最近招聘网站上到处是 FDE（Forward Deployed Engineer，前置部署工程师），年薪开得很高，但很多人看到这个岗位名还是一头雾水：FDE 到底是干嘛的？和普通后端、全栈工程师有什么区别？为什么这个岗位突然火了？ 这篇用 10 个核心词汇，帮你快速搞懂 FDE 这个岗位到底是什么、做什么、和普通工程师有什么不一样。第一次听说 FDE 的，看完这篇就能建立基本认知。

1. FDE（Forward Deployed Engineer）—— 前置部署工程师

FDE 全称 Forward Deployed Engineer，中文一般叫"前置部署工程师"或"前沿部署工程师"。这个岗位最早起源于 Palantir 公司，核心特点是：工程师不是坐在办公室里写产品，而是直接被派到客户现场，深度嵌入客户的业务流程中，用技术解决客户的实际问题。

和普通工程师最大的区别：普通工程师做的是标准化产品，面向的是"用户"；FDE 做的是定制化交付，面向的是"客户"。你不是在做一个给成千上万人用的产品，而是在给一个具体的客户解决一个具体的问题。

2. Deployment Strategist / Deploy Strategist —— 部署策略师

这是 Palantir 早期对 FDE 岗位的叫法。在 Palantir 的体系里，Deployment Strategist 是一个非常核心的角色——他们既懂技术，又懂业务，还要能直接和客户的高层对话。

之所以叫"Strategist（策略师）"而不是"Engineer（工程师）"，是因为这个岗位不只是写代码，还要帮客户想清楚"我们到底要解决什么问题、用什么方式解决、优先级怎么排"。技术只是手段，业务问题才是核心。

3. Embedded Engineer / Embedded Delivery —— 嵌入式交付工程师

Embedded Engineer 是另一种类似 FDE 的说法，在一些公司（尤其是做企业级 AI 服务的公司）会用这个 title。"Embedded"的意思是"嵌入"——你不是作为外包人员在客户旁边干活，而是像客户团队的一员一样，深入他们的内部流程。

嵌入式交付的核心是：你要理解客户的组织架构、决策链条、内部政治，才能真正把事情推下去。光有技术能力不够，你还要能在客户的组织里"生存"下来。

4. Client-facing Engineering —— 面向客户的工程

这是 FDE 工作方式的核心描述。普通工程师的工作是"背对客户"的——你接需求文档、接产品经理的 PRD，然后写代码。FDE 是"面对客户"的——你直接和客户对话，需求是你自己问出来的，方案是你自己谈出来的。

面向客户的工程意味着：你不能只懂技术，你还要会沟通、会谈判、会管理预期。客户说出来的需求往往不是真实需求，你要能听出来他真正想解决的问题是什么。

5. AI Integration / AI Solution Delivery —— AI 集成 / 解决方案交付

这是目前 FDE 岗位最主要的工作内容。大模型（LLM）爆发之后，很多企业都想用上 AI，但他们不知道怎么把 AI 集成到自己的业务里。FDE 就是那个帮企业把 AI 从"实验室"搬到"生产环境"的人。

具体做什么？比如：帮企业搭一个内部知识库问答系统（RAG）、帮企业把客服流程自动化、帮企业做文档智能处理……这些都不是标准化产品能直接解决的，需要有人去现场根据客户的具体情况定制。

6. RAG / Retrieval Augmented Generation —— 检索增强生成

RAG 是目前 FDE 在客户现场做得最多的 AI 应用类型。简单说，RAG 就是：先从客户的私有知识库（文档、数据库、内部资料）里检索出相关内容，再把这些内容和用户的问题一起喂给大模型，让大模型基于客户自己的数据来回答。

为什么 RAG 是 FDE 的高频工作？因为几乎每个企业客户都有"我想用 AI 回答我们公司内部的问题"这个需求。而这个需求没有标准答案——每个客户的数据格式不一样、业务场景不一样、精度要求不一样，都需要有人去现场定制。

7. LLM Ops / AI Ops —— 大模型运维 / AI 运维

LLM Ops 是随着大模型应用普及起来的一个新概念，相当于 AI 时代的 DevOps。FDE 不仅要把 AI 应用搭起来，还要保证它在客户现场稳定运行。

具体包括：监控大模型应用的性能和成本、处理线上出现的 bad case、优化 Prompt 和检索策略、做版本迭代和回滚……这些都是 FDE 要管的事。AI 应用不是搭完就完事了，它需要持续运营和优化。

8. PoC / Proof of Concept —— 概念验证

PoC 是 FDE 在客户现场做的第一件事。当一个新客户找上门来说"我想做个 AI"的时候，FDE 不会直接开始做项目，而是先做一个 PoC——用 1-2 周时间，搭一个最小可行的 demo，验证"这个想法技术上可行、业务上有价值"。

PoC 的核心目的是：让客户看到东西、建立信心，同时也让 FDE 自己搞清楚客户的真实需求。很多客户对 AI 的预期是不切实际的，PoC 过程中就是最好的预期管理时机。

9. Custom AI Workflow —— 定制化 AI 工作流

这是 FDE 交付的核心产物。所谓"定制化 AI 工作流"，就是根据客户的具体业务流程，设计一套用 AI 来辅助或自动化的工作流程。

举个例子：一个律所的客户，原来处理合同审核需要律师人工逐条看。FDE 帮他们搭了一个 AI 工作流：合同上传后，AI 自动识别风险条款、生成审核意见、标注需要律师重点复核的地方。这个工作流不是标准化产品，是根据这个律所的业务流程定制的。

10. Stakeholder Management —— 利益相关方管理

这是 FDE 最重要的软技能，也是和普通工程师区别最大的地方。在客户现场，你要面对的不只是技术问题，还有人的问题。

客户方有业务部门、IT 部门、管理层，每个部门的诉求都不一样：业务部门想快点看到效果，IT 部门担心数据安全，管理层关心 ROI。FDE 要做的是：理解每个人的诉求、平衡各方的利益、推动项目往前跑。这个能力比写代码重要得多。

FDE 到底是什么？一句话总结

用一句话概括 FDE：既懂技术又懂业务，能直接在客户现场把 AI 落地的工程师。

和普通工程师的区别：普通工程师做产品，FDE 直接做客户。普通工程师的产出是代码和功能，FDE 的产出是客户业务问题的解决方案。

为什么这个岗位现在火了？因为大模型出来之后，企业发现"开箱即用的 AI 产品不够用"——每个企业的业务流程、数据格式、需求都不一样，需要有人去现场定制。这个人就是 FDE。

你听说过 FDE 吗？想了解 FDE 哪个方面？评论区告诉我，我写第二篇深入讲。