FDE 短课 FDE-01
FDE-01
FDE 是什么:和 SWE、售前、顾问差在哪
- 入门
- 岗位本身
- Day 1
场景:一个「买了却没人用」的 AI 平台
香港一家中型保险公司(虚构的例子)买了某 AI 公司的 LLM 平台,想让理赔部自动读理赔文件、给初审建议。
- 售前(Solutions Engineer) 做了一个漂亮 demo,合同签了。
- 顾问 写了 40 页 PPT,讲「AI 转型路线图」。
- AI 公司总部的 SWE 继续做通用功能,没见过这家公司的数据。
三个月后没人在用。因为:理赔单是中英夹杂的扫描 PDF;核心保单系统是二十年前的老系统,没有像样的 API;合规部要求每条 AI 建议都能追溯来源。
demo 能跑,和在这家公司的生产环境里能跑,中间差了一大段「最后一公里」。 谁来走这段路?这就是 FDE。
类比:你在微博的架构组
想一下你熟悉的分工:
- 架构组:做通用的 RPC 框架、缓存中间件,给所有业务线用。一个能力,服务很多业务方。→ 这像 SWE / 产品工程师。
- 假设你被派到热搜业务线驻场三个月:用架构组的中间件,再加上你自己写的胶水代码、调参、改数据流,KPI 就是热搜的 SLA 和延迟。→ 这就是 FDE。
- 驻场时发现中间件少了一个功能,你回去推动架构组把它做进通用版本。→ 这就是 FDE 的反馈闭环。
Palantir 自己的说法几乎一样:SWE 是 "one capability, many customers",FDE 是 "one customer, many capabilities"。
原理
它解决什么问题 通用产品和某个客户真实业务结果之间的落差:脏数据、老系统、权限、合规、员工习惯。这些问题总部看不见,只有坐在客户旁边才看得见。
怎么工作
客户痛点 → discovery(问清楚真正要解决什么)
→ prototype(快速做出能跑的东西)
→ production(接上真实系统,稳定上线)
→ adoption(让人真的用起来)
→ 反馈给产品团队(能通用的做进产品)
衡量 FDE 的不是写了多少代码,而是客户的指标有没有动。比如理赔初审时间从 3 天降到半天。OpenAI 的 FDE 招聘页就写明,成功看的是「production adoption」和可衡量的 workflow 改善。
四个角色对比
| 对谁负责 | 写生产代码吗 | 什么时候出现 | 成功指标 | |
|---|---|---|---|---|
| SWE | 产品路线图 | 写,写通用的 | 一直在总部 | 功能质量、复用 |
| 售前 / SE | 签单 | 多是 demo | 签约前 | 赢单 |
| 顾问 | 一份方案 | 很少 | 项目期 | 交付报告 |
| FDE | 客户的业务结果 | 写,写客户环境里的 | 签约后到上线后 | 生产使用 + 指标改善 |
Palantir 博客专门澄清过:FDE 不是顾问。顾问多是一次性的分析和建议,FDE 是用真实软件搭一个能长期运行的方案。
关键取舍:会在哪里坏 FDE 这个角色有三个常见的「变形」:
- 变成定制外包:每个客户 fork 一套,产品越来越难维护。Palantir 的 FDE 要经常判断:这个需求是做进核心平台,还是做一个更快交付的定制版。
- 变成高级售前:只做 demo,从来没进生产。
- 变成项目经理:只开会、不写代码,失去技术判断力。
FDE 视角:为什么 AI 公司现在都在招
- 起源:Palantir 在 2010 年代初发明了这个角色,内部叫 Delta,名字来自早期业务拓展团队用 NATO 字母命名。大约到 2016 年,Palantir 的 FDE 人数一直比普通 SWE 还多。和 FDE 搭档、偏产品方向的部署策略师,内部叫 Echo。
- AI 时代为什么更需要:LLM 的行为不是完全确定的,「pilot 很惊艳、上生产就卡住」特别常见。所以 OpenAI 成立了专门的 FDE 团队,Anthropic 也在招「Forward Deployed Engineer, Applied AI」。香港的字节 BytePlus、Fano Labs、Deloitte 等也在招同类岗位。
- 客户常问:「你们和 SI(系统集成商)有什么不一样?」「你们走了以后,我们自己怎么维护?」第二个问题提醒你:交接(handover)从第一天就要设计。
- 常见坑:为了让客户开心什么定制都答应,结果项目永远收不了尾。
面试怎么问
题目:「FDE 和 Solutions Engineer 有什么区别?你一个做了 8 年后端的人,为什么想做 FDE?」
答题思路:先用一句话分开两者(SE 帮客户赢单,FDE 对签约后能不能真正上线、产生业务结果负责,而且要写生产代码),再接你自己的故事:在微博你做的就是高并发下「让系统真的跑起来」,FDE 是把同样的能力带到客户现场,再加上 AI 和沟通。
一句话带走
FDE 是把通用产品在一个具体客户那里真正跑进生产的工程师:对客户的结果负责,同时把现场学到的东西带回产品。
自测
- 如果一个 FDE 给每个客户都写一套完全定制、互不复用的代码,短期和长期分别会怎样?为什么?
- 如果面试官来自一家大厂云平台(比如 BytePlus),而不是 AI 创业公司,问你「FDE 和 Solutions Engineer 有什么区别」,你的回答重点会怎么变?
先用自己的话写两三句,再打开答案。
参考答案
第 1 题:短期:客户很满意,交付快,每个需求都被满足。长期:每家客户一套代码,产品团队没法升级、没法修 bug 一次修好所有客户;FDE 人一走就没人维护;公司的毛利像外包,不像产品公司。所以 FDE 要不断判断:这个需求是做进核心产品,还是只在这家客户做一层薄的配置或胶水代码。好的 FDE 会把重复出现的定制,反馈给产品团队变成通用功能。
第 2 题:AI 创业公司里,FDE 往往一个人从 discovery 做到上线,重点讲「端到端负责、写生产代码」。大厂云平台客户多、产品线多,SE 和 FDE 分工更细:SE 偏签约前的方案和 POC,FDE 偏签约后在客户环境里把云服务和 AI 应用真正部署起来,还要懂云架构、权限和高可用。回答时可以多讲架构和规模化交付,少讲「什么都自己扛」。
系列:下一篇 · 一个 FDE 项目的完整生命周期 · 回到索引