FAQ
想做 FDE 的人最常问的问题，每条给短答案和深入页面。
概念
1. FDE 到底是什么？和外包、咨询有什么区别？ FDE 是派到客户现场、以客户业务结果为目标的工程师。区别不在是否驻场，而在优化目标和结果风险由谁承担：外包按工时或功能点交付，咨询交付建议，FDE 交付「用起来并产生结果的系统」。→ 什么是 FDE、争议与批评
2. FDE 是 Palantir 发明的吗？ Palantir 是第一个把它制度化、做成商业模式核心的公司，正式职名是 FDSE，与 Deployment Strategist 配对。→ Palantir 起源
3. 为什么 OpenAI、Anthropic 都在建 FDE 团队？ 模型能力已经够用，但企业内部把模型接到真实流程上的工程和组织工作没人做，这段「最后一公里」是采纳的瓶颈。OpenAI 的 forward deployed engineering 团队 2024 年初只有 2 个人，Anthropic 的对应团队长期叫 Applied AI。→ 2023–2026 扩散
3b. 2026 年发生了什么变化？ 2026 年 5 到 7 月，四家巨头在三个月内各自成立了独立的交付实体：OpenAI Deployment Company（2026-05-11，初始资本超 40 亿美元，收购 Tomoro 带来约 150 名 FDE）、Ode with Anthropic（2026-05-04 宣布合建、07-15 正式命名，规模 15 亿美元，班底是被收购的 Fractional AI）、AWS Forward Deployed Engineering（2026-06-30，10 亿美元）、Microsoft Frontier Company（2026-07-02，25 亿美元内部承诺）。麦肯锡、Bain & Company、Capgemini 选择入股 OpenAI 的交付公司而不是与它竞争。在此之前 FDE 是一个岗位，在此之后它是一个有独立资产负债表的产业。 → 2026 年表、交付即生意
4. FDE 是过渡角色吗？模型更强之后还需要吗？ 两派都有论据。一派认为 FDE 是脚手架不是终局（a16z《The Palantirization of Everything》：把它当永久载体的公司会变成「Accenture for X with a nicer front-end」）；另一派认为角色会分化不会消失（吴恩达预测会分出 AI FDE、Evals Engineer、Harness Engineer 等）。Sierra 的 Natalie Meurer 2026-06-30 在 AI Engineer World's Fair 给了最流行的说法「forward deployed engineering is dead. And long live forward deployed engineering.」——这是「FDE 已死」论的原始出处，她的意思是这个词会扩大到覆盖所有工程，不是取消它。→ 争议与批评
5. 「内部 FDE」和「外部 FDE」哪个更适合中国？ 两条路线都有人走，证据都还不充分。外部交付在中国面临信任与回款问题，内部培养面临组织授权与人才问题。→ 中国脉络、各家方法论对照
能力与入行
6. 我需要多强的编程能力？ 取决于形态。外部 FDE 岗位（Palantir、OpenAI）要求扎实的软件工程能力；内部 FDE 与一人公司形态在 agent 编码工具成熟后门槛明显下降，但仍需要能读懂、能改、能验证代码。→ 能力模型、agent 开发栈
7. 我是业务出身，不会写代码，能做 FDE 吗？ 可以从「懂业务的人补工程」这条路走，Palantir 的 Deployment Strategist 本身就是非工程角色。→ 入行路线
8. 应届生能直接做 FDE 吗？ Palantir 长期校招 FDSE；OpenAI、Anthropic 的 FDE 岗位一般要求工作经验。中国公司的要求差异很大。→ 岗位与 JD
9. 最该补的一课是什么？ 多数从业者的回答是「找到真问题」和「建 Eval」，而不是模型或框架。→ 需求发现、Eval 设计
10. 有没有一份学习路线？ 有。按五种起点（工程师、业务人、应届生、企业内部推动者、创业者）各一条线，再按「2 小时 / 一个周末 / 一个月」三档时间预算给顺序。→ 阅读路线。课程和认证的全清单在 课程与认证，本库只列事实不做排名。
11. 需要考证吗？ 截至 2026 年 9 月，没有任何一个 FDE 证书被主流雇主列为招聘要求，反方证据是逐字的——Tesla 的 FDE 岗 JD 写着 5+ years writing and shipping production software (not coursework, certs, or tutorials)。国内例外是武汉光谷把 FDE 分级认证挂到了 3551 人才政策与「千企首席 AI 官」计划上，那是政策含金量不是雇主要求。→ 课程与认证、中国脉络
找工作
12. 哪些公司在招 FDE？ 美国：Palantir、OpenAI、Anthropic、Scale AI、Databricks、Sierra、Harvey、Decagon 等。中国：大厂 AI 部门、AI 创业公司、集成商，叫法可能是「交付工程师」「解决方案工程师」「AI 应用工程师」。→ 岗位与 JD
13. 薪酬大概多少？ 本库的主口径是 Plank 2026-09-04 的第一方普查：982 个在招岗位、462 家公司，披露薪酬的 292 个岗位 base 中位数 18.8 万美元，从种子期 15 万到前沿实验室 24.3 万；前沿实验室的股权占总包多数。中文侧甲方内部 FDE 中位约月薪 20–25K、乙方与大厂对外 FDE 30–70K（2026-08-30 抓取）。→ 薪酬与市场、中国脉络，注意口径与日期。
14. 面试考什么？ Palantir 有两种特色形式：decomp（给一个开放问题，看你怎么拆）和 hypothetical（假设情境题），标准是追问到具体的时间、人名和数字。OpenAI、Anthropic 等前沿实验室没有公开的一手流程说明，市面流传的「六轮 loop」出自面试备考平台，只能当参考。中国公司多按 JD 门槛加一道真实业务案例题；内部培养岗常见「车间跟班十天」一类的一票否决项。→ 招聘标准（公司要什么，含 30 题题库）、面试准备（候选人怎么准备）
15. 没有交付经验怎么办？ 用真实的小项目做出「交付病历」：问题、数据、Eval、结果、教训，比 demo 有说服力。→ 入行路线、案例卡模板
干活
16. 进场第一周做什么？ 不是写代码。进场前两周先签客户准备协议、拿到脱敏数据切片；第一周跟着走一遍流程、画干系人地图、摸数据家底、找第一个愿意带头用的人。判断标准是「第一周结束时你能不能用对方的话把问题复述出来」。→ 进场前 30 天
17. 客户不给数据怎么办？ 先搞清数据看门人（通常是 IT 或数据部门）的激励结构：给你数据对他没有好处，出事却要他担责。所以先把风险从他身上挪走再谈：只要脱敏切片、只读权限、把责任归属写进老板签字的立项书、先小范围后扩大。数据体检清单和就绪度分级也在同一页。→ 干系人与数据
18. 什么是 MVD？和 MVP 有什么区别？ MVP 验证「要不要做这个产品」，裁判是市场；MVD 验证「这个方案在这个客户身上能不能产生价值」，裁判是这个客户的具体业务。⚠️ MVD 不是 Palantir 的术语，是范冰在开源书《前线部署工程师》里对 MVP 的自造对应词（2026-08）。→ 术语表、造与最小可行部署、常见误传纠错
19. 怎么定「多准算及格」？ 先测人类基线：两个人独立标注同一批真实样例，看一致率（Cohen's kappa），一致率低说明标准本身没写清。再把阈值拆成两个数：准确率（AI 答了的里对多少）和覆盖率（多少比例交给 AI 答，其余转人工），按出错代价分别定。用模型当裁判（LLM-as-judge）时必须先用人工标注校准。→ Eval 设计（含 judge 提示词骨架与评估集表结构）
20. 做了 POC 但永远上不了生产，怎么破？ POC 陷阱的三个共同点：用样例数据而不是真实数据、没有真实用户操作过、进 POC 之前没人谈过生产化的预算与关卡。破法是反过来：只用真实数据，把「上线要过哪些关卡、谁拍板、什么时候拍」在 POC 开始前写进立项书，给试点设死线，到期只允许三个结果：扩大、调整、停止。→ 从 demo 到生产、失败模式
21. 用户不用怎么办？ 先诊断是能力问题（不会用）、意愿问题（不想用）还是利益问题（用了对他没好处），三种解法完全不同。通用动作是把结果送回用户原来的入口（Excel、微信、邮件），别逼人学新门户；找一个带头用的人；用「连续使用天数」而不是「注册人数」看采纳。→ 上线与采纳
22. 怎么向老板汇报和算账？ 用一页纸：问题是什么、指标前后对比、成本（人天、token、平台费）、收益（省下的时间、降低的错误率、增加的收入）、下一步三选一（扩大 / 调整 / 停止）。不要只汇报「上线了」，老板要的是一个能拍板的决定。→ 算账与扩展（含 ROI 拆分表）、模板（A3、一页立项书、管理层汇报一页纸的出处与结构）
23. 该用什么模型、什么工具？ 截至 2026 年 9 月：按场景选不按榜单选（长文档、代码、结构化抽取、中文、本地部署、成本各有最优）；跨厂商比价按「完成一次任务的成本」而不是 token 单价，因为分词器不同（Claude 4.7 及以后的分词器对同一段文本多产出约 30% token）；国内私有化主要看 DeepSeek、Qwen、GLM；Eval 先用免费或开源工具搭最小流程。工具箱里所有价格、版本、停摆信息都标了核实日期，2026 年停摆与改名很多，老教程别照抄。→ 2026 模型选型、agent 开发栈、Eval 工具
24. 中国企业的安全审查、信创、私有化怎么应对？ 安全审查通常问 SOC 2 / ISO 27001、数据出境、私有化部署三种形态；生成式 AI 备案只适用于「向境内公众提供服务」，企业内部研发应用不适用（《生成式人工智能服务管理暂行办法》第二条），这一条决定内部项目和对外产品的合规成本差一个数量级；政企采购走财政部 87 号令的评标方法，最低评标价法对「探索」类工作不利，能争取综合评分法就争取。信创是产业与采购实践用语，截至 2026-09 没有全行业统一的技术要求文件。→ 安全、采购与法务（含 36 题审查清单）、中国现场特有
生意
25. 一个人能接 FDE 项目吗？怎么定价？ 能。四种定价：按项目、按效果、按月订阅、建设加运维（运维通常按建设成本的 15–25% 一年）。与外包的分界线是你是否对业务结果负责、是否把交付沉淀成可复用资产。第一个客户多半来自原雇主与熟人网络，而不是平台。公开可查的一人公司里，赚得最多的往往不是交付而是教学，这是现实校准。→ 一人公司与接单
26. FDE-as-a-service 是好生意吗？ Distyl 证明能做大（2025-09 完成 1.75 亿美元 B 轮、18 亿美元投后估值），Fourth Age 证明不融资也能做到 50 人 13 国。反面样本是 Element AI（清算优先权把普通股东清零）、Builder.ai（人力冒充 AI 破产清算），中国侧是澜码科技 2025 年 2 月的欠薪裁员。分水岭是交付有没有沉淀成可复用资产。→ 交付即生意、中国案例
27. 企业想自己培养内部 FDE，从哪开始？ 先选一个场景、一个人、30 天打出第一仗，过关标准用别人的行为（老板签字、用户连续使用、老板拍板），不用「培训完成率」。可参照的内部培养路线有任鑫的选·造·用·算与九站、凯哥 Lean-FDE 的六周营，两者证据强度不同，对照页写清了。中国公开可回溯的内部 FDE 样本截至 2026-09 只有安克创新一家（AI 代码采纳率 2023 年 30% 到 2025 年 50% 以上）。→ 各家方法论对照、中国案例、进场前 30 天
资料
28. 只读一篇，读哪篇？ Nabeel Qureshi《Reflections on Palantir》。→ 必读原典
29. 有学术研究支撑吗？ FDE 本身没有专门的学术文献，但企业 AI 采纳、技术扩散、过程咨询、LLM 评估、隐性知识等领域有扎实研究。→ 学术研究、机构报告
30. 怎么持续跟进最新信息？ 最小订阅集五个：Plank 的岗位普查（岗位与薪酬）、Palantir 财报电话会（行业口径）、Lenny 与 Latent Space（海外一手访谈）、Datawhale 公众号与腾讯研究院（中文生态）、本库 09 章的月度更新。→ 值得关注的人、订阅源（含 RSS 构造表与 agent 周报提示词）、2026 年表