作為FDE，80%的時間都在挖需求和想方案：多項目並行時，如何重新找回執行主線？
整理版優先睇
多項目並行點樣重新揾到執行主線？核心思路：先抽一條「需求→方案→初版→反饋→交付」嘅鏈路，再將每個項目放返落階段睇，唔好一嚟就想完美。
呢篇文章係由一位 FDE（前線數碼工程師）寫嘅自身經驗分享。佢同時面對數字員工、Amazon 電商物料、賬號管理體系、AI 視頻生成平台、AI 漫劇同 FDE 培訓等多個項目，搞到短期「認知癱瘓」——唔係唔想做，而係太多信息同複雜思考逼埋一齊，結果完全唔知下一步點鬱。佢反思後發現，FDE 真正消耗人嘅唔係執行，而係執行前嘅混沌期：需求理解、方案判斷、邊界設計同項目收斂，呢啲佔咗成 80% 時間。
佢嘅結論係：多項目並行時，最重要嘅唔係將每件事都想透，而係先從混亂中抽出一條執行主線——「需求→方案→初版→反饋→交付」。呢條線可以應用喺任何項目，只係場景同工具唔同。佢進一步提出三條執行主線：第一，先出初版而唔係先想完美，初版係思考工具，滿足三個條件（回應核心問題、基本邏輯、用戶旅程）就得；第二，將項目放返落階段睇（需求方案、執行、開發交付），唔同階段做唔同事；第三，從唔同項目提取共性能力，形成複利效應。最後強調「複雜項目不能靠情緒推進，只能靠結構推進」。
- 核心結論：多項目並行時，先由混亂中抽出一條「需求→方案→初版→反饋→交付」嘅執行主線，而唔係逐件事諗到完美。
- 方法：用「階段判斷」取代「一口氣做完」——將每個項目定位喺需求、執行或交付階段，淨係做該階段最重要嘅事。
- 差異：FDE 最消耗嘅唔係開發能力，而係前 80% 嘅需求理解、方案判斷同邊界設計，呢啲先係真正嘅工作量。
- 啟發：跨項目嘅共性能力可以互相遷移，例如商品生圖練構圖、視頻學鏡頭語言、數據 Pipeline 思維放入培訓，形成複利。
- 可行動點：當陷入認知癱瘓時，問自己六個問題：項目喺邊個階段？真實需求係咩？第一版方案？最小閉環？下一步最小動作？有咩經驗可遷移？
認知癱瘓嘅源頭：唔係唔想做，而係太多嘢逼埋一齊
作者話自己進入咗短期嘅認知癱瘓——唔係因為懶，而係腦入面同時掛住數字員工、Amazon 電商物料、賬號管理體系、AI 視頻生成平台、AI 漫劇、FDE 培訓，結果反而唔知下一步點做。佢指出，FDE 真正消耗人嘅往往唔係執行，而係執行前嘅一大片混沌：客戶到底要咩？需求背後嘅真實問題係咩？第一階段要做到咩程度？邊啲該自動化、邊啲該用 AI、邊啲必須人工確認？最後點交付、點驗收、點定價？
後來作者意識到一個關鍵問題：FDE 不能一直困在細節裏想完整，尤其係多項目並行嘅時候。最重要嘅唔係將每件事都想透，而係先從混亂裏抽出一條執行主線。呢條主線好簡單：需求 → 方案 → 初版 → 反饋 → 交付。
第一條主線：先出初版，唔係先想完美
作者認為應對認知癱瘓最直接嘅方法，就係儘快出第一版。好多時卡住，唔係因為無想法，而係想法太多、顧慮太多：方案夠唔夠好？客戶會唔會唔滿意？邊界定清楚未？報價合理嗎？交付風險大唔大？呢啲問題若果一直停喺腦入面，只會越來越亂。
初版嘅意義唔係一步到位，而係將腦入面嘅混亂變成一個可以討論嘅對象。方案寫出嚟，先知道邊度唔順；流程畫出嚟，先知道邊度斷咗；Demo 跑起嚟，先知道邊度唔穩；客戶睇完，先知道邊度打動唔到佢。
- 1 回應用戶嘅核心問題：客戶要出報告，你唔可以淨係展示一個聊天機器人；客戶要提升圖文物料效率，你唔可以淨係生成一張靚圖。
- 2 有基本邏輯：你能講清楚呢件事邊個嚟做？系統做咩？AI 做咩？人喺邊度判斷？結果輸出到邊度？
- 3 有用戶旅程：用戶從邊度進入、提交咩輸入、系統點處理、AI 喺邊度參與、人喺邊度審核、最後點交付——呢條鏈路要能走得通。
第二條主線：將項目放返落階段裏睇
項目一多，人最易犯嘅錯誤就係將所有事情混成一團。數字員工要上線，Amazon 項目要想清楚，AI 視頻平台要報價，AI 漫劇要驗證越南市場，FDE 培訓要招生同交付——每一件都重要，放埋一齊就會壓到人唞唔到氣。但如果將佢哋放返落階段裏睇，就清楚好多。
作者將項目分成三個階段：需求→解決方案（最耗腦，要溝通、調研、拆流程、判斷邊界、寫方案、定第一階段範圍）；執行（初版方案確定後，主要係監督 AI 生成內容、檢查結果、修正偏差）；開發落地同交付（靠文檔同規範推進，需求文檔、開發說明、驗收標準、交付清單寫清楚）。
- 第一階段（需求→方案）：核心係儘快出初版方案，唔好追求完美。
- 第二階段（執行）：按已確定路徑行，唔好反覆推翻方向。
- 第三階段（開發落地→交付）：靠文檔同規範，用 AI 或工具按流程執行，最後測試同驗收。
第三條主線：從唔同項目提取共性能力
作者話手頭上嘅項目表面好分散，但往底層睇，其實都在訓練同一種能力：將模糊目標變成可執行鏈路。佢整理咗每個項目訓練嘅核心能力：數據項目練 Pipeline、指標口徑、AI 洞察、人工判斷；Amazon 項目練商品理解、賣點提煉、圖文一致性、上架交付鏈路；AI 視頻項目練腳本、分鏡、關鍵幀、提示詞、質檢、返工管理；AI 漫劇項目練市場驗證、前 30 秒鈎子、劇本來源、低成本測試、本地化判斷；AI 培訓項目練將 FDE 方法論產品化。
多項目並行唔一定只係消耗，只要能提取共性，就會形成複利
- 商品生圖練出嚟嘅構圖能力，可以遷移到視頻關鍵幀。
- 視頻入面嘅鏡頭語言，可以反過來提升圖片質感。
- 數據項目嘅 Pipeline 思維，可以放進 FDE 培訓，令學員理解邊啲任務該自動化、邊啲先需要 AI。
- AI 漫劇嘅前 30 秒鈎子，可以遷移到課程招生頁面同內容營銷。
所以作者建議：唔好淨係睇項目表面，要抓項目入面嘅基本功。如果每個項目都從零開始想，人會好攰；但如果每個項目都能沉澱一部分通用能力，佢哋就會互相反哺。
數據項目：Pipeline、指標口徑、AI 洞察、人工判斷
Amazon 項目：商品理解、賣點提煉、圖文一致性、上架交付鏈路
AI 視頻項目：腳本、分鏡、關鍵幀、提示詞、質檢、返工管理
AI 漫劇項目：市場驗證、前 30 秒鈎子、劇本來源、低成本測試、本地化判斷
AI 培訓項目：將 FDE 方法論產品化，讓別人也能從需求拆解走到方案和交付結構推進：六條問題幫你重新組織混亂
當作者咩都唔想做嘅時候，佢唔會再強迫自己「振作起來」，而係先問幾個問題：呢個項目而家處喺邊個階段？佢嘅真實需求係咩？第一版方案係咩？最小閉環係咩？下一步最小動作係咩？呢度有咩經驗可以遷移到其他項目？佢話呢幾個問題一問，事情就會從一團亂，重新變成一條線。
作者總結：多項目並行真正嘅價值，唔係令自己睇起嚟好忙，而係令自己喺唔同場景入面反覆訓練同一種底層能力——將模糊需求拆成清晰路徑，將 AI 能力放進業務流程，再交付一個可以被客戶驗證嘅結果。呢個就係佢而家重新梳理出嚟嘅執行主線。
「FDE 不能一直困在細節裏想完整。最重要的不是把每件事都想透，而是先從混亂裏抽出一條執行主線。」 |
昨天，我進入了一種短期的"認知癱瘓"。
不是不想做事，也不是不知道事情重要。而是項目太多、信息太多，每一件事背後都有一整套複雜思考。腦子裏同時掛着數字員工、Amazon 電商物料、賬號管理體系、AI 視頻生成平台、AI 漫劇、FDE 培訓——結果反而不知道下一步該從哪裏下手。
這種狀態挺典型。
作為 FDE，真正消耗人的往往不是執行，而是執行前的那一大片混沌：客戶到底要什麼？需求背後的真實問題是什麼？第一階段該做到什麼程度？哪些地方該自動化，哪些該上 AI，哪些該用 Agent，哪些必須人工確認？最後怎麼交付，怎麼驗收，怎麼定價？
這些問題如果全擠在一起，人就會動不起來。
後來我意識到一個關鍵問題：FDE 不能一直困在細節裏想完整，尤其是多項目並行的時候。最重要的不是把每件事都想透，而是先從混亂裏抽出一條執行主線。
這條主線其實很簡單：
需求 → 方案 → 初版 → 反饋 → 交付
不管是數據分析、Amazon 圖文物料、AI 視頻、AI 漫劇還是 AI 培訓，底層都是這條線。區別只是場景不同、工具不同、交付物不同。但 FDE 要訓練的能力是同一種：把一個模糊需求，拆成一條可執行、可驗證、可交付的業務鏈路。
下面寫我梳理出來的三條執行主線。
FDE 的 80% 時間，其實花在需求和方案上
很多人以為 FDE 最重要的是開發能力。
但我現在越來越覺得，FDE 最耗時間、最耗腦力的，是前 80%：需求理解、方案判斷、邊界設計和項目收斂。
開發落地當然重要。但如果前面的需求和方案想清楚了，後面反而相對簡單——可以寫開發文檔，可以讓 AI 輔助執行，可以按流程檢查結果，可以不斷修正偏差。
真正難的是前面那段混沌期。
客戶說想要一個數據分析 Agent，你不能馬上做 Agent。你要先判斷：客戶真正要的是 Agent，還是讓沒有數據基礎的人也能出報告？數據清洗是不是用 Pipeline 更穩定？圖表是不是用模板更合適？AI 應該放在洞察解釋還是行動建議？報告最後由誰確認？
客戶說想做 Amazon 圖文物料，你也不能只理解成"AI 出圖"。你要繼續往下拆：是不是上架鏈路太慢？商品理解、賣點提煉、圖片規劃、Listing 生成、圖片 QA、導出交付之間，有沒有連起來？
這些思考，才是 FDE 真正的工作量。 |
所以當項目很多的時候，不要一上來問"我今天要把所有事做完嗎"。應該先問：每個項目現在卡在主線的哪一段？
▎ 在需求階段？
▎ 在方案階段？
▎ 在初版階段？
▎ 在反饋階段？
▎ 還是已經進入交付階段？
階段一清楚，動作才清楚。
第一條主線：先出初版，而不是先想完美
應對認知癱瘓最直接的方法，就是儘快出第一版。
很多時候我們卡住，不是因為沒想法，而是因為想法太多、顧慮太多：
方案夠不夠好？客戶會不會不滿意？邊界想清了嗎？報價合理嗎？交付風險大不大？
這些問題當然重要。但如果一直停在腦子裏，它們只會越來越亂。
初版的意義不是一步到位，而是把腦子裏的混亂變成一個可以討論的對象。 |
方案寫出來，才知道哪裏不順。流程畫出來，才知道哪裏斷了。Demo 跑起來，才知道哪裏不穩。客戶看完，才知道哪裏沒打動他。
所以 FDE 做項目，不能等所有事情都想清楚再動手。初版本身就是思考工具。
但初版不能亂做，至少要滿足三個條件：
▎第一，回應用戶的核心問題。客戶要出報告，你不能只展示一個聊天機器人；客戶要提升圖文物料效率，你不能只生成一張好看的圖片。
▎第二，有基本邏輯。你能講清楚：這件事誰來做？系統做什麼？AI 做什麼？人在哪裏判斷？結果輸出到哪裏？
▎第三，有用戶旅程。用戶從哪裏進入、提交什麼輸入、系統怎麼處理、AI 在哪裏參與、人在哪裏審核、最後怎麼交付——這條鏈路能走通。
只要用戶旅程能講清楚，第一版就算站住了。
第二條主線：把項目放回階段裏看
項目一多，人最容易犯的錯誤就是把所有事情混成一團。
數字員工要上線，Amazon 項目要想清楚，AI 視頻平台要報價，AI 漫劇要驗證越南市場，FDE 培訓要招生和交付。每一件都重要，放在一起就會壓得人喘不過氣。
但如果把它們放回階段裏看，就清楚很多。
第一階段：需求 → 解決方案。
最耗腦。要溝通、調研、拆流程、判斷邊界、寫方案、定第一階段範圍。這個階段不要追求完美，核心是儘快把初版方案做出來。
第二階段：執行。
初版方案確定後，事情會輕很多。主要是監督 AI 生成內容、檢查結果、修正偏差。這個階段不應該再反覆推翻方向，而是按已確定的路徑往前走。
第三階段：開發落地和交付。
靠文檔和規範推進。需求文檔、開發說明、驗收標準、交付清單寫清楚，再讓 AI 或開發工具按流程執行，最後測試和驗收。
KEY INSIGHT 這三個階段不能混。 |
FDE 要學會判斷項目所處階段，然後只做這個階段最該做的事。
第三條主線：從不同項目裏提取共性能力
手頭的這些項目看起來很分散，但往底層看，其實都在訓練同一種能力。
表面是不同項目，本質都在做一件事：把模糊目標變成可執行鏈路。
多項目並行不一定只是消耗。只要能提取共性，就會形成複利：
▎ 商品生圖裏練出來的構圖能力，可以遷移到視頻關鍵幀。
▎ 視頻裏的鏡頭語言，可以反過來提升圖片質感。
▎ 數據項目裏的 Pipeline 思維，可以放進 FDE 培訓，讓學員理解哪些任務該自動化、哪些才需要 AI。
▎ AI 漫劇裏的前 30 秒鈎子，可以遷移到課程招生頁面和內容營銷。
不要只看項目表面，要抓項目裏的基本功。 |
如果每個項目都從零開始想，人會非常累。但如果每個項目都能沉澱一部分通用能力，它們就會互相反哺。
複雜項目不能靠情緒推進，只能靠結構推進
當我什麼都不想做的時候，我不會再強迫自己"振作起來"。
我會先問幾個問題：
▎ 這個項目現在處在哪個階段？
▎ 它的真實需求是什麼？
▎ 第一版方案是什麼？
▎ 最小閉環是什麼？
▎ 下一步最小動作是什麼？
▎ 這裏面有什麼經驗可以遷移到其他項目？
這幾個問題一問，事情就會從一團亂，重新變成一條線。
FDE 面對的項目往往不單純。它既有客戶溝通，又有方案判斷；既有技術邊界，又有交付壓力；既有當下收款，又有長期產品化。
越是複雜，越不能靠情緒推進，只能靠結構推進。
先找階段。再定初版。再跑反饋。再推進交付。最後沉澱共性。
多項目並行真正的價值，不是讓自己看起來很忙，而是讓自己在不同場景裏反覆訓練同一種底層能力：
把模糊需求拆成清晰路徑，把 AI 能力放進業務流程，再交付一個可以被客戶驗證的結果。 |
這就是我現在重新梳理出來的執行主線。
複雜項目不能靠情緒推進， 把模糊需求拆成清晰路徑， |
Resona · 鳴 · 讓每一次對話，都有迴響 2026-05-25 · 彭俊旗 |