匿名德国零部件企业
老师傅经验传承 / 新人培训
Datawhale
制造业
明确FDE
标准案例｜可参考但仍有缺口
A级证据
已落地/持续迭代
A
证据等级
Datawhale FDE案例100｜NO.01 从师徒带教到AI辅助培训：FDE用AI破解制造业经验传承难题
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
标准案例｜可参考但仍有缺口
8 / 12
业务背景1 / 2
改造流程1 / 2
技术工作流2 / 2
人机与治理1 / 2
量化结果1 / 2
来源定位2 / 2
仍可补强：业务背景、改造流程、人机与治理、量化结果
业务问题
关键工艺与故障处理经验主要存在于资深员工脑中，新人遇到问题高度依赖找老师傅。
解决方案
FDE先跟岗观察培训与现场处理流程，再把隐性经验、SOP和历史案例组织成可检索知识，并嵌入新人实际工作场景。
技术架构与生产工作流
Step 01
SOP / 历史案例 / 专家访谈
→
Step 02
文档解析、切分与元数据标注
→
Step 03
Embedding / 语义索引
→
Step 04
按当前问题检索相似案例与规则
→
Step 05
LLM基于证据生成建议并附出处
→
Step 06
专家确认 → 新经验回写知识库
关键技术与基础设施组件
知识库/RAGEmbedding/向量检索权限与元数据LLM专家审核
人机分工与责任边界
AI负责检索与建议；资深员工提供经验、审核高风险建议。
FDE 动作拆解
- 跟岗识别“什么时候员工会去找老师傅”
- 访谈专家，把隐性判断条件转成可检索案例和规则
- 设计知识粒度、标签、版本和权限，而不是只做文档上传
- 用真实问题做召回率/答案可用性验证
- 把反馈、错答和新案例持续回灌
可迁移复用的落地方法论
- 先选高频、高成本、可验证的窄流程
- 能用确定性工具验证的步骤，不让模型自评
- 高风险动作保留人工责任
- 把每次人工修正变成后续可检索的上下文/规则
业务成效与交付成果
公开材料强调新人培养与经验沉淀得到改善；未披露统一财务指标。
证据边界与核验记录
- 公开资料确认业务流程；技术组件为基于公开描述的架构抽象
- 来源可直接定位到该案例；数值仍属于来源方披露，不代表独立审计。