关于 FDE 的资料质量参差不齐：有的是公司真实在招的岗位描述，有的是媒体为流量写的趋势叙事。把它们按"可信度"分层，是系统学习 FDE 的第一步——否则很容易只看到招聘热度，却错过商业模式与组织风险。
下面把最值得看的资料分成四类，并标注它们各自"该看什么"与"为什么可信度不同"。
四类资料分层
看什么：OpenAI、Google Cloud、Palantir、Mistral、Scale、字节等公司的 FDE / FDSE / Applied AI Engineer 岗位页。
为什么可信：它直接告诉你"公司真实在招什么人"——真实的能力要求、薪酬区间、travel 比例，比任何二手解读都准。最适合用来构建能力模型。
看什么：OpenAI Deployment Company、Anthropic 与 Blackstone 等合资的企业 AI 服务公司公告。
为什么重要：它解释了"为什么 FDE 被组织化"——模型公司正在把"部署"从销售后的服务动作，提升为核心商业化能力。看的是趋势背后的战略意图。
看什么：Business Insider、FT、WSJ 等关于 FDE 岗位增长的报道。
为什么要谨慎：不同媒体的统计口径不同（729% / 800% / 10 倍各执一词），适合作为趋势信号，不宜当作精确的市场规模。看叙事，不看绝对数字。
看什么：a16z 的 Palantirization 讨论、Pragmatic Engineer 的批判、Bob McGrew 的深度访谈。
为什么不可替代：它帮你看清 FDE 模式的优缺点与陷阱——比如"如果不能形成产品复利，就会沦为低毛利服务"。避免只被招聘热度裹挟。
本站把上千份资料做成了可检索的库
读懂上面四类资料，最大的障碍是"资料散、来源杂、难以交叉验证"。OpenFDE 为此做了一件笨功夫：把检索到的资料去重、归类、标注来源，建成一个可检索的参考库。
不必自己满网络去捞——四类资料的原始链接、出处与领域标签都已整理进 参考资料库，可按公司、主题、可信度分层检索，交叉验证一个说法到底有几个可靠来源。
系统学习 FDE 的阅读顺序
资料分层之后，按下面这个顺序读，能最快从"知道这个词"到"建立完整心智模型"：
- 先读官方岗位描述——Palantir FDSE、OpenAI FDE、Google Cloud FDE，建立"真 FDE"的硬标准。
- 再读起源资料——Palantir Dev vs Delta，理解 Echo / Delta 分工与平台底座的由来。
- 然后读部署公司公告——OpenAI Deployment Company、Anthropic 企业服务公司，理解组织化趋势。
- 接着读战略分析——a16z Palantirization 与 Bob McGrew 访谈，理解"服务 vs 产品复利"的核心张力。
- 最后读趋势报道——把岗位增长数据当作背景叙事，而不是论据本身。