在 ChatGPT 成为大众玩具的今天，企业级 AI 的落地却进入了充满矛盾的“深水区”。
很多企业对 AI 抱有美好的幻想：既想要大模型天马行空的“想象力”，又要求它严格遵守业务规则的“控制力”；既想通过“低代码”平台快速上线，又希望系统能长期稳定维护；既想拥抱前沿技术，却往往在预算面前不得不做出妥协。
本期节目，我们邀请到了刚结束多个企业级 AI 项目售前与交付工作的资深技术专家陈锋。他撕开了“Demo 很好看”的表象，极其务实地复盘了企业 AI 开发中的真实痛点与博弈。他认为，AI 开发的本质不再是单纯的写代码，而是一场在业务场景、技术局限与人类预期之间艰难寻求“对齐（Alignment）”的过程。
如果你正在纠结于 AI 选型，或者想知道为什么你的 AI Agent 项目越做越难维护，这期节目将为你提供来自一线的实战答案。
🎯 核心冲突：理想 vs 现实
在本期节目中，我们深入探讨了企业级 AI 落地时的三大“撞击”：
- 创造力 vs. 控制欲
- 理想： 客户希望 AI 能提供“意想不到”的创意生成。
- 现实： 客户同时要求 AI 的输出必须精准符合品牌调性和业务规则。当“发散”的模型遇到“收敛”的业务目标，开发者该如何平衡？
- 低代码（Demo） vs. 生产环境（Production）
- 理想： 拖拖拽拽，一个月就能搞定一个 Agent。
- 现实： 低代码在原型阶段极其高效，但面对长周期（2个月+）、高复杂度的项目时，其可维护性和灵活性会急剧下降。为什么在复杂场景下，我们依然坚持“代码优先”与开源框架？
- 技术狂热 vs. 预算冷水
- 理想： 用最先进的模型，做最酷的全能助手。
- 现实： 80% 的决策最终由预算决定。如何向客户证明 AI Agent 的真实 ROI？为什么说 Token 的计费模式倒逼了技术架构的“裁剪”？
⏱️ 时间轴
- 00:55 客户都想做 AI，但很少有人知道自己到底要什么
- 02:49 冲突一： 当企业“既要又要”——在模型发散性与业务收敛性之间走钢丝
- 05:35 选型没有银弹：云厂商的“生态锁定”与开源框架的“白盒优势”
- 08:35 冲突二： 为什么说低代码是“甜蜜陷阱”？——论长期维护的噩梦
- 12:05 那些被忽视的“苦活”：可观测性（Observability）与评估（Evaluation）
- 15:03 冲突三： 预算决定脑袋——如何计算 AI 的落地成本与价值
- 17:48 终极心法： AI 开发的本质是一场多方位的“Alignment”（对齐）
- 22:01 团队转型：传统开发者如何适应“概率性”的软件工程？
🎙️ 嘉宾介绍
陈锋：资深技术专家，来自 Saltworks。近期专注于 Data 和 AI 相关的技术方案与海外项目交付，对构建企业级 AI Agent 有着丰富的实战经验与深刻思考。
李光毅：主持人，咨询师，全栈开发工程师。个人主页: 技术圆桌。拥有丰富的软件开发经验，专注于技术创新和系统架构设计，同时活跃于技术社区，分享技术见解和实践经验
📮 联系我们
如果你对企业级 AI 落地有更多疑问，或者想分享你的实战经验，欢迎在评论区留言或通过邮件联系我们。
Podcast: Play in new window | Download
