FDE 需要的能力

综合 OpenAI 的招聘要求与 Andrew Ng 的分析，FDE 的能力至少有四层：

1. 技术

• 5+ 年工程经验，能在快速变化、需求不清的环境里 scope 和交付复杂系统
• 能读写前后端生产级代码（Python、JavaScript 或类似 stack），能主导代码 review
• 熟悉云基础设施、API、大语言模型；会用 Agent 框架、评估集、灰度与回滚工具

技术是入场券，但只是入场券。真正难的不是模型层，而是找到那个没人写进文档的业务规则、找到业务方真正信任的那个数据源——这两件事没有 SDK，只能人到现场去挖。

2. 沟通（本质是三种翻译）

能跟客户业务方、IT、一线员工、C-level 都能对话——每一层用的语言不一样，FDE 要能自如切换。跟 CTO 讲架构、跟一线员工聊工单、跟 CEO 汇报 ROI，都是同一个人在做。

拆开看，FDE 每天在做三种翻译：

• 业务 → 技术：把"我们退款审核老出错"翻译成"两个数据源不一致 × 例外规则没沉淀 × 人工判断依赖资深客服"这样一份可以下手的问题拆解
• 技术 → 高管语言：把"我把召回率提到了 92%"翻译成"每天可以少给客服转 300 单，客户等待时间从 8 分钟降到 90 秒"
• 现场 → 团队知识：把这次学到的东西写成 playbook、评估集、决策文档，让下一位 FDE 从"某处开始"而不是"从头开始"

Palantir 的面试有一个专门的"问题拆解"环节，整轮几乎不写代码——考的就是候选人怎么在混乱信息里追问、怎么界定范围、怎么把技术产出翻译成业务价值。满分答案不是描述你做了多少优化，而是把每一份优化都串到业务侧看得懂的收益上——这个习惯没法临时训练，是长年做出来的。

3. 业务判断

理解客户的业务优先级，帮客户排出"哪个项目先做"。scope、速度、质量之间的取舍是日常——不是所有需求都值得做，也不是所有事情都能一次做到位。

4. 职业判断力（一点点"叛逆"）

Ng 的原话——"在客户提出不合理需求时，能有理有据地推回去"。FDE 不是"客户说啥就干啥"的外包供应商，而是能对客户负责的合作方——包括在必要时对客户说"这件事不该这么做"。

这背后要求一种微妙的平衡：既足够嵌入客户的日常、对真实需求敏感，又保持自己的判断，敢于在客户还没意识到的时候把方向掰回来。一个只会执行、不敢推回的 FDE，最后一定沦为最贵的那种执行者——客户拿到的是听话的手，缺的却是能救项目的判断。