FDE 能力模型与层级
给想自评、想给团队定标准、或者想设计培养路径的人。这一页把七份公开材料的能力清单合并成一个四维模型，每一维给可观察行为，再分三级。
零、先说清楚这个模型的来历和边界
没有任何一家公司公开发布过 FDE 的官方能力模型。 Palantir 有招聘标准但没有能力框架；ADaSci 有认证但官方未公开考纲权重；roadmap.sh 有技能树但只覆盖技术侧；中文材料里最完整的是 53AI 的 12 项能力清单，但它是媒体整理不是行业标准。
所以本页的四维模型是本库对下面七份材料的归纳，不是任何一家的官方标准。用它自评、用它设计训练、用它写 JD 都可以；拿它当认证标准或者对外声称「符合 FDE 能力模型」，不行。
| 材料 | 类型 | 它覆盖了什么 | 它漏了什么 |
|---|---|---|---|
| roadmap.sh · Forward Deployed Engineer | 开源技能路线图 | 技术栈最全，且明确分出 Core Competencies（Discovery & Scoping / Communication / Business Acumen） | 没有分级，没有可观察行为 |
| ADaSci CFDE | 付费认证 | 五模块结构（FDE 基础 / Agentic AI / 云原生与 DevOps / 安全可观测合规 / 客户中心工程） | 官方未公开考纲权重；课程页里客户侧只有 2 节课，占 4.3% |
| Palantir《Dev versus Delta》 | 一手官方 | Delta 三项核心技能：technical decomp、自主性 + 强技术直觉、思辨力 | 只覆盖 Palantir 一家，且不讲分级 |
| 53AI《FDE 的 12 项核心能力》 | 中文媒体整理，2026-08-05 | 中文世界最详细，每项给定义 → 案例 → 核心动作 → 检验标准 | 案例多为二手转述；文中引用的「42 倍 / $48.5 万」两个数字需另行核实 |
| 范冰《前线部署工程师》(FDE4.AI) | 公开手册 | 三层特质：技术通才 / 翻译力 / 主人翁 + 叛逆 | 无分级，无可填模板 |
| Mars（任鑫）《中国 FDE 手册》fde-arsenal | 公开手册，CC-BY-4.0 | 唯一一份带权重打分表的中文材料：业务肌肉记忆 25 / 翻译力 20 / 动手 15 / 组织导航 20 / 完成癖 20，另有一条一票否决 | 立场是「企业内部培养」，对外部 FDE 的适配性未验证 |
| 各公司 JD 共同项 | 一手 | 三段措辞高度雷同的业务能力（见下） | JD 只写要什么，不写怎么衡量 |
各公司 JD 里重复率最高的三段话
从中文 AI FDE 岗位 JD 里提取，几乎每一份都有这三段，措辞高度雷同（原文均为公开招聘页面，抓取 2026-08-30）：
- 把模糊需求变清楚——滴滴「将模糊业务诉求转化为清晰的技术方案与交付计划」；聚宽投资「将模糊需求拆解为清晰的产品方案、交付路径和成功指标」；熵基「将模糊需求转化为清晰、可落地的技术需求清单」。
- 划 AI 与人的边界——美团「判断哪些环节适合交给 Agent、哪些留给人工」；高顿「识别『AI 可介入 vs 人工兜底』的边界」；上海链家「设计 AI 驱动或人机协同的新流程」。
- 用数字证明价值——滴滴「通过量化指标持续度量和呈现交付价值」；美团「跟踪采纳率、任务成功率、人工干预率等核心指标」；绿米联创「输出可量化的业务指标提升（如能耗降低率、运维效率提升率、用户满意度等）」。
英文侧完全对应。OpenAI FDE 岗 JD 原文：「You will measure success through production adoption, measurable workflow impact, and eval-driven feedback」。
一、四维模型总图
为什么是这四维：技术和业务是两个「有没有」的问题，沟通是「能不能推动」的问题，判断力是「往哪儿使劲」的问题。Palantir FDSE 自陈这份工作最难的部分不是技术，而是「决定往哪儿使劲」——因为可解的问题近乎无限，必须持续判断当下最有价值的事是什么（FDSE 的一天）。把判断力单列一维，是为了不让它被埋进「软技能」这个筐里。
二、逐维展开：可观察行为
每条行为的判定标准是「能不能举出一件具体的事」。举不出具体的事（时间、人名、数字）就按不具备算，不给同情分。
① 技术（Technical）
| # | 可观察行为 | 怎么验 |
|---|---|---|
| T1 | 能在别人写的、没有文档的代码库和系统里改东西并上线 | 讲一次你接手陌生系统的经历：你怎么建立理解、卡在哪、最后改了什么 |
| T2 | 能把一条数据管道从源头接到应用层，且处理过脏数据与权限问题 | 说清你做过的最难的一次集成：数据源是什么状态、权限怎么解决的 |
| T3 | 能给一个 AI 功能建评测集、写 judge、定阈值，并说得出为什么是这个阈值 | 拿出一份你建过的评估集：多少条、怎么分层、判对判错怎么标 |
| T4 | 能把东西部署到客户的环境里（不是你自己的），并处理认证、密钥、数据边界 | 讲一次你在别人的云/内网里上线的经历 |
| T5 | 出生产事故时能定位根因、发修复、做监控，并同时协调三方沟通 | 讲一次真实事故的完整处理过程 |
roadmap.sh 把这一维展开成 Frontend / Backend / Linux / DSA & System Design / AI Engineering / DevOps 六块；ADaSci CFDE 把 48 个 lecture 里的 95.7% 放在这一维。技术侧的教材市场上最不缺，也因此最不构成差异化。
② 业务与领域（Domain）
| # | 可观察行为 | 怎么验 |
|---|---|---|
| B1 | 能不看文档说出一条业务流程的三个例外情况，以及每个例外是谁在什么时候拍板加进去的 | 直接问。答不出例外的人，说明他只看过流程图，没在流程里待过 |
| B2 | 能用一张纸画清改造前后的差异，非技术人员看一眼就懂 | 当场画 |
| B3 | 能把一个业务目标折算成可查的数字：这一步现在谁在做、一次多久、错了什么后果 | 给一句模糊目标（「客服效率低」），看他问出什么 |
| B4 | 进一个完全陌生的行业，能在两周内产出可信的方案框架 | 讲一次「消防水管式」冷启动：你怎么补的行业常识 |
| B5 | 能说出同一个业务口径在不同系统里的不同算法（例如「销售额」在三个系统里的三种算法） | 直接问 |
B1 和 B5 是最难培养、也最难伪装的两条。Mars 的画像表把「业务肌肉记忆」的权重设为 25 分（五项里最高），理由是「它是唯一培养不出来的」。53AI 的 MAP（流程还原）给的检验标准与 B2 完全一致。
③ 沟通与推进（Drive）
| # | 可观察行为 | 怎么验 |
|---|---|---|
| C1 | 15 分钟内能把业务方 30 分钟的描述压缩成一页纸的可执行需求 | 现场做（53AI 给的检验标准原文：做不到，不动手） |
| C2 | 要一份不属于自己部门的数据，知道找谁，且这些人愿意接他电话 | 问「上一次你为了搞清楚一件事跑到不属于你的部门去问人，是什么时候？后来怎么样了？」 |
| C3 | 敢把半成品拿给客户看，并能在演示中途出问题时接住场 | 看他有没有「上午做、下午给客户看」的习惯 |
| C4 | 交付物拿给业务方，对方能用自己的话复述逻辑 | 53AI 的 ITERATE 检验标准原文：复述不了，打回重做 |
| C5 | 能讲清坏消息（做不出来、要延期、方案要推翻）而不失信用 | 讲一次你告诉客户「这个做不成」的经历 |
这一维是市场教得最少、也最值钱的一维。ADaSci CFDE 的客户侧内容只占 4.3%；GSDC 的模块 12 + 13 加起来 19 条是本库见过最完整的清单（客户发现方法论、干系人地图、方案 scoping 工作坊、商业论证与 ROI 表达、面向非技术人群的技术写作、跨高管/业务/技术三层的沟通、PoC→MVP→Production 生命周期、变革管理与采纳策略、长期关系模型、成功指标与续约动作、危机响应；加上 demo 的叙事弧、不确定条件下做现场演示、可视化 AI 输出、预判并接住尖锐提问、演示后的跟进）。
④ 判断力（Judgment）
| # | 可观察行为 | 怎么验 |
|---|---|---|
| J1 | 面对一张大蓝图，能切出一个最小闭环，并说得出「为什么选这个不选那个」的量化理由（影响人数、频次、当前耗时） | 给一道真实的模糊题，看他先问问题还是先给方案 |
| J2 | 能对一个完整业务场景逐节点标注执行主体（人 / AI / 自动化），且每个标注说得出理由 | 现场标 |
| J3 | 交付方案自带风险分级、兜底策略、爆炸半径与回滚方案；能指出至少一个「刻意不自动化」的环节并给出业务理由 | 看方案文档 |
| J4 | 遇到「这个功能做进平台还是做个定制件更快交付」的分叉，能写出取舍理由（交付速度、复用价值、维护成本、路线图冲突） | Palantir 说这个权衡每周都在发生 |
| J5 | 能在信息不全、时限紧的情况下拍板，并事后说清当时的依据 | 给残缺信息 + 设时限，复盘决策质量 |
J3 里「刻意不自动化」这一条来自 53AI 的 RELATIONSHIP 能力，在英文材料里没有对应物。它的案例是：某在线教育公司用 AI 全面接管学员课后答疑，效率提升了，但三个月后续费率下降 18%——因为学员发消息给班主任本身是班主任了解学员状态的核心触点。原则是「自动化消除无价值搬运，不消除有价值的人际接触」。
三、三级分层
分级的依据不是年限，是能独立扛多大的不确定性。
三级对照表
| 初级（跟场） | 独立（主带） | 带队（建制） | |
|---|---|---|---|
| 一句话 | 在别人划好的范围内做完 | 自己定范围，并对结果负责 | 让别人也能做成，并把方法沉淀下来 |
| 技术 | 能在有人 review 的前提下完成一个模块；会用团队既定的技术栈和评测流程 | 能独立在客户环境里端到端交付一个场景，含集成、评测、上线、监控 | 能做技术选型与参考架构；能判断哪些东西该做进平台、哪些留在项目里 |
| 业务与领域 | 能问清一条流程并画出来 | 能独立完成流程还原、价值测算并说服业务方认这个账 | 能画出一个业务单元的场景全景图，并给出优先级排序与 ROI 口径 |
| 沟通与推进 | 能在有人带的情况下参加客户会并做记录、跟进 | 能独立主持发现会、演示会，能讲坏消息 | 能对高管做里程碑汇报；能把前线需求写成说服产品团队的「一页纸论证」 |
| 判断力 | 遇到分叉会问，不会自己拍 | 能在信息不全时拍板并承担后果；方案自带风险分级 | 能决定「这个客户/这个场景不该做」，并有能力把这个结论讲出去 |
| 典型交付物 | 一个能跑的功能模块 + 一份使用记录 | 一个上线并被使用的场景 + 一组业务指标变化 | 一套可复用的组件/模板/SOP + 至少一个被别人复现的场景 |
| 失败长什么样 | 做完了但没人验收 | Demo 惊艳、交接后无人用 | 自己项目成了，但撤场后组织转不起来 |
| 验收问题 | 「你做的东西现在还有人用吗？」 | 「省的人时、涨的产出，财务能对出账吗？」 | 「换一个人、换一个场景，你的方案能否在 48 小时内跑起来？」「你撤场一个月后，他们自己能转起第二个场景吗？」 |
最后两个验收问题分别来自 53AI 的 REPLICATE 能力检验标准，和中文站 fdebaike.com 提出的「现场五关」第五关「自转关」（原文：「企业什么时候能离开你，你的活才算干完。真正的考试，在撤场之后。」）。
各家的分级说法对照
| 来源 | 分级方式 | 备注 |
|---|---|---|
| Palantir（招聘页，2026-09-06） | Deployment Strategist 有 Internship / New Grad / 正式三档；FDSE 只有正式岗 | DS 有应届入口，FDSE 没有 |
| Databricks（招聘页，2026-09-06） | AI Engineer-FDE → FDE → Sr. → Staff → Sr. Staff，另设 Manager / Sr. Manager 管理线 | 本次抽样里分级最完整的一家 |
| Scale AI（招聘页，2026-09-06） | Frontier Agents Engineer → Senior → Staff；另有 Director 与 Sr. Director | 与 Applied AI 双线并行 |
| OpenAI（招聘页，2026-09-06） | 用年限门槛区分：FDE 要 5+ 年，FDSWE 要 7+ 年 | 不用 Level 名，用年限和职责差异 |
| 知行（中文培训机构，官网自述） | 练手期 → 实操期 → 晋级期 → 准专家，对应「脱敏沙盒 → 标准化低风险环节 + 劳务补贴 → 核心环节 + 分润 → 专家梯队」 | 厂商自述，用于说明中文市场的分级思路，非事实认定 |
四、怎么用这个模型
4.1 个人自评：先找短板，别找长板
按四维各 5 条、共 20 条行为逐条打「能举出具体的事 / 举不出」。FDE 是短板决定上限的角色——技术满分但问不出业务例外的人，交付的东西没人用；业务满分但接不上客户系统的人，永远停在 PPT。
一个更快的自检：把最近一次你做成的事，按四维各写一句话。写不出来的那一维就是短板。
4.2 团队选人：别用同一个模子
Palantir 官方博客里，华盛顿的 Katherine 把 FDSE 群体形容为一个「艺术家聚落」——每个人靠独特的技能组合创造价值，很难列出统一的成功技能清单，但高用户共情、理解业务战略的意愿、创造性解题、独立性是成功者的公约数。所以团队组建的正确做法是刻意混搭背景（硬件、数据、咨询、行业专家），再用共同的底盘训练拉齐。
4.3 中国内部培养场景：一份带权重的打分表
Mars（任鑫）的《中国 FDE 手册》给出了本库找到的唯一一份带权重的中文打分表（满分 100，及格线 65）：
| 维度 | 权重 | 1 分长什么样 | 5 分长什么样 |
|---|---|---|---|
| 业务肌肉记忆 | 25 | 只知道流程图上写的那版流程 | 能不看文档说出三个例外，以及每个例外是谁在什么时候拍板加进去的 |
| 翻译力 | 20 | 跟业务讲技术、跟技术讲业务，两边都听不懂 | 能把「产线次品率高」拆成三个可查的数据问题，也能把「模型准确率 87%」讲成「每 100 单里有 13 单要人工兜底」 |
| 动手把东西做出来 | 15 | 提需求给 IT，等排期 | 上个月自己做了个东西，现在还有别人在用 |
| 组织导航 | 20 | 要一份数据要走三周流程，最后没要到 | 能说出数据、审批、上线各归谁管，且这些人愿意接他电话 |
| 完成癖 / 好胜 | 20 | 遇到卡点先写邮件说明困难 | 讲得出一件为了做成而付出过明显代价的事，且当时没人逼他 |
一票否决只有一条：他不愿意在现场待着。判别方法是问「让你去车间跟班十天，白天跟着倒班，你怎么想」，犹豫超过五秒的不选。
注意这张表的权重逻辑：技术（动手）权重最低（15），业务肌肉记忆最高（25）。作者给的理由是「技术能力从筛选条件降级成了可培养项，而业务肌肉记忆没法在三个月里培养」。这个权重是针对「企业内部培养」场景的，对外部 FDE（每换一个客户重来一次领域）未必成立——外部 FDE 更依赖 B4（陌生领域冷启动）而不是 B1（本行业肌肉记忆）。
4.4 这个模型的三处薄弱
诚实标注证据强度：
- 分级的边界是软的。 「独立」和「带队」之间没有客观分界线，本页用「能不能让别人也做成」来切，但这条线在不同规模的组织里位置不同。
- 技术维的具体技能会过时。 2026 年 9 月的 Agent 技术栈与 2025 年已经不同，具体工具见 ../06-toolbox/，本页只写能力不写工具，就是为了减少过时。
- 「判断力」这一维缺乏公开的评估方法。 市面上所有 FDE 课程与认证都没有公开如何考核判断力（ADaSci 用 60 道选择题，GSDC 用 40 道选择题）。本页给的验证方法是行为面试与情境题，可靠性有限。
延伸阅读
- 本库：hiring-bar.md —— 把这四维变成 30 道可问的题
- 本库：what-is-an-fde.md —— 能力模型服务于角色定义，先看边界
- 本库：../04-methodology/ —— 这些能力具体落到哪些交付动作上
- 本库：../08-career/ —— 按短板选课程与练习
- 库外：roadmap.sh · Forward Deployed Engineer —— 技术维最全的免费路线图，可交互
- 库外：53AI《FDE 的 12 项核心能力》 —— 中文世界最详细的能力拆解，每项带检验标准
来源
- roadmap.sh，《Forward Deployed Engineer Roadmap》，2026 版，https://roadmap.sh/forward-deployed-engineer （节点结构自官方 JSON 读取，2026-09-06）
- ADaSci，《Certified Forward Deployed Engineer (CFDE)》，https://adasci.org/certifications/certified-forward-deployed-engineer-cfde ；课程页 https://adasci.org/courses/adasci-certified-forward-deployed-engineer （官方未公开考纲权重，本页据课程页 lecture 数做代理指标）
- Bruno Pontes Soares Rocha，《Dev versus Delta》，Palantir 官方博客，2019-04-08，https://blog.palantir.com/dev-versus-delta-demystifying-engineering-roles-at-palantir-ad44c2a6e87
- 《A Day in the Life of a Palantir Forward Deployed Software Engineer》，Palantir 官方博客，2020-11-02，https://blog.palantir.com/a-day-in-the-life-of-a-palantir-forward-deployed-software-engineer-45ef2de257b1
- 53AI，《FDE 的 12 项核心能力：一份可直接落地的培养清单》，2026-08-05，https://www.53ai.com/news/Palantir/2026080567913.html
- 范冰（xdash），《前线部署工程师》FDE4.AI 手册，https://github.com/xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer
- 任鑫（Mars），《中国 FDE 手册》fde-arsenal，CC-BY-4.0，https://github.com/ai-alchemy-lab/fde-arsenal/blob/main/02-方法论/培养旅程-01-画像与筛选.md
- GSDC，《Certified Forward Deployed Engineer》模块 12「Client Engagement & Consulting」与模块 13「Demo, Storytelling & Delivery」，https://www.gsdcouncil.org/certified-forward-deployed-engineer
- 焦波（水镜），《现场五关》，FDE 百科，https://fdebaike.com/ （页面标注 Published Time: 2026-08-31）
- 知行（knowanddo.com.cn），FDE 培养体系四级成长路径，https://www.knowanddo.com.cn/fde.html （机构自述，2026-09-01 访问）
- OpenAI Forward Deployed Engineer 岗 JD，https://jobs.ashbyhq.com/openai/305a4b22-7ff9-4fa5-9229-c6a22c9aa64f ，读取日期 2026-09-06
- Palantir / Databricks / Scale AI 公开招聘接口分级信息，读取日期 2026-09-06
- 中文 AI FDE 岗位 JD 原文（滴滴、美团、聚宽投资、熵基、高顿、上海链家、绿米联创），自公开招聘页面转录，抓取日期 2026-08-30