FDE 是什么
概览
用 Andrew Ng 的定义来说，FDE 是 "一个被派驻到客户组织内部、帮助定制解决方案的工程师"。
Palantir 前工程负责人 Bob McGrew 的说法更直接：驻扎在客户现场、去填补"产品能做的事"与"客户真正需要的事"之间那道鸿沟的工程师。 关键词有三个——驻扎、鸿沟、工程师。少一个都不成立。
起源：Palantir 与"没法做用户访谈"的困境
这个角色由 Palantir Technologies 大约 20 年前在政府客户项目里开始规模化。名字里的 Forward Deployed 是军事术语，本意是"部署在前线的部队"——把最有战斗力的人放在离问题最近的地方。
Palantir 早期给美国情报机构做反恐数据分析，遇到一个根本困境：工程师根本没法做用户访谈——对面客户在做什么、怎么工作、遇到什么阻塞，都是保密的。传统的"访谈—需求文档—原型—测试"链条断在第一步。他们只能用最笨的办法：先做个原型送过去，被现场骂"这不是我们要的"之后追问方向，回去改，再送。反复几轮之后发现一件事——每个客户的需求都有细微但关键的差异，标准化产品无法覆盖，但现场定制出来的东西反过来能沉淀成产品能力。
也就是说，现场定制不是成本，是产品发现的一种形式。之后不少复杂案子都印证了这个模式：多年悬而未决的疑难问题，Palantir 工程师驻场几周就找到了根因，靠的不是更好的算法，是"能进到现场、能看到别人看不到的细节"。这套工作方式被 Palantir 制度化，成了它二十年不变的招牌。
McGrew 有一个流传很广的比喻：FDE 在客户现场修出通往价值的"砾石路"，产品团队再判断哪些值得拓宽硬化成"高速公路"，服务下十个客户。 现场发现与产品沉淀之间的这条回路，是 FDE 与传统外包的分水岭。
为什么现在突然火：那堵墙又高了一米
Ng 的判断：把通用大模型改造成能真正跑通某个业务场景的 Agent，需要大量定制、调优和现场对齐——远超"配一下 API"的工作量。
更根本的原因是生成式 AI 造成的落差——5 分钟做个惊艳 demo 谁都会，但接入真实企业数据、权限、合规、工作流，难度是另一个量级。行业共识随之明晰：接下来的胜负手不是模型质量，是部署能力。这带来了新一波 FDE 需求：
- OpenAI 在 2026 年成立了 "OpenAI Deployment Company"，专门做 FDE 式的定制交付，同时在 NYC / SF / Tokyo / London / Singapore / DC 等多个城市大规模招聘 FDE
- Anthropic、Salesforce、Deloitte、Google Cloud、Stripe 等都在扩招或组建 FDE 团队
- 头部投资机构把 FDE 称作"目前科技行业最热门的岗位之一"
造软件的地方和价值产生的地方，从来不在一个地方。 Palantir 用二十年证明：那堵墙，梯子翻不过去，人翻得过去。生成式 AI 只是把这堵墙又抬高了一米。
三条核心特征
1. 驻场（Forward Deployed）
不是远程支持、不是每周开一次线上会。是在客户办公室里工作——会议室、工位、饭堂、加班，和业务方共享同一个日常。物理距离本身就是一种带宽：一线操作员一句"上周那个例外今天又出现了"，远程模式里永远接收不到。
2. 端到端（End-to-end）
不是"我做产品你做技术"的分工。一个 FDE 从访谈业务、画流程图、写代码、做评估集、上线灰度、跑运营，全流程都能落手。真实业务里，业务与技术之间的翻译损失是最大的隐性成本，FDE 存在就是为了消掉这层损失。
3. 上线前不下船（Accountable to production）
验收标准不是"交付了代码"，而是"系统在生产环境稳定跑起来"。这句话决定了 FDE 团队的动机——他们跑不起来，就得留下来继续搞。