演讲 · 于 Google · 2026 年 7 月 21 日
EN / 中文
最适合做 FDE 的框架是什么?
“框架”有两层意思,这场演讲两层都讲:现场签单需要的决策框架,和让你三周交付的代码框架。内容来自杭州两周、两个签约企业客户的一线实战。
第一部分 · 销售
单子是在现场定下来的
每家公司都有人整天对着屏幕做重复操作。这些流程太长尾、太定制,永远不会有现成 SaaS 去覆盖——所以屏幕自动化的市场实际上是无限大的。但把它变成签约,靠的是现场迅速做出的三个判断:
这家公司值得做吗?
对方是不是一家年轻的、在增长的公司?这决定这单生意是复利还是死胡同。
需要:对人和公司的判断力
三周内做得完吗?
需求能不能在现场收敛成一个三周可交付的边界?
需要:产品能力
现在的 AI 够得着吗?
当前模型能力是否真能达到要求——不是在 demo 里,是在生产环境里?
需要:技术判断力
这三种判断力很难同时出现在一个雇员身上。一开始,这个活不是 FDE 能干的——得创始人亲自去。
早期每一次签单本质上都是一次产品方向决策。FDE 团队是用来复制已验证打法的,不是用来第一次趟路的。
第二部分 · 技术
敢承诺三周,靠的是节奏
第 1 周
用 Demo 换信任
现场收敛需求,当周交出能跑的最小 Demo。
第 2 周
接入真实系统
连上客户的内部系统和真实数据,处理边界情况。
第 3 周
交接与验收
客户工程师能读懂、能改动、能维护——这才算交付完成。
节奏之所以立得住,是因为你不是在造一个 app。ConnectOnion 是一个 skills 运行平台:前端、后端、终端、浏览器、文件系统都已经在了。你写的只是 skill——prompt 和脚本:
$ pip install connectonion
agent = Agent("assistant", tools=[my_tool])
agent.input("帮客户把这个流程自动化")邮件
每个 agent 自动拥有自己的邮箱地址。Gmail / Outlook 内置——在终端里就能收、发、搜索,甚至定时发送邮件。
浏览器
截图、抓取、自动化,一条命令。代码里则是真实有状态的浏览器:打开、导航、点击、填表。
终端
bash 和 Shell 是内置工具,危险操作自动走审批;co ai 在终端里给你一个懂框架的 coding agent。
盒子里自带三个 skill——邮件、浏览器、终端——屏幕自动化单子需要的大半能力开箱即有;做完之后,co deploy 一条命令部署上云。
模型无关
OpenAI、Claude、Gemini、Ollama…… 客户用什么模型,你说了不算——换模型只改一个字符串。
代码可读
没有厚抽象层。客户工程师第一次打开代码就能看懂,第三周的交接才交接得动。
MIT 开源
代码全部公开在 GitHub。过客户安全审查不用谈判——直接审就是了。
Python / TypeScript / Rust
客户的技术栈是什么,就用什么交付。
一个 skills 运行平台
你不是在围绕 Agent 造一个 app。你写的是 skill——prompt 加脚本——写好直接部署到平台上。
其他一切都已经在了
前端、后端、命令行、浏览器、文件系统——平台自带,不用每个项目重新攒一遍。
核心极小、可通读
核心代码真的很小,流程控制一目了然。四五个核心概念就覆盖了整个平台,权限控制也是内置的。
在 Claude Code / Codex 里测好,直接上
用 coding agent 把 skill 开发、测试好,然后直接部署到平台——这就是完整的 FDE 流程。
现场 Demo · 从零到跑起来
马上能用,马上能部署。
不用攒技术栈。装好平台、写好 skill、部署——你 demo 的那个 skill,就是最终上线的那个。
1 · 安装
$ pip install connectonion一个包装下整个平台——前端、后端、终端、浏览器、文件系统。
2 · 写 skill
agent = Agent("assistant",
tools=[my_tool])
agent.input("自动化这个流程")skill 就是 prompt 加普通 Python 脚本——没有包装层、没有注册表,也不用造 app。可以先在 Claude Code 或 Codex 里把它测好。
3 · 运行与部署
$ python agent.py
$ co deploy有 Python 的地方就能跑——一条 co deploy 直接部署到 ConnectOnion Cloud,中间什么都不用改。
结论
最适合 FDE 的框架 = 现场的决策框架 + 消失在交接里的代码框架。
三个判断决定要不要接单;两行代码决定接得住单。前者今天还得创始人自己来,后者已经开源给所有人。