知识库 · 121 篇内容
先按手头任务查精选资料；需要完整原文时展开下方来源目录。也可用顶部搜索直达任意文章。
按任务精选
FDE-Wiki2,152 字
第 4 章 FDE 与相邻岗位辨析
本章一句话 :FDE 不是凭空出现的新物种,它站在解决方案架构师、应用工程师、算法工程师、咨询顾问、Field Engineer 的交叉地带——搞清楚它和谁像、和谁不像,才能…
范冰指南8,075 字
第 2 章 解决正确的问题
第 2 章 解决正确的问题 「在错误的问题上，一切执行力都是浪费。」 2.1 概念验证坟墓的解剖报告 硅谷有个词，叫「概念验证坟墓」（PoC purgatory——PoC 即 Proof of Concept，概念验证
FDE-Wiki1,664 字
深度专题五 数据工程实战:企业 AI 的 70% 与看不见的地基
专题定位 :行业里有句话——"企业 AI 项目 70% 的工作量在数据工程"。这不是夸张。本专题讲 FDE 在客户现场面对的真实数据工程挑战,以及如何用工程化方法搞定它们。
Handbook1,375 字
第七章：企业级 RAG (检索增强生成) 架构蓝图
在企业级真实数据集上落地生成式人工智能应用，检索架构的设计是决定成败的核心。如果简单粗暴地将成百上千个 PDF 文件直接塞入大语言模型的上下文窗口（Context Window），不仅会导致极高的 Token 账单和严重
Handbook2,113 字
第九章：大模型系统的科学评估与线上校验
在传统的软件工程中，系统的输出是确定性（Deterministic）的：只要输入相同的参数，代码永远会执行相同的逻辑。然而，在生成式人工智能（Generative AI）时代，系统的输出变成了概率性（Probabilis
OpenFDE8,549 字
FDE 实战蓝皮书 · 客户分层 × 行业打法 × 切入点方法论
SMB/中型/央国企三档打法、六大行业落地场景与合规红线、进门→生产→扩张→产品化阈值的完整方法论
招聘与行业历史快照 · 非实时数据
招聘雷达：2026-09-17；行业舆情采集日：2026-09-22。两者都是静态快照，不代表实时岗位或当前舆情。
完整原文与专题
FDE-Wiki 调研报告 · 27 项
FDE-Wiki124 字
第一篇 · 范式与市场全景
FDE 是什么、从哪里来（伊拉克战场 → 2026 AI 焦点）、全球市场多大、薪酬与人才缺口、头部公司模式（Palantir / OpenAI / Anthropic / …
FDE-Wiki154 字
第二篇 · 工作方法论与最新工作方式
Echo-Delta-Dev 三角编队、Discovery-first 与 CDEF 四阶段方法论、AI Agent 时代的人机混合作战单元与 MCP、驻场工程化技术栈（LL…
FDE-Wiki236 字
第三篇 · 全行业落地
金融、医疗健康、制造业、政务与公共服务、零售电商、物流供应链、能源、电信媒体、法律/教育/农业——九大行业的 FDE 落地现状、标杆案例与打法。执行者照做行业落地。
FDE-Wiki104 字
第四篇 · 能力、商业与未来
FDE 能力模型与培养体系、商业模式与 ROI 衡量、合规安全与数据治理（OWASP MCP / 等保 / 个保法 / 数安法）、未来 3—5 年趋势与组织变革。
FDE-Wiki4,705 字
第 1 章 FDE 范式的起源与定义演进:从伊拉克战场到 2026 AI 焦点
本章一句话 :FDE 不是 2026 年凭空冒出来的新概念,而是一套被 Palantir 在战场、情报与企业项目中反复打磨了二十年的"前沿部署"打法;大模型的出现只是让它从"…
FDE-Wiki3,443 字
第 2 章 2026 全球 FDE 市场全景:增长、薪酬、供需与人才缺口
本章一句话 :用三组硬数据(招聘增长、薪酬带、人才缺口)把 2026 年 FDE 市场的真实温度量出来——它不是泡沫,而是一个供需严重失衡、薪酬向 AI 实验室顶部看齐、且"…
FDE-Wiki2,913 字
第 3 章 头部公司 FDE 模式深度拆解
本章一句话 :FDE 不是铁板一块——Palantir、OpenAI、Anthropic、IBM、国内云各有各的 FDE 变体,理解这些差异,是判断"自己公司该学谁"的前提。
FDE-Wiki2,152 字
第 4 章 FDE 与相邻岗位辨析
本章一句话 :FDE 不是凭空出现的新物种,它站在解决方案架构师、应用工程师、算法工程师、咨询顾问、Field Engineer 的交叉地带——搞清楚它和谁像、和谁不像,才能…
FDE-Wiki3,014 字
第 5 章 Echo-Delta-Dev 三角编队:Palantir 的底层逻辑
本章一句话 :FDE 之所以能规模化,关键不在"招到一个超人",而在于 Palantir 把"前沿部署"拆成了 Echo / Delta / Dev 三种专精角色,让普通人通…
FDE-Wiki2,777 字
第 6 章 前沿部署方法论内核:Discovery-first、倒推、防 capability atrophy、FDCE
本章一句话 :剥开 FDE 的各种花哨描述,它的方法论内核其实就四件事——先发现真问题(Discovery-first)、从结果倒推系统(Working Backwards)…
FDE-Wiki2,478 字
第 7 章 CDEF 四阶段方法论与 2026 演进(Context / Design / Engineer / Feedback)
本章一句话 :把第 6 章的方法论内核,落成一个可执行的"四阶段流程"——Context 勘探 → Design 设计 → Engineer 工程 → Feedback 反馈…
FDE-Wiki2,305 字
第 8 章 AI Agent 时代的 FDE:人机混合作战单元与 MCP
本章一句话 :2026 年,FDE 的最大变化是——TA 不再只是"自己搭系统",而是变成"指挥一队 AI Agent 搭系统"的指挥官;而 MCP(Model Contex…
FDE-Wiki2,068 字
第 9 章 驻场工程化技术栈:LLM 选型 / RAG / Agent / 推理 / 量化 / 可观测
本章一句话 :FDE 在客户现场要搭一个能跑的 AI 系统,靠的是一套从模型到可观测的七层技术栈;本章给出 2026 年生产级选型与可照抄的命令/配置。
FDE-Wiki2,341 字
第 10 章 交付节奏、灰度与现场生存:MVD / 灰度 / 信任建立 / 知识转移
本章一句话 :技术再好,交付节奏错了、灰度翻车了、客户不信你、能力没留下来——项目照样失败。本章讲 CDEF 之外、却决定成败的"现场软工程"。
FDE-Wiki2,041 字
第 11 章 金融业:智能风控、尽调自动化、反金融犯罪与投研
本章一句话 :金融是 FDE 最先大规模落地、也是约束最重的行业;从 Anthropic-FIS 的反金融犯罪 Agent,到城商行的智能风控与尽调自动化,FDE 在金融的价…
FDE-Wiki1,886 字
第 12 章 医疗健康:病历质控、DRG、医学影像、临床文档与药企
本章一句话 :医疗 AI 不是"选个模型",而是"把 AI 安全地嵌进活的临床工作流、处理好 PHI";从病历质控、DRG 分组到临床文档自动化,FDE 在医疗的价值在于"合…
FDE-Wiki1,470 字
第 13 章 制造业:AI 视觉质检、预测性维护与工业大脑
本章一句话 :制造业 FDE 的本质,是把 AI 嵌进产线、设备、MES 这套"物理-数字"系统——从视觉质检的相机→推理→剔除闭环,到预测性维护,价值直接体现在良品率和停机…
FDE-Wiki1,811 字
第 14 章 政务与公共服务:12345 热线、城市治理与政务大模型
本章一句话 :政务是 FDE 在中国最具特色、也最大的市场——信创全栈、等保合规、数据不出域是硬约束;从 12345 热线智能分派到政务大模型,FDE 在政务的价值是"可信可…
FDE-Wiki1,137 字
第 15 章 零售与电商:个性化、库存、智能客服与商品理解
本章一句话 :零售/电商是 AI 应用最成熟、数据最丰富的行业之一,FDE 的价值在于把"个性化、库存优化、智能客服、商品理解"这些场景,在客户的真实电商/门店系统里跑通并产…
FDE-Wiki1,174 字
第 16 章 物流与供应链:调度、履约与 Agent 化运营
本章一句话 :物流/供应链是 FDE 岗位爆发最快的行业之一——Salesforce Agentforce for Supply Chain、Stord、Kinaxis、Br…
FDE-Wiki1,170 字
第 17 章 能源与公用事业:电网、油气与新能源
本章一句话 :能源/公用事业是 FDE 正在快速进入的行业——SB Energy 招 FDE 搭 MCP server 把企业系统 Agent 化,公用事业 FDE 薪酬 $…
FDE-Wiki900 字
第 18 章 电信与媒体:网络优化、内容生产与精准营销
本章一句话 :电信和媒体都是"数据海量 + AI 成熟"的行业——电信 FDE 用 AI 优化网络与客服,媒体 FDE 用 AI 生成与分发内容;两者的共同点是 AI 渗透深…
FDE-Wiki1,425 字
第 19 章 法律、教育、农业及其他行业
本章一句话 :除了前面八个大行业,FDE 的火种已经烧到法律、教育、农业、建筑、人力资源等更广阔的领域——它们的共同点是"专业知识密集 + 流程可被 AI 增强",这正是 F…
FDE-Wiki1,531 字
第 20 章 FDE 能力模型与培养体系
本章一句话 :FDE 是"技术 + 业务 + 交付 + 软技能"四维复合能力——这一章给出可落地的能力模型、培养路径和晋升阶梯,让人力资源、转型者、培养者都有章可循。
FDE-Wiki1,238 字
第 21 章 商业模式、ROI 衡量与定价机制
本章一句话 :FDE 不是成本中心,而是高杠杆的营收引擎——Palantir 的 FDE 模式带来约 640% 回报;本章拆解 FDE 的四种商业模式、ROI 衡量框架和定价…
FDE-Wiki1,326 字
第 22 章 合规、安全与数据治理(OWASP MCP Top 10 / 等保 / 个保法 / 数安法)
本章一句话 :FDE 的系统能不能上生产、能不能续命,合规与安全是"一票否决"项——从《个人信息保护法》《数据安全法》到 OWASP MCP Top 10,本章给出 FDE …
FDE-Wiki1,417 字
第 23 章 未来趋势与组织变革:3—5 年展望
本章一句话 :展望 2026—2030,FDE 会经历"需求继续涨、薪酬分化、能力组织化、Agent 自主性提升、中国崛起"五条主线;最终,FDE 会从"一个稀缺岗位"沉淀为…
范冰《FDE 入门指南》 · 13 项
范冰指南1,239 字
自序
自序 去年夏天，我的朋友圈被同一个数字刷了屏：95%。 麻省理工学院 NANDA 实验室 2025 年发布的《生成式人工智能的鸿沟》（The GenAI Divide）报告说，过去三年，全球企业在生成式人工智能上烧了三
范冰指南12,386 字
第 1 章 FDE 的崛起
第 1 章 FDE 的崛起 「给间谍做软件的一个挑战是：我不认识任何间谍。」 —— 鲍勃·麦格鲁，Palantir 早期高管、OpenAI 前首席研究官 1.1 先讲一个死掉的数百万美元 故事的开头总是一样的。一家大企
范冰指南8,075 字
第 2 章 解决正确的问题
第 2 章 解决正确的问题 「在错误的问题上，一切执行力都是浪费。」 2.1 概念验证坟墓的解剖报告 硅谷有个词，叫「概念验证坟墓」（PoC purgatory——PoC 即 Proof of Concept，概念验证
范冰指南8,538 字
第 3 章 赢得客户
第 3 章 赢得客户 「企业买人工智能，就像你奶奶拿到一部 iPhone——她想用，但需要你帮她设置好。」 —— a16z（安德森·霍洛维茨基金） 3.1 筛选你的灯塔客户 互联网产品获客的第一课是筛选种子用户：100
范冰指南8,573 字
第 4 章 激活部署
第 4 章 激活部署 「模型通常是最干净的部分。难的是找到那个没人写进文档的工作流。」 —— 一位一线 FDE 「无论技术如何进化，组织内部的人性和权责博弈，始终是比技术更复杂的难题。」 —— 申悦，FDE 一线从业者
范冰指南5,731 字
第 5 章 守住续约
第 5 章 守住续约 「如果你在场时热火朝天、撤场后迅速冷却，那不是激活，是伴舞。」 5.1 续约与流失 做生意要先算账：获取一个新客户的成本，是留住一个老客户的数倍。企业级生意把这笔账放大了两个数量级：一个大客户的获
范冰指南6,410 字
第 6 章 扩大收入
第 6 章 扩大收入 「FDE 模式成立的标志是：每个后续客户的定制量递减。」 —— 鲍勃·麦格鲁 6.1 免费验证的世界 互联网经济把「免费」从噱头变成了战略。FDE 这行也绕不开「免费」这道坎，只是坎的样子不一样：
范冰指南9,215 字
第 7 章 规模化复制
第 7 章 规模化复制 「如果你不把现场学习转化为产品资产，你得到的只是一堆定制项目。」 —— Barry，前 Palantir 前线部署工程师 7.1 用可复制性撬动交付的杠杆 互联网增长最理想的状态，是让一个用户带
范冰指南12,198 字
第 8 章 完整案例集
第 8 章 完整案例集 前面七章的方法论，全部提炼自真实的实践现场；这里把它们完整还原：五组案例，从模式的发明者到最新的继承者，从硅谷到中国。 8.1 Palantir：用二十年把一个「笨办法」炼成护城河 创业：为「不
范冰指南1,822 字
后记 FDE 的职业道德
后记 FDE 的职业道德 每一本讲方法论的书，结尾都必须谈一个问题：当你掌握了这套方法，边界在哪里。而这本书要谈的话题，比大多数方法论更沉重。因为 FDE 手里握着的，不是一般的技术——是客户组织最深处的秘密，和越来越
范冰指南2,162 字
附录 A FDE 应当关注的常用指标
附录 A FDE 应当关注的常用指标 本附录给出 FDE 工作全链路的指标体系，按四个层面组织：交付层、客户层、商业层、组织层。指标贵精不贵多——每个客户项目盯住 3 到 5 个核心指标，胜过铺满一面墙的仪表盘。 〇、
范冰指南1,596 字
附录 B FDE 人物与团队名单
附录 B FDE 人物与团队名单 本附录列出理解 FDE 模式绕不开的人物、团队与知识源头。本书写作过程中参考的完整来源清单，见随书稿公开的调研笔记。 一、关键人物 希亚姆·桑卡尔（Shyam Sankar） — Pa
范冰指南8,340 字
附录 C 全书案例索引与资料出处
附录 C 全书案例索引与资料出处 本附录分两部分：第一部分是全书 100+ 个真实案例的索引（按章节）；第二部分是所有数据、观点、案例的资料出处（按章节）。标注「媒体报道」「公司披露」「第三方估算」的内容，其原始口径以
FDE-Handbook 中文版 · 11 项
Handbook2,216 字
第一章：前向部署工程师（FDE）的角色与使命
在当今的软件工程领域，“软件工程师”这一头衔涵盖了极其广泛的细分学科。有些工程师在企业总部致力于优化编译器性能，而另一些则专注于设计精美的前端界面或扩展高并发的分布式数据库。然而，在企业级级应用——特别是在企业数据中台和
Handbook2,242 字
第二章：顾问式思维与干系人外交
一名优秀的前向部署工程师（FDE）绝非只在公司总部安静的角落里、按照既定的需求文档默默编写代码的程序员。从 FDE 踏入客户现场的第一天起，他们就置身于一个由企业政治、利益冲突、遗留技术孤岛以及严苛的安全合规红线交织而成
Handbook1,835 字
第三章：企业级数据审计与表结构恢复
现实世界中的数据总是充满了杂乱，而企业历史遗留数据库内部的数据则往往是一片混乱。当 FDE 将现代平台与客户的核心业务进行集成时，几乎不可能直接获得一份干净、规范且文档齐全的关系型数据库表结构设计（Schema）。相反，
Handbook1,558 字
第四章：现代化数据架构实战
当底层数据表结构被成功审计并梳理完毕后，FDE 的下一项核心任务便是设计一套可扩展的数据架构来加工并提供这些数据。在企业级环境中，所谓的“扩展性”绝非仅仅购买配置更高的服务器那么简单，而是需要结合具体的业务场景选择合适的
Handbook1,072 字
第五章：混合云架构与安全着陆区设计
在企业级客户的私有基础设施中部署高价值数据平台，必须对云网络安全及“着陆区（Landing Zone）”架构有极深的设计认知。大型企业或金融机构绝不允许任何外部软件暴露在公网，或者在不设防的网络中直连其核心数据库。相反，
Handbook1,298 字
第六章：高安全边界与企业合规落地 (VPC SC)
在企业级安全架构中，仅仅依靠身份和访问控制管理（IAM）通常被认为是不够的。如果静态凭证意外泄露，或者 IAM 策略配置不当，即便攻击者仅持有一个只读权限账号，也可能将企业内部的敏感数据搬运至公网上他自己控制的云存储中（
Handbook1,375 字
第七章：企业级 RAG (检索增强生成) 架构蓝图
在企业级真实数据集上落地生成式人工智能应用，检索架构的设计是决定成败的核心。如果简单粗暴地将成百上千个 PDF 文件直接塞入大语言模型的上下文窗口（Context Window），不仅会导致极高的 Token 账单和严重
Handbook1,301 字
第八章：多智能体协同与自定义工具链开发
在真实的企业级业务流中，依赖单一 Prompt 提示词引导大模型完成复杂的长链任务是极其不现实的。如果系统需要审计数据库的一张表、分析计算结果、根据异常值生成财务对账报告、并将报告打包通过邮件发送给对应的风控总监，单一
Handbook2,113 字
第九章：大模型系统的科学评估与线上校验
在传统的软件工程中，系统的输出是确定性（Deterministic）的：只要输入相同的参数，代码永远会执行相同的逻辑。然而，在生成式人工智能（Generative AI）时代，系统的输出变成了概率性（Probabilis
Handbook1,403 字
第十章：行业实战案例：高安全 AI 投顾平台部署
本章将前文各章所涉及的顾问式思维、安全着陆区配置、现代数据工程、混合检索 RAG 及多智能体协同等核心技术栈，统一融合成一个完整的、端到端的真实行业部署案例。我们将跟随 FDE 的步伐，为一个全球顶尖金融机构—— Ape
Handbook3,222 字
第十一章：专业术语表与推荐阅读书单
前向部署工程（FDE）作为一门交叉学科，其专业术语融合了软件工程、云网络安全、分布式系统架构以及管理咨询方法论。 作为本书的最后一章，本章提供一份精细编写的 FDE 专业术语对照表，并列出一份带有点评的推荐阅读书单与技术
英文路线图与资源 · 2 项
OpenFDE 方法资料 · 2 项
深度专题 · 62 项
FDE-Wiki2,300 字
深度专题一 RAG 进阶与上下文工程实战
专题定位 :RAG 是企业 AI 系统的"知识地基",也是 FDCE(前沿部署上下文工程)的核心实现。本专题把 RAG 从"能跑"讲到"跑得好、跑得稳",覆盖分块、嵌入、检索…
FDE-Wiki1,944 字
深度专题二 Agent 编排实战:六种拓扑、HITL、状态契约与故障应对
专题定位 :Agent 编排是 2026 年 FDE 的核心技能(本书第 8 章),但"知道有哪些框架"和"能在客户现场把多 Agent 系统跑稳"是两回事。本专题深入编排拓…
FDE-Wiki1,463 字
深度专题三 评估驱动开发(Eval-Driven Development)
专题定位 :2026 年 LLM 工程的最大共识是"评估前移"——不再等上线才知道效果,而是把评估嵌入开发全循环。本专题讲 FDE 如何搭一套能持续度量、驱动迭代的评估体系。
FDE-Wiki1,489 字
深度专题四 Prompt 工程与认知重置:从"咒语"到工程
专题定位 :Prompt 工程被低估为"写咒语",但 2026 的 Prompt 工程已是一门有方法、有模式、有版本管理、有评估的工程学科。本专题讲 FDE 如何把 prom…
FDE-Wiki1,664 字
深度专题五 数据工程实战:企业 AI 的 70% 与看不见的地基
专题定位 :行业里有句话——"企业 AI 项目 70% 的工作量在数据工程"。这不是夸张。本专题讲 FDE 在客户现场面对的真实数据工程挑战,以及如何用工程化方法搞定它们。
FDE-Wiki1,230 字
深度专题六 模型部署与推理优化:vLLM、量化与生产级推理
专题定位 :把模型变成"可调用的服务",并让它在客户的算力/成本约束下跑得快、跑得省,是 FDE 的硬功夫。本专题深入推理服务化、量化、性能优化、成本控制。
FDE-Wiki1,353 字
深度专题七 技术选型决策工程:七步法与决策树
专题定位 :FDE 在 Design 阶段最频繁的决策就是"选什么"。本专题把技术选型从"凭感觉"变成"七步法 + 决策树"的工程化过程,覆盖模型、RAG、Agent、向量库…
FDE-Wiki1,446 字
深度专题八 跨行业踩坑总集与防坑 Checklist
专题定位 :FDE 的成长,一半靠方法论,一半靠踩过的坑。本专题汇总金融、医疗、制造、政务、Agent、RAG、部署的典型踩坑,以及一份可照用的防坑 Checklist。
FDE-Wiki3,377 字
深度专题九 MLOps 与持续交付（LLM 应用的工程化）
把一个 GPT-4o 或 Qwen-Max 接进业务，看上去只是"调一次 API"，但只要它进了生产链路，就会立刻撞上和传统 ML 流水线完全不同的几条事实：
FDE-Wiki5,547 字
深度专题十 数据安全与隐私计算
一句话定位：数据是 FDE 在客户现场唯一的"高危易燃物"。本专题不谈口号，只谈分级、脱敏、不出域、隐私计算六大门派、LLM 时代新风险，以及在金融/医疗/政务三类现场能跑通…
FDE-Wiki6,271 字
深度专题十五 Agent 行业应用深度案例集
本专题不谈"AI 改变世界"的口号，只回答一个问题：在一个具体行业的真实业务现场， Agent 到底长什么样、怎么分工、怎么衡量、怎么回本。每个行业都按"业务痛点 → Age…
FDE-Wiki2,634 字
深度专题十七 多 Agent 编排代码级实战
当单 Agent 跑通一个 demo 之后，下一个真正的工程难题是：怎么把多个 Agent 串成一条可控、可观测、可中断、可回滚的流水线。本专题不谈概念图，全部以可运行代码呈…
FDE-Wiki4,562 字
深度专题二十 AI 系统可观测性与 SRE
传统软件系统的 SRE 方法论（Google SRE 一书奠定的 SLI/SLO、错误预算、runbook、事故复盘体系）经过二十年沉淀已相当成熟。但当被运维的对象从"确定性…
FDE-Wiki3,894 字
深度专题二十一 知识图谱与 GraphRAG 深度实战
一句话定位:向量 RAG 回答"哪段话和问题最像",Graph RAG 回答"这些实体之间到底有什么关系、整份资料讲了什么"。前者是语义检索,后者是结构化推理。
FDE-Wiki3,434 字
深度专题二十二 边缘 AI 与端侧部署实战
一句话定义：边缘 AI / 端侧部署，是把模型从云端的 GPU 集群下沉到"靠近数据产生与决策发生的位置"——工厂产线盒、门店收银机、车载域控、甚至手机和 PC 本机——以换…
FDE-Wiki4,572 字
深度专题二十五 FDE 工具链生态全景(2026)
一句话定位: FDE 的现场交付能力,本质是用"七层工具栈 + 一张选型速查表"把客户业务问题压成可上线的系统。本专题按"模型 → 推理 → 检索 → 编排 → 数据 → 评…
FDE-Wiki6,037 字
深度专题三十 AI Agent 的评估、测试与红队
把一个 RAG 问答系统测好,不等于把一个 Agent 测好。两者之间隔着一条鸿沟,这条鸿沟就是 "自主性带来的状态爆炸" 。
FDE-Wiki5,144 字
深度专题三十一 FDE 的数据科学与统计基础
FDE 不是数据科学家，但 FDE 若没有数据科学功底，就只能在客户的 BI 报表和算法同事的结论之间做"翻译搬运工"，永远拿不到对结果的话语权。本专题把一名合格 FDE 必…
FDE-Wiki3,627 字
深度专题三十二 多模态 AI 落地实战
2026 年的"多模态"已经从 2023 年的"文生图 demo 大爆发"走向了一个更冷静、也更工程化的阶段。其特征可以用三句话概括： 生成质量过了"能用"门槛、理解能力过了…
FDE-Wiki4,787 字
深度专题三十三 FDE 的云原生与基础设施
一句话定位： FDE 把 AI 系统塞进客户机房的那一刻，"模型好不好"就退居二线，"GPU 调度得动不动、Pod 起得来不起来、向量库撑不撑得住"才决定项目能不能活。云原生…
FDE-Wiki4,921 字
深度专题三十四 大模型应用架构演进
一句话定位:大模型应用不是"调一次 API"就完事的产品,它是一种会随业务复杂度持续生长的架构形态。从单点调用到企业 AI 中台,每一阶段的拆分都不是为了好看,而是为了把上一…
FDE-Wiki4,890 字
深度专题三十九 LLM 安全攻防实战
传统应用安全的边界是"代码与数据",LLM 应用把这两者搅在一起:用户输入的"自然语言"既是数据又是潜在指令,模型权重是黑箱,工具调用让模型直接持有副作用。一个被 promp…
FDE-Wiki4,448 字
深度专题四十一 数据中台与 AI 中台的融合
数据中台与 AI 中台不是两个独立产物,而是一根价值链条的两段:前者负责把企业的原始数据沉淀为可信、可复用的数据资产(数据湖/湖仓/指标/标签/主数据),后者负责把这些资产转…
FDE-Wiki1,844 字
深度专题四十二 FDE 现场工具箱(可照抄的命令/脚本/模板速查)
本专题是给 FDE/FDSE 在客户现场"开干"用的速查手册。所有命令、脚本、配置均来自真实交付经验,可直接复制粘贴到任意一台装好基础环境的 Linux/GPU 机器上跑。原…
FDE-Wiki4,161 字
深度专题四十六 大模型应用性能调优实战
性能调优是大模型应用从"能跑通"走向"能用、好用、用得起"的最后一公里。一个 RAG 应用在内部 Demo 里回答延迟 800ms,到了客户生产环境却飙升到 10 秒——这种…
FDE-Wiki6,476 字
深度专题五十 大模型应用的系统测试策略
大模型(LLM)应用之所以难测,根本原因不在于"测试技术不够",而在于被测对象本身的性质发生了变化。传统软件是确定性的:给定输入,期望输出可枚举、可断言;而 LLM 应用是概…
FDE-Wiki4,187 字
深度专题五十四 AI 系统的容量规划与成本建模
在 FDE （前沿部署工程师）的真实交付现场，最常被客户追问的两个问题是："这套 AI 系统到底要花多少钱？"和"峰值来了扛不扛得住？"这两个问题本质上是同一个问题——容量规…
FDE-Wiki6,234 字
深度专题六十二 大模型应用的可解释性与因果
可解释性（Explainability / Interpretability）在 2024 年之前还常被视为"锦上添花"的工程点缀;到 2026 年,它已是 AI 落地不可绕…
FDE-Wiki4,389 字
深度专题十一 FDE 项目管理与交付节奏实战
专题定位 :FDE 不是"写完代码就交差"的研发岗,而是"在客户现场把一个模糊业务问题变成可衡量业务结果"的交付岗。这意味着 FDE 的项目管理不能套用标准互联网研发流程(S…
FDE-Wiki3,651 字
深度专题十三 Prompt 工程模板库实战
把 prompt 当代码,不当灵感。本专题给出可直接照抄的工业级模板,每个都标注设计要点与常见坑。
FDE-Wiki2,381 字
深度专题十四 LLM 选型与微调实战(LoRA/QLoRA/DPO)
微调(fine-tuning)是 FDE 在客户现场最容易"踩过头"的环节。许多团队第一次拿到私有数据就上 LoRA,两周后模型回答风格对、但事实错;或者一上来就全参微调 7…
FDE-Wiki5,730 字
深度专题二十三 AI 项目 ROI 测算与价值证明
一句话定义：客户买 FDE ，本质上不是买"模型"、不是买"算力"、也不是买"一个能跑的 Demo"，而是买一份可以被财务部门入账、可以被审计、可以在次年预算评审会上拿出来讲…
FDE-Wiki6,892 字
深度专题二十四 大模型应用的合规与伦理
一句话定位： FDE 把大模型塞进客户真实业务的那一刻，技术决策就变成了法律义务与伦理责任。本专题梳理中外法规红线、行业准入门槛、LLM 特有风险与负责任 AI 落地清单，目…
FDE-Wiki8,077 字
深度专题二十六 传统行业 FDE 渗透深度案例
过去三年,资本市场与媒体叙事把 AI 落地的聚光灯几乎全打在互联网与新经济身上——电商推荐、广告生成、代码助手、客服机器人。这些场景的共同特征是:数字化基础好、数据天然在线、…
FDE-Wiki6,769 字
深度专题二十八 中国 FDE 市场深度拆解
把"FDE"这三个字母放到中国语境里,它不再是 Palantir 在伊拉克沙漠里拆 IED 的浪漫叙事,而是另一套完全不同的游戏规则: 信创 全栈的硬约束、央国企冗长的决策链…
FDE-Wiki5,632 字
深度专题二十九 海外 FDE 模式运营深度
海外的 FDE 不是一个岗位，是一套把模型/平台"塞进客户真实业务流"的运营系统。本章拆解 Palantir、OpenAI DeployCo 、Anthropic Appli…
FDE-Wiki4,056 字
深度专题三十五 FDE 的知识管理与资产沉淀
FDE 的业务模型有一个天然特征：项目是离散的、行业是横跨的、客户现场是异构的。一个 FDE 团队今年可能在做某银行的智能风控，明年转到某三甲医院的影像辅助诊断，后年又去做某…
FDE-Wiki6,325 字
深度专题三十六 AI 项目的需求工程
专题定位 :AI 项目的失败,70% 死在需求阶段——不是技术做不出来,而是从一开始就没搞清楚"到底要解决什么问题、AI 是不是对的锤子、数据够不够支撑"。本专题把"需求工程…
FDE-Wiki5,466 字
深度专题三十七 行业大模型与垂直落地
通用大模型（GPT-4、Claude、Gemini、文心、通义、智谱等）在公开基准上能力突飞猛进，但一旦进入医疗问诊、金融研报、法律文书、电网调度这类高专业度、强合规、长尾 …
FDE-Wiki7,574 字
深度专题三十八 FDE 的客户成功与长期运营
在 FDE(前沿部署工程师)的实际工作里,有一个被反复验证的反直觉事实: 项目验收签字的那一天,不是价值的终点,而是价值折损的起点 。一个在 PoC 阶段跑通 95% 准确率…
FDE-Wiki4,087 字
深度专题四十 FDE 的产品化思维
FDE （前沿部署工程师）的原生工作单位是"项目"。一个客户、一个场景、一段时间的代码与配置，构成了 FDE 最熟悉的交付物。但如果 FDE 永远停留在"项目交付者"的位置，…
FDE-Wiki7,320 字
深度专题四十三 FDE 的国际化与跨地域交付
FDE 的本质是"把前沿技术嵌入客户真实环境的工程师"，而当客户的环境跨越国境、跨越司法辖区、跨越语言和文化时， FDE 就从"现场交付"升级为"跨地域交付"。这是 FDE …
FDE-Wiki7,354 字
深度专题四十四 AI 项目的招投标与售前
本专题写给在政企 AI 项目里"陪着招投标走完全程"的 FDE/FDSE。它不是投标经理的培训手册,而是把 FDE 在售前阶段的真实动作——技术方案撰写、可行性论证、PoC …
FDE-Wiki5,943 字
深度专题四十七 对话式 AI 与智能体产品设计
理解对话式 AI 与智能体产品设计的第一步，是先把两件常被混为一谈的事情拆开： 对话 是一种交互通道， 智能体（Agent） 是一种系统能力。前者回答"用户怎么告诉系统要什么…
FDE-Wiki7,293 字
深度专题四十八 AI 项目的组织变革管理
麦肯锡、BCG、Gartner 在 2023—2026 年的多份企业 AI 调研里反复出现一个高度一致的数字:已经投入生产的 AI 项目中,约 60%—70% 未能实现预期的…
FDE-Wiki7,935 字
深度专题五十九 理解客户现有系统(Legacy 逆向与梳理)
写在前面：本专题讨论 FDE 进场后第一周几乎一定会撞上的那堵墙——客户的"存量系统"。所谓"存量",指的是客户现场已经在跑的 ERP/MES/HIS/CRM/数据仓库/各种…
FDE-Wiki6,940 字
深度专题六十 FDE 的知识转移与培训体系
很多 FDE 项目失败,不是因为技术没做出来,而是因为 FDE 撤场后客户用不起来。一个典型的失败链是: FDE 团队驻场三个月,系统跑通了,模型上线了,数据看板也搭好了,大…
FDE-Wiki4,477 字
深度专题十二 FDE 团队组建与组织设计
在很多外行叙事里, FDE 被想象成一个"特种兵"——一个人扛着 Palantir 的 Foundry、写 Python、跟客户业务方喝酒、还能在凌晨改 PPT。这是被严重美…
FDE-Wiki5,408 字
深度专题十六 FDE 商业模式、定价与谈判实战
商业模式决定了 FDE 到底是"卖人头"还是"卖结果",定价机制决定了你能否把价值折现,谈判技巧决定了你能否守住 LTV。本章不谈方法论,只谈钱怎么算、价怎么报、合同怎么签、…
FDE-Wiki5,796 字
深度专题十八 FDE 现场沟通与客户管理软技能
技术派常有一个误解:把模型精度、系统吞吐、架构图当作 FDE 的全部,认为"活儿好,客户自然买单"。但在真实驻场里,失败案例的复盘往往指向同一个结论—— 不是技术不行,是沟通…
FDE-Wiki4,287 字
深度专题十九 FDE 职业发展与成长路径
FDE （ Forward Deployed Engineer / 前沿部署工程师）是过去三年 AI 行业里增长最快、争议也最多的复合型岗位：2025 年 1—9 月，全球 …
FDE-Wiki5,276 字
深度专题二十七 沙盘演练与 FDE 培养设计
一句话定义：沙盘演练（simulation / tabletop drill）是把一个"真实但被冻结"的客户现场——业务背景、数据资产、组织政治、预算与时间约束——装进一个可…
FDE-Wiki7,849 字
深度专题四十五 FDE 的底层思维模型
把一个 FDE 放进一个陌生的客户现场,三个月后他能交付一个被业务方真实使用的系统,而另一个背景更资深、技术栈更全的人,三个月后只交出一份漂亮的 PPT 和一个跑不通的 de…
FDE-Wiki4,493 字
深度专题四十九 FDE 的写作与文档能力
在大多数工程师的直觉里，"硬核能力"是写代码、调模型、压性能。但对 FDE （前沿部署工程师）而言，写作与文档能力是与编码同等——甚至在某些阶段更高——的核心能力。这不是修辞…
FDE-Wiki5,296 字
深度专题五十一 FDE 的财务与商业素养
很多人对 FDE 的理解停留在"会写代码、能驻场、能把 AI 落地"的层面,这没错,但远远不够。 FDE 的核心定位是"跨界翻译官",翻译的两端一边是技 术语 言(模型、AP…
FDE-Wiki5,370 字
深度专题五十二 AI 与就业、社会影响及 FDE 的责任
摘要：AI 对就业的真实影响不是"全员失业"或"全员解放"，而是 结构性重构 ——传统软件工程师岗位收缩，AI 增强型与 AI 专属型岗位暴涨，劳动力市场被劈成两轨。FDE …
FDE-Wiki5,788 字
深度专题五十三 FDE 案例研究方法论
很多人把"案例研究"理解为售前材料里的客户 logo 墙,这是最大的误解。对 FDE 而言,案例研究是一种 结构化的知识生产方法 :它把一次散落的现场经验,提炼成可被组织反复…
FDE-Wiki5,010 字
深度专题五十五 FDE 的持续学习与信息素养
专题定位 :FDE 是一个"半衰期极短"的角色——你去年精通的 Agent 框架,今年可能已被官方重写;你上季度在客户 A 跑通的行业方案,下季度在客户 B 可能就要换技术栈…
FDE-Wiki7,737 字
深度专题五十六 AI 项目失败案例集与深度复盘
写在前面：本专题不讨论"AI 还有哪些想象空间"，只讨论"为什么我们以为会成功、最后却砸了"。所有内容基于行业公开现象（公开复盘、技术博客、监管通报、财报披露、学术论文复现实…
FDE-Wiki5,825 字
深度专题五十七 FDE 的可持续工作与健康
FDE 这个角色的底色，是被塞进客户的真实战场：现场环境陌生、需求每天都在变、甲方等着看结果、上线当晚就要有人值守。它是少数"以业务结果计绩效、却以工程师身份派驻"的岗位，天…
FDE-Wiki7,270 字
深度专题五十八 FDE 的演示(Demo)与汇报艺术
FDE 的工作链路可以粗略地拆成三段: 做出来、看得见、说得清 。绝大多数工程师默认第一段最难,但在真实的客户现场,真正决定一个项目能否签下来、能否续约、能否被客户自传播的,…
FDE-Wiki8,582 字
深度专题六十一 FDE 的跨职能协作
FDE 这个角色被反复定义为"跨界翻译官"——把客户业务语言、AI 技 术语 言、商业合同语言在同一个现场翻译成可交付的结果。但翻译官天然不可能是孤立岗位。 CDEF 方法论…
报告附属页 · 4 项
FDE-Wiki975 字
附录
术语 全称/含义 说明 --- --- --- FDE Forward Deployed Engineer 前沿部署工程师;把 AI/数据系统部署到客户真实环境并对业务结果负…
FDE-Wiki6,110 字
按标签浏览
FDE-Wiki 全站标签云：按行业/技术/方法/技能/视角五大类浏览全部章节与 62 个深度专题。
FDE-Wiki4,951 字
公司与案例
FDE-Wiki 公司与案例索引：Palantir、OpenAI、Anthropic、Databricks 等头部公司及国内云厂商在报告中的全部章节入口。
FDE-Wiki133 字
留言板
FDE-Wiki 留言板：提问、纠错、交流讨论。支持多级回复问答，留言与回复基于 GitHub Discussions 存储。