他带进课堂的问题：两个「找」的难题
潘志远在同济大学建筑设计研究院工作，服务对象是各级发改委、文旅、自规、科工信、农业农村、环保等部门。他带来两个真实问题：第一，AI 落地场景找不到、不会选——业务方不知道哪些文本、信息、数据处理工作适合用 AI，优先级如何排，也不知道哪些「一下午就能验证」；第二，政策匹配靠人翻——从甲方需求原文（微信/邮件）到「适合申请哪类资金、哪条政策、依据出处、建议方向」，全靠人工检索比对，慢，且易漏。
选题过程：把「判断」拆成可复现的步骤
他的第一个交付是「政策契合度匹配引擎」：输入粘贴甲方需求原文，可选填甲方称呼、项目总投资、大规模阈值、单/多政策；处理流程为需求理解 → 适合资金类型 → 政策依据（内置政策库）→ 契合度打分排序 → 建议方向；输出是可直接编辑、复制的回复文本，支持复制全文、下载与重新生成。
第二件交付是「AI 落地场景选题挖掘教练」——一个三阶段工作流的技能：先做精简信息挖掘（首轮最多 2 问，避免把用户问烦），再做场景推理拓展与六维评估（输入材料格式、处理步骤数、决策逻辑、数据敏感等级、单次人工耗时、重要程度×难易度），最后直接生成可视化的选题清单网页，而不是先输出一大段文本。
这个技能有一条硬性约束很值得玩味：禁止 3D 建模、视频/图片生成类场景，只保留「一下午可验证」的文本、信息、数据自动化场景。也就是说，他不是在帮企业「追新」，而是在帮企业「挑对」——这正是场景选题最容易翻车的地方。
学习心得：选对场景，比选对工具更重要
潘志远做的两件事其实是同一件事的两面：一面解决「政策找得慢」，一面解决「场景选不好」。而后者往往更值钱——很多企业 AI 项目失败，不是技术不行，而是从一开始就选了一个不适合、或无法验证的场景。他设定的「一下午可验证」标准，是一个朴素但相当实用的判断准绳。未来飞马认为，企业 AI 落地的第一步从来不是写代码，而是找到那个「值得先做」的场景。
不要先问「能做什么」，要先问「哪个一下午就能验证」。