沐杉是 AI 应用交付工程师（FDE），10 年企业级系统交付经验。他不是转行的新手——AI 落地这件事上，他缺的从来不是「把系统做出来、扛住生产流量、再交给别人接着用」的能力。2021 至 2024 年，他独立负责破产管理 SaaS 平台「点破云」从 0 到 1 的前端架构与全量功能开发，服务数百家律所稳定运行 3 年以上；更早在支付宝风控项目中，用 D3.js 力导向图 + Web Worker + Canvas 完成千万级节点关系可视化，后来成为风控团队日常分析工具之一。
2024 年起他独立承接 AI 定制交付，累计 40+ 单（数据分析、文档产出、小程序、网站），并独立上线 3 款小程序与 5 个企业网站。他自建了一套 7 个线上测试站 + 1 个统一兑换码后台的产品矩阵，核心产品的 941,192 条答题路径全部穷举验证；另设计并实现了一套面向小学生的 AI 私教系统，4 个角色 Agent + 学习状态机 + 130 项自动化测试全部通过。
他在智绘天行担任 AI 共创合伙人，负责企业智能客服系统（自建 FastGPT + pgvector 的 RAG 中台）的技术交付，并独立开发了微信消息智能雷达。同时他在成都经营自己的餐饮门店——既是技术提供方，也当过那种「预算有限、要求马上能用」的甲方，所以判断方案时会先问一句：这个东西，我自己的店用不用得起。
这是他交付时走的固定路径。每一环都有必须产出的东西，缺一样就退回上一步重做。
任意一关不过，他会建议客户先别做。这一环拦掉的错单，比他接到的还多。
先弄清楚这个流程该不该存在、这里到底需不需要 AI，再谈做不做。用一到两次现场访谈，把模糊愿望拆成有边界、能验收的最小闭环。适合刚启动 AI 落地、或做完几轮 PoC 却没跑起来的团队。
把散在文档、群聊、老员工脑子里的东西，变成能查、能答、答错时有人接手的知识助手。涉及报价、资金、对外承诺的判断一律转人工——这类场景不能交给模型自己拍板。含知识库结构、检索与问答链路、人工兜底规则与抽检记录。
把搬数据、出报表、发通知这类重复活儿，拆成「固定流程 + 少量 AI 判断节点 + 失败转人工」。能不加 AI 的地方就不加——加了更贵，也更不稳。重点不在把动作连起来，而在把判断标准写清楚。
用 AI 协同把开发周期压下来，但架构判断、代码审查、上线排障由人扛。课程先把交付标准对齐，再谈工期；含一份「AI 生成后人工要复核什么」的清单，可直接用在团队里。
不讲概念和方法论，讲他每天在用的流程。适合已经有人想用 AI、但不知道从哪一步下手的团队。是带做，不是听课——卡住了他在旁边帮你看。产出动手实操场、可照做的 SOP 与人工复核清单。
现在越来越多人不在搜索框里打字，而是直接问豆包、DeepSeek、Kimi。GEO 要解决的就是：别人问到你的行业时，AI 会不会提到你、说得准不准。做法是先跑一次体检看现状，再补问题库、独立答案页、结构化数据和 llms.txt，最后用固定提问复测——这套流程他先在自己的站上从诊断到上线完整跑了一遍。
← 左右滑动或点击箭头切换图片 →
他自己那套 GEO 流程的完整验证现场。整站零依赖手写：背景的星空、星云、行星与流星全部由 WebGL + GLSL 着色器实时演算，不用任何 3D 库、不带任何素材文件；WebGL 不可用时自动降级为 Canvas 2D，帧率偏低时自动降低像素比。内容侧按 GEO 方法重写——技术层体检、行业问题库、独立答案页、结构化数据与 llms.txt，最后用固定提问复测 AI 的引用结果。
