跳转至

FDE 相关知识点

Forward Deployed Engineering（前线部署工程）关心的是：客户有一个问题，工程师怎样把它弄清楚，再交付一个有人愿意用、出了问题也能维护的系统。

Palantir、OpenAI、Baseten 对这个岗位的安排不完全一样。这里先讲共同的工作：看业务流程、接客户系统、和用户一起验收，以及把一个项目里做好的东西用到下一个项目。

可以先看基础章 1.10 节的一线分享，再读 1.11 节的订单异常助手：客服为什么不敢用第一版草稿，团队怎样修正交期错误，为什么最后没有做多 Agent。1.12 节接着讨论客户要求自动发信、模型升级和推广使用时会遇到的问题。

第二章单独整理现场经验：需求改了谁确认，PoC 之后要留下什么，项目换人后怎样继续，以及客户验收和技术完成有什么区别。做法来自四个开源项目，不需要先安装工具才能使用。

相关岗位的补充阅读放在第一章 1.2.1 节“产品与设计协作”。其中的 AI 产品经理短文，从调研资料核实讲到需求取舍、原型与 PRD，再到研发变更和上线反馈。

子模块

  1. FDE 基础与交付方法（第 1 章）
  2. 现场经验与踩坑（第 2 章）

主题定位

flowchart LR
    NEED["真实业务问题"] --> FDE["FDE<br/>问题建模 / 方案取舍 / 交付"]
    MODEL["LLM / 多模态"] --> FDE
    APP["Agent / RAG / Harness"] --> FDE
    PLATFORM["框架 / LLMOps / 安全治理"] --> FDE
    FDE --> OUTCOME["可验收的生产结果"]
    OUTCOME -.现场反馈.-> PLATFORM

与其他主题的边界

主题 负责回答的问题 FDE 如何使用
LLM / 多模态 AI 模型具备什么能力 判断能力边界和模型选择
Agent / RAG / Tools 应用系统如何构建 选择最小可行架构
框架与编排 用什么抽象实现 控制交付速度与框架锁定
AI Engineering 如何稳定上线和运营 建立 Eval、发布、观测和 SLO
AI 安全与治理 如何控制跨层风险 满足客户数据、权限、审计和合规要求
FDE 如何把上述能力转化成客户结果 对问题、交付和现场反馈闭环负责

返回文档主题索引。