最近，随着大模型和智能体火爆，有个技术工种也跟着火了，这就是FDE。

有人说，一个优秀的 FDE，轻松年薪百万。

FDE 是英文 Forward Deployed Engineering 的缩写，翻译过来就是：前端部署工程师。

其实，就是把工程师前置到客户现场，直接围绕客户业务结果写代码、接系统、做部署、做迭代的一种工程交付模式。

它不是传统解决售前，也不是普通售后交付，更不是项目经理。

它更像是：解决方案架构师 + 业务顾问 + 产品经理 + 交付负责人 + 实施工程师的混合体。

PART 01

FDE 到底是做什么的？

TECHNOLOGY

为了更直白的理解这个岗位，我贴一下鹅厂正在热招的这个具体岗位的 JD，大家来琢磨琢磨。

怎么样，看完是不是有点懵逼，有点像研发直接走到前端做项目了，这个岗位的要求相当全栈。

在 AI toB 项目里，FDE 好比是把大模型、智能体标准能力与企业业务场景连接起来的桥梁，让 AI/ 模型 / 智能体能进入企业流程，并且稳定、安全、可量化地跑起来。

PART 02

为什么 FDE 变重要了？

第一，企业 AI 已经过了看演示的阶段。

听了两年大模型的牛掰故事后，客户不好忽悠了。

他们更现实：能不能降本？能不能提效？能不能少出幻觉？能不能进生产系统？

这就不是售前或者 PM 拿出个 Demo 能解决的了。

第二，AI 落地高度依赖企业现场。

每个企业的数据格式、系统接口、组织权限、审批流程、业务口径都不一样。

模型本身再强，也不知道这家公司内部有效订单怎么算，风险客户怎么定义，合规红线在哪里。

FDE 的价值就在于把这些现场知识翻译成工程系统。

第三，智能体可比聊天机器人难交付得多。

聊天机器人回答错了、闹了乌龙，最多也就是体验不好，被骂两句。

Agent 如果接入企业系统，就可能真的去查数据、改表单、发邮件、提交审批、调用接口、触发任务，这些都是严肃场景，出错了可能就是真金白银的笋丝。

这时候就必须考虑权限、日志、审计、失败重试、人工确认、回滚机制、成本控制、模型评测。

这就是需要 FDE 站在这些复杂问题中间，抽丝剥茧。

第四，企业智能体落地是系统工程，不是单模型采购。

真实项目里，可能同时用到 OCR、RAG、向量数据库、工作流引擎、权限系统、日志系统、BI、数据湖、ERP、CRM、OA、私有化模型、公有云 API。

FDE 的角色，就需要有能力把碎片拼成一个能跑的系统。

第五，AI 厂商也需要 FDE 反哺产品。

FDE 在客户现场会看到很多真实问题：产品哪里不好用，API 哪些地方缺，甲方最在意哪些指标，哪些需求可以标准化。

这些东西如果能回流到产品团队，就能把项目经验变成下一次可复制能力。

PART 03

传统售前能转 FDE 吗？

坦白讲，很难。

传统售前当然也很强，尤其优秀的行业售前，业务理解非常深，但很多售前的边界在 "方案 / 产品表达"。

FDE 对传统售前的冲击在于：只会讲方案的人会越来越吃亏，能把方案做成可运行系统的人会越来越值钱。

对于广大售前来讲，必须要认识到下面几点↓

① PPT 能力不再够了

过去，很多售前的主要技能是画架构图、讲案例、写方案、拉 List、友商对比。

AI 时代客户会问：你能不能接我的系统？能不能用我的数据试跑？能不能把智能体做出来？能不能给我一套验收指标？

到这里，大部分产品型售前都会懵逼吧，即便是软件行业售前，也会如坐针毡。

②要从产品清单思维变成业务流程思维

售前喜欢讲产品模块 ( 即便是 AI 售前 ) ：大模型平台、知识库、向量库、智能体平台、安全网关、私有化部署。

FDE 更关心流程：这个岗位每天做什么？哪个节点最耗时？哪类错误最多？哪些判断可以自动化？哪些动作必须人工确认？

客户买的一个可以融入现有环境的 AI 应用，并且获得明确的业务指标，比如：审批快一点、客服准一点、报表少出错、风控更及时。

③要懂 AI 工程，而不是只懂 AI 概念

很多售前讲 AI，容易停留在 RAG、Agent、多模态、微调这些小词上。

真正转 FDE，要知道这些东西怎么落地↓

RAG 的文档怎么切分？向量召回不准怎么调？Agent 调工具失败怎么办？模型幻觉怎么评测？权限怎么和企业账号打通？成本怎么控？

④要能和研发、产品、客户业务部门同时说话

FDE 的难点除了技术本身，还有翻译工作。

把客户业务语言翻译成工程任务，把工程限制翻译成客户能听懂的交付边界。

⑤要学会沉淀

普通项目做完就结束。

FDE 做完一个项目，要思考哪些能力可以产品化：行业模板、Prompt 模板、评测集、连接器、Agent 工具包、数据模型、交付方法论。

传统 IT 售前里，最适合转 FDE 的是这几类↓

懂行业流程的解决方案顾问；

会写一点代码的售前架构师；

做过交付的项目型售前；

懂数据、BI、数据库、集成的技术顾问；

懂云、DevOps、API、微服务的架构师；

做过 RPA、低代码、流程自动化的人。

哪些纯 " 讲参数 " 的产品型售前，转型压力会更大。

FDE 岗位爆火的本质，是 AI 时代 ToB 交付方式跟以前不一样了↓

过去：卖产品，讲方案，写标书，打单子，做项目；

现在：进现场，懂业务，写代码，接系统，跑指标，沉淀能力。

所以对传统 IT 售前来说，FDE 是一个很明确的转型方向，也是一个巨大挑战。

如果你觉得转型路径太陡峭，也不用太慌，毕竟 AI 发展很快，正在一步步技术平权，连副局长都能手搓救灾 app，售前把自己搓成 FDE 又有什么不可能。

另外，在 FDE 这个大分支里，还有个细分岗位叫做FDE Consultant，对 " 动手能力 " 要求相对低一点，大家不妨先对齐这个岗位的需求↓

AI 正在以周甚至以天为单位飞速进化，祝大家都能保持敏感，跟上变化。

IT 人可以 " 老 "，但不能 " 登 "。