文章末尾一句「这是FDE第一次进客户现场最该交付的东西」，点出了一个正在被疯抢的角色。前沿部署工程师（Forward Deployed Engineer）由 Palantir 约二十年前从军事概念引入商业，形成「Echo 洞察需求 + Delta 技术实现」的双人协同模式。它的核心不是写代码，而是坐在理赔专员旁边拿秒表计时、把老板嘴里的「提效」翻译成可验证的业务目标——正好是七格法的执行者。2025年1月至9月 FDE 岗位月度招聘量增长逾800%，上海已把它纳入政府人才规划。

七格法解决的是「想不想清楚」，但想清楚不等于跑得稳。某金融机构 Agent 项目 POC 三个月准确率超90%，迁到生产后问题陆续出现，立项到上线拖了半年、一度面临搁浅——差别在于 POC 验证的是「能不能做」，生产考验的是「能不能长期稳定地做」。真实数据里同一个字段在三套系统分别叫「客户名称」「客户全称」「甲方」，项目做三个月其中两个月在处理数据。这正是第六格「数据台账」要在立项阶段就逼出来的东西。

第七格的真正含义是：错误成本比决定该盯召回率还是准确率。欺诈检测里漏报损失8000美元、误报人工复核成本40美元，200:1 的比值意味着验收标准不是「准确率99%」而是「在固定复核预算下最大化召回率」。更危险的是类别不均衡——异常样本只占1%时，把全部样本判为正常也能拿到99%准确率，却一个异常都没抓到。不先问误报和漏报哪个代价更高，准确率、F1、AUC 都只是数字，不构成上线依据。

七格法假设「把需求问清楚就能推进」，但五位一线落地负责人在 WAIC 闭门夜谈上的共识是：最大卡点不是技术，是实施方与企业内部员工的利益不一致——交付方有动力快速交付拿钱，内部员工却可能因流程被改而受损。另一组数据更冷：Gartner 统计已部署 Agent 的企业仅17%，Pilot 到规模化综合成功率仅7.7%，超40%的 Agentic AI 项目将在2027年底前被取消。需求填得再细，也绕不开「谁因这次改造失去什么」这一格没人填的账。

判断一个环节能不能上大模型，有比七格更土的第一道题：出错之后谁会发现、什么时候发现、还来不来得及改。人工兜底要同时成立三条——结果流向客户前有人必须过一眼、看的人有能力判断对错、发现得还来得及；反馈周期太长等于没人兜。缺一条要加约束，缺两条就不该在这里用模型。这把尺子扫过信贷全流程会筛掉很多「看起来很适合AI」的环节，值得每个做场景选型的人先拿它量一遍自己的项目。