FDE

FDE 是 Forward Deployed Engineer 的缩写，中文常译为「前沿部署工程师」。这种做法因 Palantir 而广为人知：工程师不留在总部写通用功能，而是驻到客户那里，和业务人员一起把产品改造到客户的真实流程里。

FDE 做什么

• 弄清业务问题。 在现场看业务怎么运转，找出值得用技术解决、而且能衡量效果的环节。
• 接数据、搭方案。 把客户的系统和数据接进来，配置或开发出能用的方案，而不是只交一份 PPT。
• 把反馈带回产品。 现场遇到的共性问题，反馈给产品团队，做成通用能力。

所以 FDE 既要能写代码，也要能和业务部门沟通，有时还要承担一部分项目管理。

为什么 AI 落地开始需要 FDE

大模型和 AI 智能体 的通用能力很容易演示，难的是接入企业自己的数据、权限和流程：知识在哪、谁来审核、出错了怎么办。这些问题只能在现场解决，所以越来越多的 AI 项目采用驻场或陪跑的交付方式。驻场过程中，往往还要先做一轮知识萃取，把业务骨干的判断整理成 AI 能用的资料。

企业找外部团队做 AI 落地时，可以问清楚：有没有人驻场、驻多久、交付的是能运行的系统还是方案文档、结束后由谁维护。Moments 的做法见 AI 落地陪跑；FDE 的方法论、Playbook 和工具链整理在 FDE 知识库。

相关条目

• AI 智能体 —— AI 智能体是能够自主规划步骤、调用工具并根据结果调整行动来完成目标的程序，而不只是被动生成一段文本。
• 知识萃取 —— 知识萃取是把骨干员工脑子里的经验、判断和做法，整理成别人能照着用的文档、问答和流程。AI 能加快访谈整理和归纳，但哪些做法可靠仍要由业务专家确认。