第 1 章 · 最后一公里上的那个人
一个没人接住的项目
有家做家电售后的公司，去年立项要做一个「智能客服」。预算给足了，模型选的是当时最强的那款，算法团队两周就跑出了一个问答效果很好的原型：你问它「洗衣机 E3 报错怎么办」，它答得又快又准。
然后项目就停在那儿了。
半年后我去聊，问题不在模型，全在模型之外：知识库里的维修手册是三年前的 PDF，新机型根本没收录；客服系统是外包的，没人知道怎么把这个原型接进去；法务担心 AI 乱承诺保修被投诉，坚持要人工审一遍，可没人设计这个「审一遍」的流程；最要命的是——立项时说要「提升客服效率」，但谁也没定义清楚，效率到底该怎么量、达到多少算成功。
模型是现成的。缺的是一个能把这一堆「模型之外的事」全都接住、拼起来、推着往前走，最后真正让它上线运转的人。
这个人，就是 FDE。
FDE 是什么
FDE 是 Forward Deployed Engineer 的缩写，直译是「前置部署工程师」。这个词最早在几家做企业交付的科技公司里流行起来，指的是那些不待在总部写通用产品、而是直接扎进客户现场、把技术方案落地成客户真正能用的东西的工程师。
到了大模型时代，这个角色的分量变了。因为 AI 项目有个特点：难的从来不是做出一个 Demo，而是让这个 Demo 真正在业务里跑起来、还能一直跑下去。
我给 FDE 一个更贴合当下的定义：
FDE 是能够独立走完「业务意图 → 数据准备 → 模型 / 智能体调优 → 工程落地 → 交付运营」这条完整链路的工程师。他交付的不是一段代码，也不是一个模型，而是一种能在真实业务里持续产生价值的能力。
换句话说，传统工程师被问的是「这个功能做完了吗」，FDE 被问的是「这件事，AI 到底帮业务省了多少、赚了多少、少错了多少」。
它和你熟悉的岗位有什么不一样
FDE 不是凭空冒出来的新工种，它更像是几个已有角色在 AI 交付这件事上的「合体」。用对比最容易讲清楚它的边界：
| 对照角色 | 对方关心的 | FDE 多做的那一步 |
|---|---|---|
| 后端 / 全栈开发 | 功能实现、代码质量 | 对最终的业务效果负责，而不只对代码负责 |
| 算法工程师 | 模型指标、能力上限 | 把模型塞进真实流程，并持续验证它在现场有没有用 |
| 售前 / 解决方案 | 方案能不能签下来 | 方案签下来之后，PoC 能不能真的跑起来、验收得了 |
| 咨询顾问 | 诊断问题、给出建议 | 把建议变成能运行、能交付的工程系统 |
| 客户成功 | 客户用得爽不爽 | 更靠前——从需求阶段就介入，参与把东西建出来 |
你会发现，每一行里 FDE 都「往前多站了一步」或「往后多担了一层」。这多出来的部分，恰恰是 AI 项目最容易掉链子、也最没人愿意负责的地方。FDE 的价值，就是把这块无人区接管下来。
为什么现在特别需要这个角色
有人会问：以前做软件项目不也有交付吗，为什么 AI 时代非得单拎出一个 FDE？
因为交付的性质变了。
传统软件是确定性的：规则写死，输入相同、输出就相同，测试通过就基本能上线。而大模型是概率性的：同样一个问题，它今天这么答、明天可能换个说法；它会有幻觉、会答错、会对不该动的地方乱动。这意味着交付一个 AI 系统，你要额外管理一堆传统软件里不存在的东西——错误率、置信度、什么时候必须让人来复核、效果怎么持续评估和回归。
这些事，模型自己解决不了，通用产品也替你解决不了，只能靠一个懂业务、又能动手、还愿意对结果负责的人，在现场一点点搭起来。这就是为什么 AI 时代把 FDE 推到了台前：它是 AI 项目从「能演示」走到「能用、能交付、能运营」的最后一公里承运人。
还有一个更现实的变化：模型能力正在商品化。今天一家企业能买到的基础模型，竞争对手大概率也能买到。真正拉开差距的，不再是「谁拿到了模型」，而是谁能把模型接进自己的数据、工具、权限、业务流程和运营机制里。FDE 的价值就在这里：他不是在模型层重复造轮子，而是在企业现场把这些散落的东西拼成一个可用系统。
FDE 不是谁
为了避免把 FDE 神化，边界也要讲清楚。FDE 不是一个人替代所有岗位，而是对端到端结果负责、并能把关键角色组织起来的人。
| 容易误解 | 更准确的说法 |
|---|---|
| FDE 是更会写代码的售前 | FDE 要参与真实交付，对上线结果负责 |
| FDE 是一个人包办业务、数据、模型、运维 | FDE 要能串起这些环节，必要时拉小队补位 |
| FDE 只要把 Demo 做出来 | FDE 要把 Demo 变成可验收、可上线、可交接的能力 |
| FDE 永远留在项目里调 Prompt | 成熟 FDE 会把常改的东西配置化，让业务方能自主运营 |
也可以用一个简单对照来判断自己有没有站到 FDE 的位置上：
| 坏习惯 | FDE 的做法 |
|---|---|
| 听到需求立刻搭 Demo | 先追业务指标和验收标准 |
| 只证明模型能答 | 证明系统能在流程里产生结果 |
| 只看准确率 | 同时看人审、回滚、成本、采纳率 |
| 自己调到可用 | 让业务方能持续运营 |
本章产出
你的交付包从这里开始。第 1 章不产出模板，产出一个判断：
找一个你身边（或你负责）的 AI 项目，用上面那张对照表问自己一句——这个项目里，那个「多站一步、多担一层」的人是谁？ 如果答案是「没有」，你就找到了 FDE 该补上的位置。
把这个判断写下来，它会是你读后面所有章节时的锚。
成熟度自检
- [ ] 我能用一句话向别人讲清 FDE 和开发、算法、售前的区别（→ L1 起步）
- [ ] 我能指出手头某个 AI 项目里「没人接住」的那部分是什么（→ 迈向 L2）
还没给自己打过分？现在翻到 附录 H，记下你的起点。