上周发了一篇文章，给大家介绍了智能体时代的翻红岗位：FDE。
评论区炸了，大家纷纷吐槽↓
“这不就是驻场开发？”
“这不就是软件外包吗？”
实际上，它们的区别挺大，今天我们就详细掰扯一下。
FDE，Forward Deployed Engineer，前沿部署工程师，最近一年成了科技圈最热的新名词之一。
这个源自Palantir的岗位模式，如今被OpenAI、A社等头部AI公司争相复制，国内的大模型厂商和AI创业公司也纷纷挂出类FDE的招聘，薪资数字一个比一个夸张。
甚至，在今年1月上海市政府的“AI+制造”行动方案里，都明确写了要培育“前沿部署工程师”队伍。
FDE确实长期驻扎在客户现场、也要做大量定制化工作，同时要直面客户的琐碎需求。
这三个特征，和国内延续了二十多年的软件外包、驻场开发看起来一毛一样。
但是，就好比外科医生和屠夫都拿刀，没人认为他们是同行。
判断他们的区别，不能只看动作，要看服务对象、工作目标、能力要求、对产品和项目的影响力等多个因素。
01、出发点，有本质区别
软件外包：交付项目。
按合同做完需求，项目结束人也结束，重点是完成合同。
驻场开发：补充人力。
人坐在客户办公室，日常由客户安排，几乎不影响产品方向。
FDE：让AI产品真正跑起来。
代表AI产品或平台公司去现场，让产品融入客户业务流程，产生真实价值。
客户买了AI智能体平台，上线发现业务系统接不上、知识库效果差、工作流跑不通……
FDE就需要到场解决问题，直接写适配器、调提示词、改工作流，更难的是客户也许还没想清楚怎么跟业务系统对接，FDE要负责抽丝剥茧，跟客户共创。
如果多个客户有同样问题，就把能力沉淀进产品，下个版本所有客户受益。
02、能力门槛，不在一个量级
①AI开发能力：
传统外包开发通常掌握的是：Java、.NET、Python、Vue、Spring Boot、SQL……完成业务开发基本足够。
FDE要理解AI应用开发，例如：提示词工程、Agengt、MCP、RAG、Tool /Function Calling、工作流、上下文工程…
甚至，还要了解模型选型与评测、Token成本优化、推理性能调优…
这些能力，传统开发一般涉及不到。
②系统与产品能力：
AI项目大量时间花在对接客户系统上。
要接ERP、CRM、飞钉、Jira、Salesforce、知识库、BI……
所以，FDE还要会REST API、OAuth、Webhook、MCP Server等等。
更重要的是，还要对这些业务系统有所了解。
③解决未知问题的能力：
传统开发面对Bug已知、需求明确、路径固定，可能每天都在重复救火。
FDE面对的问题往往没有标准答案：模型为什么幻觉？Agent为什么死循环？Prompt为什么昨天有效今天就不中了？每天都要面对新闻体。
④客户沟通表达能力：
既要懂技术语言，又要懂业务语言。
同一天要和CIO讲ROI，给业务讲流程，给运维讲部署，给家里的产品研发讲功能改进和代码优化，随时切换。
有个词，大家可能不太喜欢，叫拉通对齐，但这是FDE很重要的能力，把前端客户和后方的产研拉通对齐。
⑤产品沉淀能力：
外包项目结束，代码留在客户那里，经验归零。
FDE要有顶层视角，今天帮A客户连接业务应用，明天整理成SDK，下周变成官方插件，一个月后内化进标准产品，赋能所有客户。
03、为何FDE门槛更高？
我们可以把三类岗位看成三种不同的人才模型：
软件外包：开发专家，擅长按照需求实现功能。
驻场开发：开发+协作，能够融入客户团队，完成项目开发。
FDE：产品经理 × 架构师 × AI工程师 × 交付负责人 × 业务顾问
他们需要在一个项目中，切换多种角色，最终让AI产品融入客户业务，并产生价值。
因此，FDE的竞争力来自跨越研发、产品、客户和AI应用之间的综合能力。
写到最后，再谈谈“污名化”本身。
FDE其实承受着两种方向相反的污名。
第一种是向下的污名化↓
把FDE粗暴等同于驻场外包，认定这只是旧酒装新瓶的包装术，忽视了FDE在AI产品落地中的真正价值。
第二种污名化方向相反，却更加普遍↓
大量传统外包和售前岗位，正在把自己改名为FDE。
岗位描述换了，工作本质没变，没有产品可反哺，没有经验能沉淀，还是按人头收钱。
当市场上九成的“FDE”都是外包换皮时，真FDE也会被拖下水，“高级外包”的帽子反而被坐实了。
如果一个吹竽团队里，都是南郭先生，那真正的吹竽高手反而成了另类。
所以，我们要把那些假FDE揪出来↓：
①这家公司有自己的产品平台吗？没有产品承接现场改动的，是外包。
②现场经验能沉淀成可复用的能力吗？每个项目都从零开始的，是外包。
③按什么收钱？按人头和工时计费的，是外包。敢按业务成果定价的，才是FDE。
最后，AI智能体落地正酣，让我们把一切留给时间。
热门跟贴