农业：让建议赶得上农时

一条建议什么时候失去价值？在办公室里，答案可能是报告交付之后；在田里，可能是雨已经下过、播种窗口已经过去，或者农民已经花钱买了另一种投入品。软件可以在下一次发布中改正错误，错过的农时却不能重新发布。

这使农业成为检验现场工程能力的特殊场景。工程师既要理解一句话的意思，也要理解它是在什么时刻、由谁、替哪一块田提出的。同一种作物、同一种语言，并不足以使两条建议可以互换。不同地区的执行资源也不同。一次问答完成得很快，生产上的反馈仍可能要等一个季节。

本章以 Digital Green 的农业助手 Farmer.Chat 为主线。它是一项有现场研究、技术与农技服务共同改进证据的相似共建实践，公开材料没有证明其团队使用 FDE 职称。随后用精准喷洒补充软件直接作用于田地的另一种情形；食品部分则短对照已经改变的车间流程、开发活动与岗位设立。农业主线要回答的问题是：工程师怎样把在屏幕上成立的知识，变成在生产中来得及、做得到、能够复查的帮助？

先弄清楚，拿手机的人在替谁工作

Farmer.Chat 在肯尼亚的初版于 2023 年 10 月通过聊天应用 Telegram 推出。项目团队的论文记录，2024 年 2 月、7 月进行用户研究，其中包含持续六至八小时的跟随观察。研究对象既有农民，也有农技推广人员、带动周边农户的示范农民和农业创业者。这里的“用户”并不是一种人：有的人为自己的田提问，有的人拿到答案后，还要向一群农民解释。¹

这个区别会改变产品设计。假如把所有使用者都当作独立农户，一次问答似乎只要让提问者满意；如果提问者是农技员，系统还必须帮助他核实条件、判断何时需要到场，并把解释带给没有使用软件的人。聊天里的一个账户，可能是服务链条中的一站，而不是受益者的全部。

OpenAI 的客户材料描述了 Farmer.Chat 早期的一项决定：先把它作为农技员的助手，让专业人员再做一道判断。知识材料包括培训视频文字稿、经整理的热线记录和作物资料。材料称，截至 2024 年 1 月 1 日，肯尼亚与印度有超过 4,500 名农技人员使用。这个数字证明当时报告了使用规模；它没有告诉我们每个人实际服务了多少农户，更不能直接换算为增产人数。²

对现场工程师而言，第一次出发前最有用的准备，未必是增加模型功能，而是画清楚建议经过谁。农民提出的问题，农技员如何补充？由谁判断回答是否适合这块田？如果需要再次观察，谁回来？这些问题决定了软件要保存什么，也决定它不应替谁做决定。

一线知识的价值经常藏在“没有按建议做”里面。农民可能听懂了，却发现附近买不到所需材料；农技员可能同意一般原理，却知道这一季的执行条件不成立。若系统只收集“是否满意”，这些区别便会消失，工程团队最后只能看到一群“不活跃用户”。

会说当地语言，还不是理解当地工作

Farmer.Chat 团队记下了一条更具体的反馈链：定性研究发现，许多人不知道怎样继续追问，一个主题往往只问一次。团队在 2024 年 2 月加入可点击的追问选项，让用户在第一条回答后继续澄清或展开。¹ 这项改动把“自己想出下一句话”的负担，部分移到界面提供的选择上。

论文另记有同年二月与七月的现场研究，但没有说明上述功能具体依据哪一批受访者、由哪名工程师决定；不能把七月观察倒写成二月改版的原因。可核实的是团队报告的观察、改动方向和推出月份，尚不能据此断言收入提高。

追问按钮也有代价。如果选项只覆盖设计者熟悉的问题，用户容易沿着给定方向走，原本不同的目标反而更难提出。下面的教学设计因此保留自行补充和人工接手：它是对这种取舍的推演，不是 Farmer.Chat 已公开的界面规格。

检索资料可以理解为先翻到有关的一页，再据此组织回答。但“有关”有层次：讨论同一种作物，只是最外层；适用于相同地区、生产阶段和现实条件，才更接近行动。对农业助手的验收，因此不能只有一张标准问答表，还要检查系统怎样发现问题没有说完整。

下面用一个构造的生产周期说明这种工程判断。它是教学示例，不是 Farmer.Chat 的真实项目复盘，也不提供具体种植或用药处方。假设一个地区的农技服务团队，希望帮助农户处理作物出现异常后的咨询，从生长期一直跟踪到收获。团队里的农艺师负责专业判断，农技员负责补充现场情况，工程师负责让信息、权限和反馈在系统中正确流动，农户决定是否采取行动。

农户首先发来一张照片和一句语音，意思大致是“叶子变了颜色”。最容易展示的功能，是立刻给出一个解释；最需要设计的功能，却是保留不确定性。照片拍摄日期未知、种植阶段不清楚、语音里一个地方名称又识别错了，这时流畅的长答案只会把缺失条件藏起来。

工程师可以把这次咨询设计成一份可以补充的记录，而不是一条已经回答完的消息。系统先保存原始输入，并清楚显示语音识别后的文字；农技员核对地点和作物阶段，再决定要补拍什么、补问什么。若不能可靠判断，记录进入待复查状态。补问的目的并非把所有农户都训练成提示词专家，而是让专业判断所需的条件，以普通人负担得起的方式出现。

接下来，系统找到一份地区指导材料。它要同时展示材料的适用范围、版本与尚未满足的条件。农艺师可能认可其中的一般判断，却要求先进行现场检查；农技员随后安排接触。这时，软件完成了资料整理与协作安排，但没有完成问题处理。把它标为“已解决”，会使团队失去跟踪真正结果的机会。

这份记录至少要分清三个时刻：现场情况是什么时候发生的，建议是什么时候发出的，农户是什么时候采取行动的。照片今天才上传，不意味着症状今天才出现；农户今天说“照做了”，也不意味着今天才执行。只保存聊天发送时间，后续评价就可能把过期建议误认为及时服务。

如果网络不稳定，还应区分“已在手机上保存”“服务器已收到”和“农技员已读”。这不是给农民增加三个按钮，而是给服务团队一个可以追查的状态：问题卡在接入、传输还是处理环节。否则，一次没有得到回复的经历，既可能被误诊为模型能力不足，也可能被误诊为用户没有需求。

本地语言的测试也应沿着这条记录进行。一个词翻译得自然，不代表它所指的对象正确；语音里的数量、面积单位和地名，可能比整段话的语法更重要。在这个例子中，测试人员应检查原话、识别文字、检索条件和最终回答之间是否保持同一个意思。若原话只是模糊估计，系统就应保留模糊程度，不能在整理成表格时把它变成精确测量。地区农技员确认的是生产含义，工程师检查的是各步骤有没有改变这个含义，两种检查都不能由一份通顺的译文替代。

建议变成行动，要通过现实条件

在这个教学周期里，农艺师给出了可接受的处理方向，农户仍可能暂不执行。原因是预算、劳动力安排或材料可得性，而不是不信任建议。工程师若把它们合并为一个“未采纳”标签，就无法知道下一步应该修哪一部分。

可以把跟进记录改成一个简短的问题：这次为什么没有执行？农技员能够记录“条件不符”“无法取得所需资源”“等待进一步判断”或农户自己的说法。允许原话尤其重要，因为预设分类代表的是设计者已经想到的原因；新出现的约束，往往正是驻场工作需要带回产品团队的东西。

但农户的一次经验，也不能未经核实就自动变成下一位用户的推荐。假设农户说，采用另一种办法之后情况好转。它先是一条值得调查的观察：发生在什么条件下？是否还有其他变化？农艺师是否认可？工程师的任务是为观察进入专业评议留下通道，而不是把“有人这样做”升级成通用规则。

这一点有实际研究的提醒。2025 年 7 月首次在线发表的一篇 Farmer.Chat 研究，由包括 Digital Green 成员在内的作者共同完成。它指出，早期界面反馈存在回复少、开放回答难解释的问题；系统虽然像对话，知识交流仍偏向单向，使用又依赖农技员和示范农民的引介。该研究不是一份独立的增收试验，却清楚揭示了技术设计与知识共同形成之间的距离。³

由此可以提出一个更严格的现场检查：软件是否允许使用者纠正它对问题的理解？例如农户说的“要少花钱”，被系统解释成“要提高单位面积产量”，两者可能导向不同选择。这个错误不是再补一条知识就能解决的，而是目标本身需要重新确认。农民必须能够指出，回答解决了一个自己没有提出的问题。

带着这个检查回到教学周期，工程师会把一次咨询拆成“提出的目标”“专业建议”“现实约束”和“实际决定”。这些字段之间可以不同，不必强迫每次行动都与推荐一致。若软件要求只有接受建议才能结束工单，它会把顺从当作成功；若允许记录有理由的拒绝，团队才能学到哪些建议虽然正确，却不适合在这里推广。

这也解释了何时不需要投入一支长期 FDE 团队。若主要问题是农技员没有获得最新资料，一套有人负责更新的资料目录、电话支持和定期培训，可能已经足够。若大家能得到资料，却在不同地区不断遇到接入、语言、系统衔接和反馈回流的问题，现场工程才有更大的发挥空间。判断依据应是反复出现的工作障碍，而不是是否有条件购买最强模型。

到收获时，重新问一次“有效”

软件团队通常不愿等到季末才得到反馈，也不应该等。咨询能否提交、资料能否追溯、农技员能否及时接手，可以在一个较短周期内检查。然而，作物最后收了多少、家庭增加了多少收入，是另一层问题，需要把这次服务放回完整的生产和销售过程。

2025 年 2 月 13 日的一份公开访谈中，Digital Green 首席战略官 Alesha Miller 把收入列为最终目标，同时谈到采用行为和问题是否解决等中间观察。传播负责人 Eric Firnhaber 则直言，测量 Farmer.Chat 是否带来收入变化很困难，当前看到的部分收益来自使用者自报。⁴ 这并不使中间观察失去价值；它要求团队说明每一种证据究竟能回答什么。

以教学周期为例，若一位农户连续提问，之后不再问了，至少有几种可能：问题解决了，问题已经失去挽回机会，农户改用别的渠道，或者手机暂时无法连接。用“对话停止”推断“问题解决”，会在最需要回访的地方停止工作。更合适的做法，是让农技员在约定的生产节点进行简短确认，并保留无法联系的记录。

到了收获阶段，也不能只比较使用者今年与去年的产量。天气、投入、耕种面积、作物组合都可能变了。假如服务同时配套新的培训和物资支持，即便收入增长，也不能把全部变化归于聊天助手。对经营者而言，先证明整个服务组合值得投入，与进一步识别 AI 单独的贡献，是两个不同的研究任务。

发展创新基金 FID 的项目记录正把这个问题放进更长的时间安排：埃塞俄比亚项目期为 2025 年 4 月至 2027 年 12 月。计划先在奥罗米亚地区进行田间测试与实施调整，再由波尔多大学、亚的斯亚贝巴大学等研究团队评估农业实践、产量、收入，以及相对于传统推广服务的成本效益。这是资助与评估安排，不能因为日历已经翻过某个月，就写成试验已经完成或证实增收。⁵

对 FDE 项目的合同和验收，合理的做法是设置两条并行的时间线。一条沿着软件和服务运行走：必要输入有没有收齐，专业人员有没有接手，失效建议能否撤回；另一条沿着农业周期走：建议有没有被采用，做法是否持续，最后的产出与收入如何。前一条可用于决定系统能否扩大试点，后一条帮助决定服务模式是否值得长期资助。它们相互联系，但不能互相代签。

成本的分母也要跟着这两条时间线变化。每次回答的技术成本，可以用于优化服务运行；每位得到持续服务的农户成本，则必须计入培训、农技员时间、当地支持和回访。二者即使都下降，也还没有回答每增加一份收入要投入多少。尤其当早期试点有研究人员密集陪伴时，不能把陪伴的劳动省略，再把试点中的采用率用于推算无人陪伴后的规模化成本。

如果扩大服务后，回答数量增长得很快，待复查的问题却积压起来，团队应先找出是专业人员不足、输入难以核实，还是任务分派出了问题。只提高模型响应速度，反而可能让积压增长得更快。农业场景的交付能力，受整条服务链中最慢且不可省略的一步约束。

如果验证资源有限，可以减少初期覆盖的作物和地区，把一个周期跟完整。否则，项目可能把预算花在大量注册和首问上，却没有资金回访最关键的结果。这里的范围收缩是研究设计：先知道在何种条件下有效，再决定去哪里复制。

当模型直接驱动喷头，验收要走到田里

农业AI也可以直接连接动作。John Deere在2025年11月4日的公告中描述 See & Spray：喷杆上的摄像头与机载处理器识别杂草，再触发相应喷头。公司同时记录了2025种植季的软件更新，包括支持识别高出作物冠层的杂草。这里的工程对象已从一条建议变成一次物理作业；材料仍未证明参与者使用FDE职称。⁶

读效果数字时，动作的范围也必须跟着保留。该公司称，2025年客户平均减少近一半的是非残效除草剂用量。⁶ 这类药剂主要控制施药时已长出的杂草，不提供长期的土壤防除效果；“非残效”不能理解为完全没有化学残留。⁷ 所述用量下降不能改写成全部农药减半，更不能直接当成农场总成本减半。它是设备商报告的使用结果，本章没有取得同一批农场的独立核算。

把它转成一个部署验收的教学问题：系统少喷了一块地，是因为那里没有目标杂草，还是因为看漏了？这两种情形在“未喷面积”上都可能很好看。现场团队需要把识别结果、实际喷洒和后续田间复查接起来，同时保留设备与软件版本、作业条件及人员处置记录。发现漏识后，也要分清该改模型、调整适用范围，还是停止这一条件下的自动作业。与聊天助手相比，回答后的反馈不能只留在屏幕里；它要回到已经发生的生产动作上。

食品工厂的短对照：交班改变，不等于FDE部署已被证实

食品端有一条已经发生的工作流程可供对照。微软在 2023 年 11 月的客户记录中披露，Conagra 的车间曾靠纸张与无线电传递请求；Connected Shop Floor 项目把前一班的未决事项带入 Teams 会议，再把维护、检查等事项建成可指派、可追踪的任务，并用图片和视频辅助多语言沟通。⁸ 这是“交班信息怎样变成下一班任务”的具体改变，材料没有证明 FDE 职衔，也没有给出可独立核算的净收益。

同一家企业在 2024 年 6 月另行公告，与微软举行两天开发活动，探索产品标签流程自动化。⁹ 前一项车间协作不能替后一项标签工具证明已上线；同一个客户名称，不足以把两件事接成一个成功故事。

加拿大烘焙企业 FGF Brands 在 2026 年 8 月 24 日发布的岗位说明，则明确要求前线部署工程师理解生产约束、连接既有系统、承担上线后的稳定性，并把使用反馈带回产品团队。¹⁰ 这提供了角色证据，却没有给出该岗位完成某条产线部署的过程。

三份材料分别呈现实际工作改变、开发活动和岗位设计，仍没有一条完整的食品 FDE 工程链。它们把一个问题留给下一份实施记录：哪一处批次、配方或交班困难迫使团队改了什么，谁确认新流程可用？不能从招聘需求跳到产线效果，也不能用另一项已上线应用替它回答。回到农业，田野观察与追问功能已经给出了一次明确改变，接下来仍要沿生产周期观察它的作用。

下一季开始前，留下能继续学习的东西

回到教学中的农业服务团队。季末复盘不应只留下一个满意率，而应留下几类可继续使用的材料：哪些输入经常缺失，哪些建议在何种条件下被否决，农技员怎样补上信息，哪些问题最后仍无法解释。它们可以成为下一季的测试题，也可以提醒团队缩小承诺范围。

维护在这里有明确的分工。地区农艺负责人审定专业内容及适用条件；本地服务负责人确认接触渠道和实际可用资源；工程团队处理资料版本、输入识别、传输和异常记录。新的观察若与旧指导冲突，应先进入评议，不能因为上传日期较新就自动覆盖。时间新，不等于专业判断已经更新。

这些工作需要预算，而预算未必跟着一次漂亮演示自动到来。在前述 Rippleworks 访谈里，Miller 把不限定具体项目用途的资金，与建立产品、技术和 AI 团队联系起来；她也谈到资助要求与快速迭代之间的摩擦。⁴ 对经营者来说，这意味着不能只支付第一版助手的开发费，却把每季更新、地方支持和结果验证当作免费的附属劳动。公开材料没有给出一个可直接套用的总成本，预算必须围绕实际服务安排建立。

如果下一季换了地区，能够复制的是经过验证的收集、判断、行动和回访方法；需要重新确认的是语言、专业资料、生产节奏和当地责任人。把同一个聊天界面安装到更多手机上，只完成了其中很小的一部分。