FDE 做什么
FDE 的工作从客户的业务问题开始,到系统上线并被持续使用为止。一个典型的项目里,FDE 会做这些事:
- 听懂业务:访谈决策者、业务负责人和 IT,弄清真实的痛点、数据现状和约束。
- 判断场景:在很多想做的事情里,选出现在最值得做、也做得成的那一个。
- 设计方案:定范围、定指标,明确哪些事第一阶段不做。
- 动手搭建:用模型、知识库、工具调用和系统对接,做出能用的东西。
- 评测验证:用测试集证明系统靠得住,找出它会在哪里出错。
- 上线交付:处理部署、数据合规、人工兜底、监控和回滚,把系统交到客户手上。
- 证明价值:用客户自己的数据算清投入产出,并把现场发现的问题带回给产品团队。
FDE 和其他岗位有什么不同
| 岗位 | 主要对谁负责 | 主要产出 | 和 FDE 的区别 |
|---|---|---|---|
| FDE | 客户的业务结果 | 在客户现场上线并被使用的系统 | — |
| 算法工程师 | 模型效果 | 模型、算法 | FDE 一般不训练模型,重点在把现有模型用好 |
| 后端 / 全栈工程师 | 产品功能 | 通用产品的代码 | FDE 面对的是某一个客户的具体问题 |
| 解决方案架构师 | 售前方案 | 方案文档、演示 | FDE 要自己动手做出来并负责上线 |
| 实施顾问 | 产品部署 | 标准产品的配置和培训 | FDE 要做判断和定制开发,不只是配置 |
| 产品经理 | 产品方向 | 需求文档、路线图 | FDE 同时承担需求判断和工程实现 |
简单说,FDE 是一个把工程能力、业务理解和客户沟通放在同一个人身上的岗位。
这个岗位从哪来
「前沿部署」这个说法来自美国数据公司 Palantir,它很早就把工程师派到客户现场,和客户一起解决问题。大模型出现以后,模型能力和企业实际使用之间出现了很大的落差,很多 AI 公司开始大量设立这个岗位,FDE 的需求随之快速增长。
需求和薪资
以下数据来自公开报道,引用时请以原始来源为准:
- 据中新网 2026 年 6 月报道援引的招聘平台数据,FDE 岗位的招聘量在两年内增长了约 42 倍。
- 据中国日报网 2026 年 8 月报道援引的 Indeed 数据,2025 年 4 月至 2026 年 4 月,全球 FDE 岗位数量从 643 个增加到 5330 个。
- 中新网的同一篇报道列举了国内的招聘信息:字节跳动的豆包大模型 FDE 岗位月薪为 3.5 万至 7 万元,15 薪;蚂蚁数科的 FDE 岗位月薪为 4 万至 6 万元。报道同时指出,高薪集中在头部人才,不代表行业平均水平。
- 中国日报网的报道提到,国内企业也在采用类似的模式,例如腾讯与长安汽车组建了 34 人的联合团队;报道认为国内 FDE 人才的培养体系仍接近空白。
来源:中新网,2026-06-05;中国日报网,2026-08-18。
FDE 需要哪些能力
ChinFDE 发布的《FDE 能力标准》把 FDE 的能力分成六个维度:
- 业务洞察与场景判断:分清客户嘴上要的和业务真正需要的。
- 方案设计与范围管理:定下先做什么、不做什么、怎么衡量。
- 工程实现:把模型、知识和业务规则组装成可用的系统。
- 评测与质量保障:证明系统在没见过的问题上也靠得住。
- 上线交付与安全合规:处理部署、数据合规、兜底和回滚。
- 沟通协作与价值证明:让各方达成一致,并算清投入产出。
完整内容见 FDE 能力标准。
在中国做 FDE 有什么特别之处
- 模型选择:多数项目使用国内可合规使用的模型,需要了解不同国产模型的特点和接入方式。
- 私有化部署:很多企业,尤其是制造、金融、政务和医疗行业,要求数据不出内网,FDE 经常要在没有公网、算力有限的环境里落地。
- 数据合规:涉及个人信息的项目需要遵守个人信息保护方面的法律要求,数据能不能出境、能不能交给第三方处理,都要在方案阶段想清楚。
- 客户的数字化基础差别很大:有的客户系统齐全,有的客户关键数据还在 Excel 和纸质单据里。判断「现在能做什么」比「理论上能做什么」更重要。
谁适合成为 FDE
- 想更靠近业务的后端、全栈和算法工程师。
- 懂技术的解决方案工程师、售前工程师和实施顾问。
- 有技术背景、想亲手做出东西的产品经理。
- 熟悉某个行业、并愿意学习 AI 应用开发的业务人员。
共同的特点是:愿意和客户打交道,能在信息不完整的情况下做判断,对结果负责。
怎么开始学
FDE 的能力很难靠看视频和做选择题学会,因为它的核心是在具体情境里做判断。ChinFDE 的做法是让学习者直接进入模拟的客户项目:访谈由 AI 扮演的客户,写方案,搭建系统并接受隐藏测试,最后做上线计划和复盘。整个过程的产出就是考核的依据。
可以从第一个模拟项目开始。