离客户最近的那个工程师

这两年招聘启事里冒出来一个新词：FDE，Forward Deployed Engineer，前沿部署工程师。Palantir 很早就这么叫自己的人，这一两年 OpenAI、Anthropic、Scale 这些公司也开始大批招，薪资还给得不低。有朋友问我这到底是个什么岗，是售前换了个马甲吗，还是又一个被包装出来的title。

不是。我自己这几年在客户现场待的时间比在公司多，大概能说清楚这件事。

先说它不是什么

FDE 最容易被误解成售前工程师。两者都要跑客户、都要懂产品，但售前的目标是把单子签下来，Demo 跑通、合同画押，任务就算完成了。FDE 恰恰是从合同画押那一刻才真正开始干活——他要让那个在 Demo 里跑得好好的东西，在客户又脏又乱的真实数据和流程里继续活下去。

它也不是普通的后端工程师。后端工程师对着需求文档写代码，需求是别人定义好递过来的。FDE 没有这份文档，客户常常连自己要什么都说不清楚，他得自己把那份文档写出来。

更不是只做 PPT 的咨询顾问。顾问交付的是报告和建议，FDE 交付的是能跑起来的系统。

为什么偏偏是现在火

SaaS 那套玩法是反着来的。标准化、可复制、能自助，客户注册个账号看看文档就能用，公司最怕的就是定制——每写一行给单个客户的代码，都是在毁掉规模化的毛利。

大模型来了之后这套逻辑有点失灵。模型本身很强，但强不等于能用。我见过太多这样的场景：一个在公开评测上刷榜的模型，接进客户的工单系统里，准确率惨不忍睹。不是模型不行，是客户的数据格式乱、历史包袱重、合规卡得死、业务流程跟任何教科书都对不上。从"能演示"到"真能帮客户省下人力或赚到钱"，中间那段路没人替你走，只能有人蹲在客户那儿一点点趟出来。

还有一点，客户自己也晕。AI 什么都说能做，反而不知道从哪下手。这时候坐到他工位边上，看他一天到晚到底在忙什么、哪个环节最磨人，比问他"你们有什么 AI 需求"有用得多——后者得到的答案通常是一个华丽但上线后没人用的系统。

一天大概是什么样

没有标准模板，但节奏大致是这样：上午跟业务方开会，对方抛过来的往往是一句很虚的抱怨，比如"我们对账太慢了"，你得追问半天，把它拆成一个工程上能下手的问题。中午自己消化，画画数据流，想清楚数据从哪来、模型在哪插进去、结果怎么验。下午就是纯干活——接 API、调提示词、搭 pipeline、填一堆没人告诉你会有的坑。临走前给客户看看当天的进展，哪怕只是个粗糙的版本，当面收反馈比邮件来回快十倍。

真正值钱的其实是最后那一步：把客户今天骂的、提的、没说出口但明显卡壳的地方，整理清楚带回产品团队。前线和研发之间这条线越短，产品迭代越快，这也是这些公司愿意花大价钱养 FDE 的原因之一。

什么样的人适合干

一句话，得是个"杂家"，但每一样又不能太水。

工程能力是底线，你得能一个人把东西从零做到能上线，现场没有人给你兜底。光会写代码又不够，你得真的对客户的业务好奇，愿意钻进去搞懂他们为什么这么干活，而不是嫌弃他们流程落后。沟通上要能上能下，上午跟 CTO 聊架构，下午跟一线操作员确认一个字段是什么意思，两种语言都得会说。

最难的是忍受模糊。需求不清、数据不全、deadline 还压着，大部分工程师到这儿就卡住了，等着别人把条件补齐。FDE 得在这种状态下照样往前拱，先做出个能用的版本，再根据反馈改。

有个说法我挺认同：FDE 干的事本质上跟创业差不多。每接一个客户，都是在一个小市场里，独立地走一遍从发现问题到创造价值的全过程，只不过不用自己融资。

对公司来说值不值

值，但有代价。

好处很实在：一些大客户不深度定制根本拿不下来，FDE 就是攻坚的那把钥匙。而且今天为 A 客户硬趟出来的方案，明天很可能就沉淀成产品里的一个标准功能，相当于让客户出钱帮你做了产品验证。等竞争对手还在发白皮书的时候，你的人已经坐在客户那儿出活了，这个身位差不好追。

代价也很实在：这种人难招、贵、还难复制，一个顶尖 FDE 的产出很难靠多招几个普通人替代。所以这事做到后面，核心矛盾永远是同一个——既要往客户里扎得够深，又不能把自己做成一个纯外包团队。聪明的做法是让 FDE 冲在前面趟路，但时刻盯着哪些东西能抽出来变成产品，别让每个项目都从零开始。

最后

技术这两年其实没那么稀缺了，模型、框架、算力都在变成水电煤。真正难的是把这些东西翻译成客户真金白银的价值，这最后一段路，机器替不了，文档也写不明白，只能靠人蹲在最近的地方磨出来。

FDE 就是去磨这最后一段的人。如果你是工程师，又受不了只做需求的执行者，还挺享受把一个糊成一团的问题捋成确定结果的那种感觉，这活儿可以考虑。

Skills爱好者嗨聊社区