Anthropic 最近公布了一个容易被标题带偏的数字：截至 2026 年 8 月，Claude “主导”了公司约 26% 的模型研究与开发任务；达到“AI 协作”级别或更高自动化级别的研发工作占比超过 90%。

这里的关键词是“主导”和“协作”。Anthropic 对“主导”的解释，是模型可以从一个高层任务开始，端到端完成大部分工作，但仍然有人监督；“协作”则意味着 Claude 在人的直接指导下完成大块工作。这个指标是 Anthropic 自报的内部衡量结果，说明研发流程正在变化，却没有证明 Claude 已经脱离人类独立设计出自己的继任者。

真正值得追问的是：当模型越来越能写代码、跑实验、分析结果，谁来把它放进真实的研发和业务流程里？

我想到一个可能被低估的岗位。FDE，Forward Deployed Engineer，本文暂译作“前线部署工程师”。Anthropic 的岗位描述很直接：FDE 要进入战略客户的真实系统，用 Claude 构建生产应用，保证结果符合客户要求，再把部署中发现的共性模式反馈给产品和工程团队。

这和传统意义上的售前、实施或客户成功都不完全相同。FDE 需要同时面对三种现实：客户说不清楚的目标，模型并不稳定的输出，以及线上系统必须遵守的权限、成本和审计要求。他不是把一个已经定型的软件交给客户，而是把一项仍在快速变化的模型能力，压缩成一个可以运行、验收和维护的工作流程。

🔹  模型越强，现场工程越重要

模型能力提升后，最先被压缩的是“从零写出一段代码”这类工作。一个工程师可以让 Claude 生成接口、补测试、读日志，甚至完成一部分研究任务。但企业真正要买的从来不是一段看起来正确的代码，而是一个能在自己的数据、权限和流程里持续工作的结果。

举一个具体场景：一家公司的客服团队希望用 Claude 自动处理售后工单。

模型可以总结对话、判断意图、生成回复，甚至调用订单系统。可上线前还要回答一串问题：什么类型的工单可以自动结案？退款金额超过多少必须转人工？模型引用了哪条制度？接口超时后会不会重复扣款？一次错误回复的成本由谁承担？

FDE 的工作，就是把这些模糊目标变成可执行的边界：定义输入和输出，接入真实系统，设计人工复核节点，记录失败样本，建立评估集，再根据结果修改提示、工具和流程。模型负责产生候选答案，FDE 负责让整个系统知道什么时候可以相信它，什么时候必须停下来。

这也是“Claude 参与造 Claude”带来的一个反直觉变化：模型替代的可能是部分实现工作，FDE 承担的却是更多的边界工作。越多环节由模型完成，越需要有人定义任务、拆分权限、检查证据，并把一次性的成功变成可重复的流程。

🔹  FDE 的核心能力不是会写提示词

把 FDE 理解成“高级提示词工程师”，会低估这个岗位。提示词只是入口，真正稀缺的是四种判断。

第一，能把业务目标拆成模型可处理、程序可验证的步骤。比如“提升客服效率”无法直接验收，拆成“首响时间下降、人工转接率可控、退款规则零越权”才有意义。

第二，能识别模型适合承担的部分和必须由系统承担的部分。事实检索、权限判断、金额计算和状态变更，往往需要确定性代码；摘要、分类和候选方案，才适合交给模型。这种分工决定了系统会不会把模型的幻觉变成真实损失。

第三，能建立评估闭环。上线前的演示只能证明一条路径能走通，不能证明系统在长尾输入、异常权限和接口失败时仍然可靠。FDE 要把失败样本变成测试集，让每次修改都能比较前后差异。

第四，能把现场经验反馈给产品和模型团队。某个客户反复遇到的权限问题，可能意味着接口设计需要变化；某类任务总是需要人工补救，可能说明模型能力还没有达到产品承诺。FDE 不是项目结束后离场的人，他是产品迭代链条中的传感器。

🔹  它会成为新核心岗位吗？

我的判断是：FDE 很可能成为人工智能应用早期的核心岗位，但不会因为职位名称新就自动拥有长期价值。

它的价值取决于能否完成三次转换：把客户语言转换成可验收任务，把模型输出转换成受控流程，把现场个案转换成可复用产品能力。只会调参数、写演示脚本的人，容易被更强的模型压缩；能把复杂现场变成稳定系统的人，反而会因为模型能力上升而获得更大杠杆。

这也解释了为什么 FDE 常常需要同时懂软件工程、业务流程和沟通协作。它不是三种技能的简单相加，而是在每一次部署中决定责任如何分配：哪些事情交给 Claude，哪些事情交给普通程序，哪些事情必须由人来做最后判断。

当然，FDE 也有边界。若企业没有清晰的数据权限、流程负责人和验收指标，FDE 只能把混乱包装成一个更快的原型；若产品已经高度标准化，很多部署工作会被平台和自动化工具吸收。岗位能否持续，取决于它能否沉淀出真正可复用的模式，而不是不断重复定制项目。

Claude 参与构建下一代 Claude，真正改变的不是“机器要不要取代人”这个过于宽泛的问题。更具体的问题是：当机器可以完成越来越长的一段链路，人类还是否能看懂这段链路、规定它的边界，并在失败时承担责任。

FDE 的答案，应该就在这里。它把人工智能从一次对话带到真实世界，也把真实世界的约束带回模型研发。模型越接近“能自己做事”，这种往返就越重要。

💡

/ 作者：kakarot / 投稿、合作或交流，欢迎在公众号后台留言