OpenFDE 雨燕OpenFDE
组织与洞察15 / 16

FDE 与 Agent 时代

为什么 Agent 让 FDE 更重要,常见误区与未来演化。

一个反直觉的判断:AI 越强,FDE 不是越没用,而是越重要。Agent 让"从 demo 到 production"的鸿沟变得更深、更宽,而 FDE 正是站在这道鸿沟上的人。

前 Palantir 第二位工程师、前 OpenAI 首席研究官 Bob McGrew 把话说得很直接:AI agent 没有现成的产品,是 FDE 兴起的最重要原因。 Agent 还无法像 SaaS 那样基于标准化产品规模化扩张,有大量产品探索(product discovery)工作要做,而这些探索只能从企业内部的真实业务出发——这恰好就是 FDE 模式的主场。海外独角兽 · Bob McGrew

Agent 让 FDE 更重要的三点

Agent 执行动作,不只是回答

一旦从"回答问题"变成"执行动作",就必须接 API、权限、审批、回滚、日志和责任链。这些恰恰是企业生产环境里最难、最不可省略的部分——也是 FDE 现场工程的核心。

Agent 是非确定性系统

非确定性意味着同样的输入可能产生不同输出,必须配套 eval、observability、trace、guardrail 和人工复核。建设这套"可衡量、可追溯、可兜底"的体系,本身就是一项重工程。

Agent 改变工作流

真正有价值的 Agent 往往不是一个聊天框,而是嵌入到审批、客服、销售、合规、研发、财务等真实流程里。流程嵌入需要深入理解组织、权限与责任边界——只能在客户现场完成。

Google 的 FDE 岗位把 production-grade agentic workflow、MCP servers、多智能体框架、state management 和 tracing 放在核心要求里,正说明 FDE 正在成为企业 Agent 落地的关键角色。

逐条破除五个常见误区

!
误区一:FDE 就是售前工程师

不准确。售前支持销售流程,FDE 的目标是生产落地和业务 impact。OpenAI、Google、Palantir 的描述都强调 FDE 要写代码、嵌入客户、部署生产系统。

!
误区二:FDE 就是咨询顾问

不准确。咨询交付建议或一次性成果,FDE 的核心是工程实现和产品反馈。Palantir 官方博客明确区分 Delta / FDSE 与 consultant,FDSE 甚至会把现场代码贡献回核心产品。

!
误区三:FDE 只适合大公司

不准确。早期 AI startup 的创始人和早期工程师往往天然在做 FDE,只是没有这个 title。FDE 模式尤其适合产品还在探索、客户需求高度异质的阶段。

!
误区四:FDE 越多越好

不一定。FDE 多但产品化不足,公司会沦为项目制服务公司。FDE 应该服务于产品复利,而不是替代产品能力——这正是 FDE 对各岗位的价值 反复强调的纪律。

!
误区五:AI 越强,FDE 越不需要

短期看恰恰相反。模型越强,企业越想把它接入核心流程,而核心流程越需要权限、审计、数据、治理、工作流重构和责任边界。把 Claude 放进核心运营需要 hands-on engineering 与对客户业务的深度熟悉。

FDE 的未来演化

1
继续分化

未来 FDE 会从一个岗位裂变成一组岗位族:FDE、Applied AI Engineer、AI Deployment Strategist、Agent Solution Architect、Eval Engineer、AI Customer Engineer、Deployment PM。OpenAI、Google、Mistral、Scale、字节的岗位已经显示了这种分化趋势。

2
部分自动化,但不会消失

AI agent 会让 FDE 写代码、生成集成、做测试、写文档更快。但 FDE 的核心难点不是写代码,而是定义正确问题、处理组织政治、对齐成功指标、管理风险、判断何时该产品化、推动用户采用、在不完整信息下取舍——这些短期内不会被完全自动化。

3
成为 AI 公司标配

过去 SaaS 公司有 Sales Engineer、Solution Architect、Professional Services、Customer Success、TAM;AI 公司则会出现更工程化的组合,把"部署"从销售后的服务动作,提升为核心商业化能力。

真正的机会:能力与采用之间的 gap

Bob McGrew 给出了一个关于 timing 的洞察。AI 模型能力在飞速提升,但采用速度(adoption)远没有能力进展快。极可能的未来是:AI 能力不断前进,现实世界却感觉越来越平庸——就像我们坐在 Waymo 里不会惊叹"无人驾驶实现了",只会抱怨"今天好堵"。

FDE 的历史性 timing

AI 被大规模应用是需要方法论的,它不会自己发生,而是要求人类的创造力、探索和应对大量现实问题。FDE 的机会,就在于填补"AI 能力实际能做什么"与"客户能采纳什么"之间的那道 gap。

访谈结尾有一个精妙的类比:OpenAI 像总部产品团队,而一众创业公司就是 FDE——在外面想办法,让总部研发出来的研究成果真正被世界采纳。 如果这个类比成立,那么 FDE 就不只是一个热门岗位,而是整个 AI 产业把"模型能力"转化为"现实价值"的传动机构。

想理解这股浪潮为何在 2025–2026 年集中爆发,可继续阅读 为什么现在爆火