四项。
- 配套可编辑脑图（drawio 双页）：知识树本体 + 业务问题到 9 项服务能力的地图。
- 编写约定严格：学习材料必须经拆解比较适配验证才进入正文，仅改名换说法不算消化。
我们会按这几步展开
- 确定知识体系要回答的核心问题清单。
- 为每个问题写清判断、做法、交付物、待验证事项。
- 建立编写约定：外部材料必须经拆解验证才纳入。
- 用可编辑脑图呈现结构，保持可维护。
- 待验证事项单独管理，不预填收益数字。
Possible outputs
能拿到什么
0121 问方法论正文02可编辑知识脑图03能力地图04/cases/ai-knowledge-tree/01_知识树.png
关于这份记录
这是一套方法论讨论稿（v0.3），其中待验证事项较多，引用时不预填收益数字。知识树本身是认知框架，具体落地仍需结合企业实际情况设计。
作者：万臻。这里整理项目中的做法与思考，附可参考的工作样表。