✦
独立导航

工具箱：FDE 的八件装备

八件装备，拿走即用
滚动开始

装备 1 ｜ 客户尽调 50 问（第 5 章完整版）

A. 决策与人（10 问）

  1. 这个项目成了，谁的功劳最大？
  2. 谁有能力让它黄，但成不了功臣？
  3. 上一个类似项目是怎么死的？
  4. 预算真实上限多少？分几期付？
  5. 验收时谁签字？签字的依据是什么？
  6. 业务方每周能投入多少真人小时？
  7. 谁是日常对接人？他有多大权限？
  8. 高层对失败的容忍度是多少？
  9. 项目委员会多久开一次会？谁必到？
  10. 有没有人在暗中反对这个项目？为什么？

B. 痛点与价值（10 问）

  1. 这件事现在怎么做？请演示一遍。
  2. 上个月因此最惨的一次是什么？
  3. 这个痛每月烧掉多少钱/小时？
  4. 全公司有多少个一模一样的场景？
  5. 为什么是现在做？三年前为什么没做？
  6. 没有 AI 时这问题怎么解决？（没人解决 = 伪需求）
  7. 有人为它自费买过工具吗？
  8. AI 只做到 80 分，剩下 20 分怎么办？
  9. 明天上线，用户明天就会用吗？
  10. 成功的话，一年后哪个指标会动？动多少？

C. 数据（10 问）

  1. 数据在哪个系统？谁管权限？
  2. 能看 100 条真实样本吗？（不是脱敏演示版）
  3. 数据多久更新一次？谁负责质量？
  4. 字段口径有没有书面定义？几个版本？
  5. 知识库最后更新时间？维护流程是什么？
  6. 历史数据保留多久？能回溯几年？
  7. 标注数据有没有？谁标的？质量怎么验？
  8. 数据里有多少是扫描件/图片/语音？
  9. 敏感数据怎么分级？哪些绝对不能碰？
  10. 数据出问题时，找谁能 24 小时内响应？

D. 技术与集成（10 问）

  1. 核心系统有没有 API？文档长什么样？
  2. 上一次系统故障多久发现的？怎么发现的？
  3. 私有化、专有云、公有云，哪条是红线？
  4. 现有 IT 团队多少人？什么技术栈？
  5. 算力谁出？GPU 有没有现货？
  6. 延迟和并发的硬指标是什么？
  7. 有哪些系统是必须对接的？（CRM/ERP/OA…）
  8. 单点登录和权限体系怎么走？
  9. 日志和审计要求是什么级别？
  10. 灾备和 SLA 要求是什么？

E. 合规与组织（10 问）

  1. 法务和信安从哪天开始参与？
  2. 数据能否出域？有没有备案要求？
  3. 行业监管对 AI 决策有什么特殊要求？
  4. 用户协议里允许用数据训练/推理吗？
  5. 一线员工知道这个项目吗？怎么说的？
  6. 哪个部门最可能消极抵抗？为什么？
  7. 有没有"自己人"愿意当种子用户？
  8. 培训预算有没有？算在项目里吗？
  9. 上线后谁运营？编制有没有？
  10. 项目结束后，能力留在谁手里？

装备 2 ｜ AI 就绪度打分卡（第 5 章）

维度1 分（红灯）3 分5 分（绿灯）得分
战略"老板很重视"有年度目标KPI 写明场景与指标/5
数据"导出来就行"有治理但欠账有团队、有口径、有更新机制/5
技术黑盒老系统有 API 但文档差网关/日志/工程团队齐备/5
组织需求走三个月流程能开会但难拍板业务技术同桌吵架同桌拍板/5
应用"先做个通用助手"有场景没排序三个具体痛点脱口而出/5
合规"先做出来再说"法务听说过项目法务信安从第一天在场/5

判读：总分 ≥24 且单项无 1 分 → 可进场；任一维度 1 分 → 先补该维度；总分 <15 → 这单要么不接，要么先做三个月启蒙咨询。

装备 3 ｜ 任务定义卡 & 验收契约（第 6 章）

任务定义卡                     验收契约
─────────────────────        ─────────────────────
场景：______（只一个）          指标：______（有基线）
目标：基线 ___ → 目标 ___      数据集：来源/规模/抽样
受众：___ 人 · 频率 ___        验收人：谁盲测、谁签字
事实源：______                 时间：____年__月__日
输出格式：______               未达标：延期/缩范围/终止
不做：______（红线清单）        签字：甲方 ___ 乙方 ___

装备 4 ｜ ROI 测算表（第 6 章）

速算（筛选用）：年净收益 ≈ 人力月成本 × 12 × 自动化率 × 0.7（校准系数）

精算（立项用）：

收益项计算式金额
人力替代工时 × 单价 × 自动化率
效率增益周期缩短 × 业务单价
质量收益错误减少 × 单次损失
机会收益新增服务能力 × 利用率
成本项计算式金额
一次性投入开发 + 数据工程 + 集成
年运营Token/算力 + 运维人力 + 知识维护
隐性成本变革管理 + 培训 + 兜底人力

三条纪律：收益按 70% 打折、成本按 130% 加成、回本期 >18 个月的场景不进第一期。

装备 5 ｜ 技术选型决策树（第 3、7 章）

数据能出域吗？
├─ 不能 → 私有化/专有云 → 开源模型（DeepSeek/Qwen 系）
└─ 能 →
   ├─ 要顶级能力且量小 → 闭源 API（GPT/Claude/Gemini）
   ├─ 量大且成本敏感 → 开源模型 + 云推理 或 MaaS
   └─ 混合 → 敏感内网 + 通用走 API（双轨）

能力问题出在哪？
├─ 不懂你们的知识 → RAG（+知识更新机制）
├─ 不懂你们的格式语气 → 提示工程 + few-shot
├─ 不懂你们的判断逻辑 → 先写规则 prompt；
│   500+ 标注样本后仍不够 → LoRA 微调
└─ 都不行 → 先怀疑评估集和数据，最后怀疑模型

装备 6 ｜ 上线检查清单（第 8 章完整版）

见第 8 章速查卡。增补四条生产级要求：

  • □ 影子流量测试：真实请求双写，AI 结果先不对用户可见，跑 1 周对比
  • □ 故障演习：模拟模型服务宕机，验证降级链路
  • □ 成本压测：峰值流量下 Token 成本是否失控
  • □ 上线公告与反馈通道：用户知道在哪骂你（这很重要）

装备 7 ｜ evals 模板（第 7 章）

评估集结构（50 条起步）
├─ 典型题 30 条：近 3 个月真实工单随机抽
├─ 边界题 10 条：信息不全/多意图/口语化
└─ 对抗题 10 条：诱导幻觉/越权/注入

每条记录
{ id, question, gold_answer, source_doc_id,
  fatal_errors: [...], category, added_date }

评分口径
├─ 准确率：答案与 gold_answer 一致（模型判 + 人抽 10%）
├─ 忠实度：每个事实可溯源到 source_doc_id
└─ 拒答正确率：该拒答的题拒答率

纪律：任何变更跑全量；掉分不上线；每月回流 10 条线上错题

装备 8 ｜ 数据来源与参考文献

核心数据报告

  1. MIT Project NANDA, *The GenAI Divide: State of AI in Business 2025*, 2025-08（95% / $30–40B / learning gap / 67% vs 22% / 40% vs 90%）。注：该报告为行业研究报告而非同行评审，样本未完全公开，方法论存在争议，本书所有引用均已标注口径。
  2. Stanford Digital Economy Lab, *Enterprise AI Playbook*（Pereira, Graylin, Brynjolfsson）, 2026-03（51 个成功案例）: https://digitaleconomy.stanford.edu/app/uploads/2026/03/EnterpriseAIPlaybook_PereiraGraylinBrynjolfsson.pdf

FDE 模式与历史

  1. Bob McGrew × Y Combinator, *The FDE Playbook for AI Startups*, 2025-09: https://www.ycombinator.com/library/Mt-the-fde-playbook-for-ai-startups-with-bob-mcgrew
  2. The AI Opportunity, *Forward Deployed Engineers: The Palantir Playbook for AI Startups*, 2026-07: https://www.theaiopportunities.com/p/forward-deployed-engineers-the-palantir
  3. *Forward Deployed: Inside the Palantir Framework*（书）: https://forwarddeployedbook.com/preface
  4. JediTeck, *Forward Deployed Engineering: Lessons from Palantir's Original Playbook*, 2026-06: https://www.jediteck.com/blog/forward-deployed-engineering-palantir-playbook

岗位市场与薪酬

  1. The New Stack, *Why OpenAI and Anthropic are hiring forward deployed engineer teams*, 2026-05: https://thenewstack.io/forward-deployed-engineers-ai/
  2. ZenML LLMOps Database, *OpenAI: Forward Deployed Engineering for Enterprise LLM Deployments*（2→52 人）: https://www.zenml.io/llmops-database/forward-deployed-engineering-for-enterprise-llm-deployments
  3. Anthropic 招聘页（FDE, Applied AI, $200K–300K）: https://jobs.menlovc.com/companies/anthropic/jobs/69674588-forward-deployed-engineer-applied-ai
  4. Recruiting from Scratch, *What Does an FDE Do*（中位 base $210K）, 2026-06: https://www.recruitingfromscratch.com/blog/what-does-a-forward-deployed-engineer-do-role-salary-guide
  5. Paraform, *Forward Deployed Software Engineer Guide*, 2026-06: https://www.paraform.com/blog/what-is-forward-deployed-software-engineer
  6. Dexity, *Forward Deployed Engineer — The Complete 2026 Guide*, 2026-07: https://dexity.com/intel/forward-deployed-engineer-2026
  7. Sundeep Teki, *Forward Deployed AI Engineer: Career & Technical Guide*, 2026-04: https://www.sundeepteki.org/advice/forward-deployed-ai-engineer
  8. Sundeep Teki, *The Definitive Guide to FDE Interviews in 2026*, 2026-01: https://www.sundeepteki.org/advice/the-definitive-guide-to-forward-deployed-engineer-interviews-in-2026
  9. Trellis AI（YC）FDE 招聘, 2025-08: https://www.ycombinator.com/companies/trellis-ai/jobs/Cv3ZwXh-forward-deployed-engineers-all-levels-sept-2025

中国市场

  1. CSDN, 《为什么中国企业 AI 落地更需要 FDE？》, 2026-07: https://www.csdn.net/article/2026-07-28/163276871
  2. 腾讯云开发者社区, 《FDE（前沿部署工程师）深度解析》, 2026-05: https://cloud.tencent.com/developer/article/2674646

MIT 报告争议讨论

  1. Agent Mode AI, *The MIT 95% GenAI-pilot-failure claim*, 2026-06: https://agentmodeai.com/the-mit-genai-pilot-failure-claim/
  2. On The Ground Agency, *Why 95% of AI Projects Fail (MIT, 2025)*, 2026-07: https://ontheground.agency/resources/why-ai-projects-fail-mit-2025-genai-divide

基础书稿

  1. 《大模型商业化实战》七章书稿（未公开出版，本项目基础素材），第 1–6 章框架经改写融入本书第 3、5–10 章。
← 拿下 offer：面试官真正