最近，在准备FDE训练计划的能力覆盖，正好看到了麦肯锡发布了解读 FDE 的文章，是我比较关注的能力的一些描述，读完，我总结了 FDE 的六项核心能力：问题定义、顾问能力、技术判断力、业务解剖力、人的改造力，以及快速学习与跨界沟通。作为 AI 时代稀缺的复合人才，如果你想了解 FDE 的六项能力是如何组合在一起，可以继续看下文。
一、问题定义能力：先想清楚做什么
FDE 和普通开发者，差得最多的不是代码写得好不好，而是谁来定义产品。
开发者接手的时候，产品已经定好了：需求文档就在那儿，任务是照着做出来。FDE 面对的却是一个说不清楚的业务问题。他要先把问题弄懂，和客户一起商量解决方案该是什么样，然后才动手。也就是说，没有现成的需求文档，「要做什么」得靠 FDE 自己想明白。
AI 时代，这一点更重要，人人都可以用 AI 写代码，但「能做」不等于「该做」。FDE 的价值从哪里开始？从把这种通用能力，对准一个具体的、值得解决的业务问题开始。问题定错了，后面的技术工作全是白费。
二、顾问能力：从洞察一直做到交付
麦肯锡的顾问和 FDE 有什么不同。传统顾问交出去的是一份建议或行动计划，洞察给完就走；FDE 是把技术真正用起来，直接改变某个具体流程的做法。顾问走的时候留下建议，FDE 走的时候留下一个能用的产品。
现在，这两种角色正在融合，某种程度上已经是一回事了。光是进去讲讲洞察、转身就走，不行。你得和客户一起拆解业务问题，找到对的人，推动技术落地，把流程重新理顺。一个真正优秀的顾问，就是一个真正优秀的 FDE。
所以在 FDE 身上，顾问能力不是被丢掉，而是更加全栈：剖析问题、协调各方、判断价值，这些本事都留着，终点从「交建议」变成了「交产品」。FDE 是顾问的完整版：不光要看出问题、讲清方向，还要亲手把方案做出来、跑起来、留下来。
三、技术判断力：选出最合适的那一个
FDE 首先是工程师，但看重的不是技术有多熟，而是判断力：那么多技术路线，哪一个最合用。
顾问也许能看出问题、说出理想方案的样子，可具体用什么方法去实现，要 FDE 自己拿主意。生成式 AI 是最好的选择吗？智能体呢？传统机器学习？还是一个很简单的回归就够了？工具先进不先进不重要，能产生影响才重要。这句话就是技术判断力的核心：看技术是否先进，不如看业务是否用得上。
要有这样的判断力，得见得多。FDE 需要横跨数据科学、数据工程和软件工程，才不会被某一条技术路线捆住手脚。把整个工作流程过一遍就清楚了：先定义问题、找到数据、弄清核心系统，把数据取出来放进云基础设施（数据工程）；再加上软件工程或前端组件，做成真正能用的工具；然后一遍遍给客户演示、听反馈，必要时推倒重来。正因为走过全程，FDE 才敢在每个岔路口做决定。
四、业务解剖力：到现场去，读懂没写下来的东西
如果说技术判断力回答的是「用什么做」，业务解剖力回答的就是「做什么、值不值得做」。FDE 的重心在业务这边。
有个场景很能说明问题：FDE 上班的第一周，往往是坐在干活的人旁边。比如一个供应链规划团队，手里数据很多，系统也在运转，每天要决定船和卡车要不要改道。FDE 要做的，是把自己放进这个团队里：谁在拍板，哪些因素起作用，哪些数据重要，整套东西是怎么转起来的，都要看明白。因为这里面很多事，根本没有被好好写下来。
这个场景里，其实包含了三件事：找出谁做决策，找出什么在起作用，找出哪些数据有价值。而「很多事没被好好写下来」这一句，恰恰说明了 FDE 为什么非得到现场不可：业务里最关键的知识，往往是隐性的、非正式的，在文档里是找不到的。早期的那段时间，FDE 要花大量功夫去划定问题范围、摸清业务本身、和人相处、搞明白价值在哪，这就是在练业务解剖力。
五、人的改造力：让方案有人喜欢、有人用、有人受益
技术本身往往不是最大的难关，人才是。所以人的改造力，是 FDE 能力里最难学的一项。
先说难。有位客户最资深的软件开发者，接受了智能体培训，回到岗位也试着用，但没效果。他毕竟是老手，于是把智能体放到一边，打开 IDE，自己把代码修好了，反倒是智能体那部分出了问题。下一次，他可能连试都不会试。有时候，一个人越擅长自己的活儿，越难改变做事的方式。
再说转变。另一位客户直接说：「我不信这东西，我不喜欢 AI。」团队花了一个半小时，给他讲了 AI 的基础，又带他用 AI 解决了一个必须在 24 小时内搞定的具体问题。到第二周，他进来说：「我的 token 全用完了。」接着要求团队去教他整个团队怎么用 AI，让他们自己也成为 FDE。
这两个故事说明同一件事：FDE 必须用真实的数据，在真实的系统里把问题解决掉，还要让该用的人喜欢它、真的在用，业务影响只能这样来。人的改造力可以拆成三点：让人喜欢（体验设计），让人用起来（推动采用），让人真正得到好处（真实系统、真实数据）。此外还有一点是情感上的：给客户鼓励，把团队点燃。
六、快速学习与跨界沟通：决定上限的底子
这是更根本的素质，它决定了 FDE 能走多远。
有个类比，叫「多项目运动员」或「双语者」，指的不一定是会几门语言，而是既要懂技术、明白系统怎么运转，又要懂人。只懂技术的人，看不出决策是怎么做出来的，也摸不到那些非正式的联系，解决问题就不会太在行。这需要更多和人打交道的经验：会沟通，会问对问题，有同理心。
扎实的专业知识；良好的人际能力（交付业务成果、做咨询，这些都是跟人打交道的事）；擅长技术，但更重要的是学得快。最好的 FDE，是那种特别有创意、敢跳出框框、去做没人做过的东西的人，而这份工作很大一部分，就是鼓舞客户。
最能概括这个底子的，是那句「外向的书呆子」。这个词看着矛盾，却说到了点子上：技术上钻得深（书呆子），和人打交道够开阔（外向）；学得快，才能面对没人做过的东西；会沟通，才能在机房和会议室之间来回切换。在机房里写代码，跟别人讲你做了什么，收集反馈，再来一遍，这就是 FDE 这份工作的有趣之处。
七、六项能力怎么组合
单看每一项，都不算稀罕：工程师有技术判断力，顾问有顾问能力，业务分析师有业务解剖力，好的培训师懂怎么改变人，聪明人都学得快。FDE 难得，在于六项要一起有，而且互相组合在一起。
问题定义定方向，顾问能力定交付的样子，技术判断力定选什么工具，业务解剖力定问题的成色，人的改造力定落地成不成，快速学习与跨界沟通则决定这五项能不能在陌生的环境里很快拼起来。它们是一层压着一层、互相撑着的：没有业务解剖力，问题定义就是空中楼阁；没有技术判断力，顾问能力就成了纸上谈兵；没有人的改造力，前五项再强也换不来业务成果；没有快速学习与跨界沟通，前五项就没法在每个新客户、新领域里重新用起来。
FDE 在 AI 时代特别重要的原因。光有新的大语言模型是不够的，要紧的是照着手头的问题把它调好，并且真的拿到业务成果。否则就成了为 AI 而 AI：token 花得越来越多，底线上却看不到变化。AI 是通用工具，要把它的价值用足，得把模型、数据层、对组织的理解和行为的规则拼在一起，还得改变工作流程，让人去做不一样的事。这个「拼」的过程，就是六项能力一起使劲的过程。
结语：复合，是 FDE 唯一的护城河
回头看这六项能力，FDE 的本质可以说成两个字：复合。它不是工程师的本事加顾问的本事那么简单，而是在真实的客户系统里，面对真实的业务问题，把技术、业务和人拧成一股的能力。
通用大模型没法自己长出这种复合，这也正是 FDE 稀缺的原因。
欢迎加入社群交流～
OpenAI 说：成功的 FDE，是让自己“不再被需要”