读完这篇文章，你应该能理解为什么 Anthropic、OpenAI、Google 等 AI 公司都在争抢 FDE，以及如何抓住这股需求浪潮。
我自己做过这份工作，也聘请过一些全球顶尖人才来搭建我们在 Varick 的 FDE 业务，并且我发现目前并没有一份真正权威的指南来介绍这个科技界最热门的岗位。这就是那份指南。
为什么 AI 公司需要 FDE
要成为一名 FDE，第一步就是深刻理解为什么 AI 公司如此迫切地需要他们。
如果你认为智能正在变得商品化，那么唯一的竞争优势就在于如何使用以及在哪里使用它。事实上，我甚至敢说，单凭智能本身毫无竞争优势。因此，决定公司如何使用以及在哪里使用智能就成为了最重要的角色，而这正是前向部署工程师（FDE）的职责。
企业会聘请一家应用 AI 公司（比如 Varick），由后者派遣 FDE 来帮助他们最大化地利用这项技术。这样一来，他们就能获得一支已经完成过大规模 AI 转型的团队的支持，让客户比竞争对手行动得更快，从而带来巨大的效率提升。
FDE 是一位高技能工程师，能够深入理解客户的问题，能在一个可能从未见过的代码库中编写代码，并能向非技术决策者清晰地传达业务影响，从而促成交易。这是一个价值百万美元的招聘岗位。
这个岗位需要什么
成为一名 FDE 需要你驻场在客户现场。Palantir 的 CTO 曾说过，不身处某个环境，就无法为该环境构建产品。我们在内部也看到了同样的道理。
FDE 这个术语实际上源自 Palantir，他们非常重视驻场工作。2010 年，他们与驻扎在阿富汗的特种部队合作。特种部队白天执行任务，收集反馈，然后将反馈传给 FDE，FDE 则在夜间发布代码。
置身于环境之中，对于部署军事软件和部署 AI 同样必要。为了看到真正的效率提升，公司需要从根本上围绕 AI 进行重构。而这只有通过坐在客户身边，基于公司特定的数据和上下文构建定制化 Agent 才能实现。
关于这个岗位
我们认为，应用 AI 领域的 FDE 工作主要包含三个部分：审计、评估和部署。我们来逐一分析。
审计： 你驻场在客户那里，梳理公司内部不同团队的业务流程/工作流。例如：与营收运营团队合作两周，与采购团队合作一周，与财务团队合作整整一个月。
每与一个团队合作，你都能了解几件事：他们的工作内容是什么、瓶颈在哪里、以及你可以在哪些地方创建能带来价值的 Agent。
除了了解公司内部每个团队的工作流程外，审计阶段的一个重要部分是确定哪些流程应该自动化、哪些不应该。Agent 在某些情况下可能带来的问题比解决的问题还多。
以下是三条通用原则，可以帮助你做出决定。
如果一个工作流可以归纳为规则，但输入各不相同（一个输入是邮件，下一个可能是 PDF，再下一个可能是扫描图片），并且工作涉及调用工具，那么就部署一个 Agent。如果规则和输入都是可预测的，用代码实现更快、更便宜。如果决策需要模式识别和领域专业知识，那就保持人工操作。
如果你的客户每月只运行 Agent 五次，那他们很难获得良好的投资回报率。要寻找那些时间长、量大的自动化任务。必须有足够大的业务量才值得去做。
在构建 Agent 时，不要过度使用 AI。大多数自动化任务可以通过一系列工具调用外加一次 LLM 调用（作为编排层）来完成。过多的 AI 会导致不必要的 Token 成本（在规模扩大时会累加），而且往往输出质量也更低。
审计阶段的最后一部分是原型设计。请参阅 Agents 101 学习如何构建一个 Agent，以及 Agents 102 学习如何将该 Agent 从演示推向生产。
评估： 如果客户在 AI 部署上投入了数百万美元，他们需要知道它是否有效。为此，FDE 需要构建详细的评估体系。
一个好的评估不仅要检查 Agent 给出的最终答案是否正确，还要验证 AI 是否像人类一样思考。要做到这一点，需要做两件事：
追踪人类的步骤，并对 AI 在每一步进行评分：人类解决问题不是一步到位的，而是一个多步骤的过程。将这些步骤映射出来，看看 AI 是否在同样的检查点上达标。
从小处着手，以优秀的目标结果示例为基准，然后衡量所有结果：如果你正在构建一个客户支持 Agent，请与一位人类员工一起，找出用户查询的最佳答案。重复几次，覆盖几个不同任务。这样你就知道什么是“优秀”的标准，并可以以此要求 Agent。
评估能向客户证明价值。虽然每个人都声称希望在公司里引入 AI，但仍有不少人对其是否有效持怀疑态度。一份好的 Agent 评估报告正是高管们信任 Agent 能带来投资回报率所需要的。
部署： 避免大规模数据迁移。相反，应在现有数据层（如 SharePoint 或数据库）之上构建 API，然后在上面放置一个模型作为编排器进行查询。这可以节省时间和金钱，更重要的是，能让你免于拆除现有系统的噩梦。我们的客户曾花费数百万美元和多年时间迁移到最新的 ERP 系统。他们最不想做的事就是再次替换它。
完成上述所有步骤后，创建一个执行环境来安全地测试 Agent。这是一个直接位于公司基础设施中的沙盒，你可以在进入生产环境之前运行、测试和调试 Agent。
进入生产环境时，要缓慢起步。先拿一个小的工作流，让它跑通，然后再逐步添加更多功能。例如，先从一个能够捕获 bug、进行调查并写出一张工单（总结其认为出错原因）的 Agent 开始。如果这个成功了，再赋予它编写代码并推送 PR 的能力。
从最小的自主单元开始，只有在这个基础上才能赋予它采取行动的能力。
这就是作为一名 FDE，从审计到部署的整个过程。掌握这些步骤本身就是这份工作的全部内容。
如何在 30 天内成为 FDE
通常有三种背景的人最能在 FDE 岗位上取得成功：顾问、产品经理和软件工程师。即使你不属于其中任何一种，按照本节末尾的 30 天路线图执行，也能大大增加你获得这个岗位的机会。请与应用和面试同步进行。
顾问/产品经理
作为顾问或产品经理，你应该已经具备将数据转化为投资回报率的能力。这占了工作的一半。但对于这类背景的人来说，最大的障碍是缺乏工程经验。
一个高质量的作品集可以弥补这一点。从以下副项目中选择两个，全力以赴：
- 一个能够执行你过去在旧工作中手动完成的整个流程的生产级 AI Agent。它应该能够调用 API、自主记录其思考过程，并具备故障处理机制。
- 基于某个数据集构建的 RAG 管道（针对你试图进入的行业选择自定义数据集：法律文档、医疗记录、财务文件等）。
- 你自己构建的评估框架，能够针对不同业务流程（采购、应付账款等）在多个维度（正确性、格式、成本、延迟）对 Agent 的输出进行评分。
- 一个 MCP，可以将 LLM 连接到当前不支持 AI 集成的传统软件。
不要用 AI 来外包你的理解。如果你一步步来，这些概念应该很好理解。为什么标题写的是 30 天而不是 30 分钟？是有原因的。
软件工程师
可以说，成为一名 FDE 最重要的部分是沟通能力。你需要将 AI 能做什么、不能做什么，转化为非技术 VP 能够理解的内容。如果你做不到这一点，你就无法成为 FDE。
软件工程师应该构建与顾问/产品经理部分提到的类似项目，但要解释你所构建的每一个组成部分：技术栈、结果、你做的迭代、业务成果。最重要的是，你需要有构建这些 Agent 的理由：你解决的是什么痛点，以及在实际客户互动中可能会如何展开？
无论背景如何，30 天大纲
想要更具体一些？请遵循以下 30 天计划，它将为你应对几乎任何情况做好准备：
检查点 1（第 7 天）：
- 什么是 Agent 以及 Agent 循环如何工作：阅读 Anthropic 的 Building Effective Agents，然后编写一个运行该循环的脚本：提示 → 模型 → 响应 → 下一步。
- 如何让 Agent 调用工具：使用 Anthropic/OpenAI 的工具使用教程，添加两个工具调用（一个 API 调用和一个网络搜索）。
- 如何构建合适的防护措施：添加输入验证、最大步骤限制，以及在任何内容到达用户之前进行输出过滤。
- 何时使用上下文窗口 vs 外部记忆：默认使用上下文，除非状态需要比单次运行更长久地持久化。
- 什么是审计轨迹以及如何构建：记录每次提示、工具调用和响应，并带上时间戳。这有助于发现和标记 Agent 错误。
检查点 2（第 14 天）：
- 如何强制结构化输出：始终返回 JSON。阅读 OpenAI 的开发者页面。
- 如何将演示推向生产以及通常会出现什么问题：阅读 Agents 102。
- 如何设置检查点：每 n 步将 Agent 状态保存到文件中，以便它可以从最后一个检查点重新启动。
检查点 3（第 21 天）：
- 重试逻辑和指数退避如何工作：每个外部调用都需要重试。失败时，等待 1 秒、2 秒、4 秒、8 秒，上限为 16 秒。
- 如何在部署 Agent 时优化成本：三件事：廉价子任务使用更便宜的模型（Opus 应仅用于推理），缓存常用提示，限制最大 Token 数。跟踪每次查询的成本。
- 如何构建用于评估的黄金数据集：从 20 个真实查询开始，自己标记出完美的输出。Anthropic 的 "Demystifying evals for AI agents" 涵盖了所有内容。
- 多 Agent 管道和并行架构如何工作：当一个 Agent 无法处理时，拆分任务。一个规划，其他的执行，还有一个进行综合。
检查点 4（最后一周）：
复习以上内容，并大声清晰地复述所有内容。将你能联系到的所有内容都与业务指标挂钩。
太长不看版
FDE 是目前科技界最热门的岗位。每家公司都需要 AI，但没有人知道如何部署它。
这个工作分为三个阶段（审计、评估、部署）。你的任务是理解每个阶段及其目的。
你的作品集和你的表达能力是决定性因素。构建 Agent、RAG 管道、评估框架、MCP 等，并且最重要的是，能够自信地阐述你所构建的每个东西背后的商业用例。
沟通能力不足是 FDE 岗位的一票否决因素。如果你无法向非技术决策者解释 AI 能做什么和不能做什么，那么部署就无法进行。
知道什么时候 AI 不是答案：这能建立与客户的信任，更重要的是，能确保生产中 Agent 的投资回报率。
执行这些步骤，你成功进入这个领域的几率将成倍增加。
如果你想要跳槽到旧金山增长最快的应用 AI 公司，Varick 正在招聘。我们正在硅谷组建最精英的 FDE 团队，由前 Citadel Securities 的 COO 领导。直接申请：https://www.varickagents.com/careershttps://www.varickagents.com/careers)。
