我读 Anthropic 的 FDE 招聘时，注意到它把理解客户工作流程、沟通和工程能力写在了同一份要求里。FDE（Forward Deployed Engineer）需要和客户一起，把技术做进实际业务。 这给我的启发是，过去做过的采访、策划或用户研究，可以成为学习 AI 应用的起点。例如客户想做 AI 客服，我会先弄清几个问题：大家反复问什么，答案保存在哪里，哪些情况需要人处理。问得具体，才容易确定要做的东西。 接着可以选一项熟悉的小任务，写清输入、处理过程和交付结果，用 AI 辅助做出原型，请真正使用它的人试用...
用 Codex 改善导入报错：位置、原因和下一步
导入失败后，程序只留下一个错误代码。知道失败了，却不知道要检查哪条记录，也不知道能不能直接重试。
接着预览过期检查的自建 JSON 库存教学项目，这次给失败结果加一个只读说明器。它读取失败输出，保留原始代码，并对约定内的错误补充位置、原因和下一步；它本身不执行导入、不修改输入，也不自动重试。
用 Codex 做导入预览：文件变了，就拒绝旧计划
导入预览看起来没问题，准备提交时，原文件却被另一个操作改过了。之前确认的预览，还能直接执行吗？
这次接着整批校验后再写文件的教学例子，把预览和提交拆成两次操作，中间多加一次输入对照。数据仍是自建 JSON，不是真实库存。
用 Codex 做批量导入：先校验整批，再写文件
批量导入最难发现的问题，有时不是报错，而是报错前已经写进去一半。怎样让 Codex 把“原文件没被部分覆盖”也纳入验收？
这里沿用库存 0 校验的教学例子，用自建 JSON 文件演练：原文件一行，待导入两行。它不是实际库存或客户事故。