认识 FDE
FDE 能做什么
Forward Deployed Engineer 的典型工作范围、常见产出与边界，附带示意例子。
FDE 的典型工作
FDE 的工作可以归纳为五类：
1. 构建客户或企业应用
内部工具是常见形态之一，但 FDE 也可能交付客户产品、数据平台集成和关键业务系统。例如：
- 销售报价助手
- 客户线索跟进看板
- 内部审批流
- 合同/文档生成器
- 数据录入和报表工具
是否采用现成平台、生成代码或定制开发，要根据风险、数据、性能、合规和长期所有权决定。快速不等于绕过工程标准。
2. 设计并运行 AI 工作流
FDE 会把重复性工作变成自动化的 AI 工作流。比如：
- 收到客户邮件 → AI 自动分类 → 生成回复草稿 → 人工确认发送
- 新增销售线索 → AI 自动补充信息 → 打分 → 分配给对应销售
- 收到简历 → AI 提取关键信息 → 匹配岗位要求 → HR 复核
工作流的核心是“人机协作”：AI 处理大量重复判断，人负责关键决策和例外处理。
3. 推动部门级 AI 试点
FDE 往往从一个部门、一个小组开始，验证 AI 能不能真正产生价值。
试点的好处是：
- 范围小，风险可控
- 反馈快，能及时调整
- 做出成果后，更容易推广到全公司
4. 连接业务需求与技术落地
业务部门说“我们想要一个智能客服”，技术人员听到的是“要做一个大模型对话系统”。
FDE 会把这句话拆成：
- 客服每天要回答哪些类型的问题？
- 哪些可以自动答，哪些必须人工答？
- 现有知识库是什么形态？
- 需要接入哪些系统？
- 效果怎么衡量？
然后给出一个可执行的、分阶段的落地方案。
5. 持续迭代和优化
FDE 不会一锤子买卖。他们会：
- 收集使用数据
- 看哪些功能没人用
- 根据反馈调整 prompt、界面、流程
- 逐步扩大自动化范围
FDE 常见产出物
| 产出物 | 说明 | 例子 |
|---|---|---|
| 原型工具 | 能跑通核心流程的轻量应用 | 报价助手、内部审批小程序 |
| AI 工作流 | 多步骤自动化流程 | 线索跟进、内容发布 |
| 知识库/问答助手 | 基于企业文档的问答系统 | 内部制度助手、产品 FAQ |
| 数据分析看板 | 自动整理和展示关键指标 | 销售日报、运营周报 |
| 使用手册和培训 | 让非技术人员也能用起来 | 操作指南、prompt 模板 |
| 生产运行资产 | 让系统可观测、可恢复、可交接 | 评测集、日志与告警、运行手册、回滚方案 |
FDE 的边界如何确定
FDE 没有跨公司的统一边界。以下是更可靠的判断方式：
1. 生产所有权必须明确
FDE 可能从原型负责到稳定生产，也可能在验证后交接。无论哪种模式，都要明确服务负责人、值班与事故响应、升级回滚和退出条件，不能把“交给工程团队”当成默认答案。
2. 脱离业务的炫技式 AI 项目
FDE 不会为了用 AI 而用 AI。如果一个任务用传统方式更简单、更便宜、更稳定，他们会直接建议用传统方式。
3. 忽视数据安全、权限和合规
FDE 会关注数据会不会泄露、谁能访问什么、是否合规。如果项目涉及敏感数据，他们会拉上安全/法务一起评估。
一个判断题：这是不是 FDE 该做的事？
| 场景 | 是否适合 FDE |
|---|---|
| 销售团队想快速验证 AI 报价助手 | ✅ 非常适合 |
| 财务部门希望自动核对报销单 | ✅ 适合，但需人工复核兜底 |
| 公司要替换核心 ERP 系统 | ⚠️ 需要大型项目团队；FDE 可参与发现、集成和分阶段验证 |
| HR 想做一个内部问答机器人 | ✅ 适合 |
| 银行核心交易系统改造 | ⚠️ 高风险，必须由具备相应资质和治理能力的跨职能工程团队负责 |