OpenFDE 雨燕OpenFDE
前线部署工程师 · 开源社区

在客户现场筑巢, 把前沿模型变成生产系统。

Forward Deployed Engineer(FDE)是 AI 时代企业落地的关键岗位:深入客户现场,写生产代码、做集成、跑评估、上线交付,再把一线反馈反哺产品与模型路线图。OpenFDE 把它系统地讲清楚。

EST. 2026OPEN-FDE.COM1251 参考资料CC BY-SA · MIT
§00一句话定义

FDE = 会写生产代码、能进入客户现场、能理解业务结果、还能反哺产品路线图的工程型部署负责人。

四层含义:Forward Deployed(贴近一线)· Engineer(真写代码)· Deployment(上生产)· Feedback loop(反哺产品)。

729%
FDE 岗位一年增长
Business Insider:643 → 5,330(2025.4–2026.4)
100+
YC 创业公司在招 FDE
三年前这个数字是 0(Bob McGrew / YC)
$135K–325K
头部公司现金薪资区间
OpenAI / Palantir 官方岗位页(另有股权)
1,251
本站去重参考资料
来自 1,550 条检索条目,覆盖 13 大领域
§01为什么是现在

FDE 不是“售前换了名字”,而是 AI 落地的组织能力。

01
落地鸿沟

Demo 很快,Production 很难

企业数据散落在 CRM、ERP、数仓、票据、邮件、权限系统里;真正的 ROI 来自流程重构,而不是单点模型调用。FDE 补上从 demo 到 production 的缺口。

02
组织化

模型公司在重新拥抱深度部署

OpenAI 成立部署公司并收购 Tomoro,Anthropic 联合 Blackstone 成立企业 AI 服务公司——“API + 深度部署 + 产品反馈”正在成为新的商业化范式。

03
Agent 时代

没有现成产品,只能从现场长出来

Agent 要执行动作、要接权限与审批、是非确定性的、会改变工作流。产品探索只能在企业内部完成——这正是 FDE 的主场。

§02谁在招 FDE

从 Palantir 到每一家 AI 公司

查看完整岗位形态对比
PalantirOpenAIAnthropicGoogle CloudMistralScale AI字节 · 火山引擎DatabricksSalesforceSierra · Decagon · HarveyPalantirOpenAIAnthropicGoogle CloudMistralScale AI字节 · 火山引擎DatabricksSalesforceSierra · Decagon · Harvey

Palantir

FDSE · Deployment Strategist

FDE 的原型:Delta 做工程落地,Echo 做业务发现,Ontology 做通用底座。

OpenAI

FDE · FDSWE · Technical Deployment Lead

Model Deployment for Business 体系,方法论是 build、prove、generalize。

Anthropic

Applied AI Engineer

与 Blackstone 等成立企业 AI 服务公司,把 Claude 带进核心运营。

Google Cloud

Forward Deployed Engineer

把 Gemini / Vertex 原型转成生产级 agentic workflow,写企业集成的 connective tissue。

Mistral

Forward Deployed ML Engineer

像创业公司 CTO 一样端到端执行,连接 AI research 与真实企业应用。

Scale AI

GenAI FDE

面向顶级 AI lab 与政府机构的数据基础设施与全栈交付。

字节 · 火山引擎

豆包大模型 FDE

火山方舟 MaaS,面向头部行业客户设计与实现复杂 Agent 架构。

Databricks

Forward Deployed Engineer

在数据与 AI 平台之上,把 lakehouse 能力落地为客户生产系统。

Salesforce

Forward Deployed Engineer

Agentforce 时代的现场交付,对 adoption 与业务结果负责。

Sierra · Decagon · Harvey

Forward Deployed Engineer

一批 AI 应用公司把 FDE 作为商业化与大客户交付的核心岗位。

§03文档里有什么

一套从定义到落地的完整手册

基于上千份一手资料整理、重写、结构化,覆盖岗位、组织、方法论、能力、学习路线与面试。

认知 FDE

岗位全景

从你的岗位转型

落地实战

组织与洞察

§04FDE 的工作闭环

从客户真实流程到产品复利

客户问题 → 技术方案 → 快速构建 → 生产部署 → 业务指标 → 失败模式 → 产品能力 → 下一个客户更快落地。

01
账户 / 场景选择

优先高战略、高 ROI、能形成行业模板、能暴露产品缺口的场景。

02
Discovery 业务发现

问的不是“要什么功能”,而是真实业务目标、流程、数据与成功度量。

03
Technical scoping 技术定界

判断哪些用 LLM、哪些用规则/检索/传统软件,定义最小可上线版本。

04
Architecture 系统设计

入口、身份权限、数据、检索、Agent、模型、评估、可观测与部署层。

05
Prototype 快速原型

常是 full-stack 的,用来验证需求、数据、质量、集成、成本与延迟。

06
Eval 评估体系

LLM 系统非确定性,必须建 golden set、offline/online eval 与人工复核。

07
Productionization 生产化

鉴权、数据新鲜度、fallback、审计、合规、SLA、成本与线上响应。

08
Adoption 用户采用

上线不等于价值;推动试点、培训、反馈、流程调整与指标复盘。

09
Generalization 沉淀产品

把一次性项目变成连接器、模板、eval harness、playbook 与产品需求。

10
Commercial 商业扩展

同客户扩科、同行业复制、打包行业方案、缩短销售周期。

§05能力模型

真正稀缺的是组合能力

单独会写代码的人很多,单独会客户沟通的人也不少。但能在客户现场把 AI 系统从模糊需求推进到 production,并把现场经验产品化的人,很少。

  • 基础工程95
  • AI 应用90
  • 企业集成85
  • 评估 / 可观测80
  • 客户 Discovery88
  • 产品判断82
  • 沟通协作86
  • 云 / 安全75
基础工程AI 应用企业集成评估 / 可观测客户 Discovery产品判断沟通协作云 / 安全
§06参考资料库

一千多份一手资料,
可检索、可筛选、可溯源。

官方岗位描述、公司公告、媒体报道、VC 分析、开源项目、播客与社区讨论—— 我们检索了 1550 条,去重后保留 1251 条,并标注其中 663 条为已核实来源。

155
其他 AI 公司
142
OpenAI
136
Palantir 起源
136
国内长尾
129
Anthropic
128
Google Cloud
115
国内生态
110
开源项目
108
落地案例
107
VC 与分析
98
媒体报道
88
亲历者视角
65
社区 / 播客

和我们一起,把 FDE 讲清楚

OpenFDE 是社区驱动的开源项目。无论你是 FDE、想转 FDE,还是在组建 FDE 团队——欢迎补充资料、修订文档、贡献案例与模板。