Vibe Engines 是免费的交互式 AI 工程与系统设计课程——直接在浏览器中运行。选择一条学习路径 →

前沿部署工程师/ AI 解决方案工程师

站在签约另一端的工程师

在使用前沿部署类职位的招聘信息中，大约有三分之一是售前导向而非交付导向的。1 这并不是一个低人一等的角色——而是一个不同的角色，有着不同的节奏、不同的薪酬结构和不同的技能要求。错误不在于选择了它，而在于在不知情的情况下接受了它，然后在第二个月才发现，你的季度是以成交的订单来衡量，而不是以部署的数量来衡量。

这份工作是什么

销售团队中的技术担当：在任何人签署任何东西之前，当着客户的面证明产品能够满足客户的需求——而当谈话变得动真格时，客户经理找来的人就是你。

职位名称各不相同——解决方案工程师、售前工程师、解决方案架构师、技术客户经理，在某些公司也叫前沿部署工程师。可靠的识别标志不是职位名称，而是你的工作发生在合同签署之前还是之后，以及你的薪酬是否有任何部分与合同能否签署挂钩。

阶段你做什么实际考验的是什么
资格评估判断这个客户的问题是否是产品真正能解决的尽早说出“不，这不合适”。这很罕见，也是优秀售前工程师（SE）被看重的原因。
需求挖掘与客户的技术人员开会：系统、数据、约束、阻碍你是在第一周还是第八周发现交易阻碍因素。
演示用客户的语言展示产品解决他们的问题一种工程师生涯中没人教过你的表演技能。
概念验证在客户的数据上构建一个有明确成功标准的、范围有限的东西范围界定。没有书面成功标准的 POC 永远不会结束。
安全审查问卷、CISO 电话会议、架构图交易能否在一支没人提醒过你存在的团队面前存活下来。练习一下。
交接向交付团队如实说明承诺了什么诚信。否则，部署团队将接手一个被当作承诺的演示临时方案。

薪酬结构改变了这份工作本身

这是人们最低估的差异，而且在你接受 offer 之前完全可以弄清楚。

解决方案工程岗位通常带有 OTE——目标收入——将薪酬分为基本工资加上与团队配额挂钩的可变部分。典型的比例是基本工资与可变部分为 70/30 或 80/20。这种结构不是细节；它决定了你把时间花在哪些客户身上、一个季度给你的感受如何，以及季度最后三周你的一周会变成什么样。

OTE 能给你什么

  • 清晰的协同：衡量你的标准正是公司所需要的。
  • 好年份里的上行空间，这是固定薪资所没有的。
  • 反馈明确无歧义——这个季度干得怎么样，你心里有数。
  • 一条真正通往产品、合作伙伴关系或管理岗位的快速通道。

代价是什么

  • 你的收入部分取决于他人的表现，以及一些你无法掌控的交易。
  • 无论工作是否就绪，季度末的紧迫感总会如期而至。
  • 做深很难：客户众多、接触浅尝辄止，几乎没有时间对任何事情深入钻研。
  • 技术能力的退化在这里比交付类岗位更快，而且悄无声息地不断累积。

1. 底薪与浮动部分的比例是多少，浮动部分有上限吗？2. 配额是个人还是团队制，去年整个团队（而不是顶尖销售）的达成率是多少？3. 是否有部分佣金按 POC 完成而非实际成交收入支付？4. 一名售前工程师同时跟进多少个活跃商机？超过大约八个，就意味着每次接触都很浅薄，这份工作更接近演示职能而非工程职能。

AI 以一种特定的方式让这个岗位变得更难了

销售确定性软件，意味着演示那些每次行为都一致的功能。销售 AI 系统，则意味着在客户杂乱的数据上，向一群读过耸人听闻的头条新闻、而且通常已经失望过一次的受众，演示某种概率性的东西。据报道，大约 95% 的企业 AI 试点没有产生可衡量的损益影响，17 而你的潜在客户很可能就拥有其中一个。

演示可能当场失败，而这是一个设计问题

排练失败场景。一个遇到糟糕案例仍能优雅恢复的演示——“当它不确定时会发生什么，以及它会进入哪个审核流程”——往往比完美无瑕的演示更有说服力，因为老练的买家不相信完美无瑕。

“它准确率有多高？”是你必须回答好的问题

错误的答案是一个数字。正确的答案是确立上限：在这个任务上，你的两位专家彼此意见一致的频率有多高？然后提议一起测量它。仅这一个动作就能重新定义整个评估，这正是 evals for client work 中的方法。

安全审查如今变成了 AI 安全审查

提示词注入、数据驻留、模型供应商的分包处理方、自动化决策的审计证据。他们的合规框架早于这一切出现，所以你不仅要回答这些问题，还要解释这些问题本身。身份认证 和 审查流程本身 才是交易真正卡住的地方。

POC 必须有书面的终止条件

“成功标准是：在冻结的 200 个案例集上，60 个每周异常中有 40 个无需人工介入即可解决，并经 Bella 认可”——这样的 POC 会终结。“先看看效果再说”——这样的 POC 会拖上两个季度，最后什么也转化不成。

主动地、尽早地说明产品做不到什么。在一个所有供应商都在宣称无所不能的市场里，那个敢于指出局限的人会有超乎寻常的说服力——而且这也是唯一能让你睡得着觉的工作方式。它的代价是丢掉少数几单，而那些订单反正本来也不会续约。

在这个岗位和交付岗位之间做选择

AI Solutions EngineerForward Deployed Engineer
所处阶段签约之前签约之后
考核指标销售管道和已成交收入采用率、成果，以及回馈到产品中的功能
同时服务的客户多而浅少而深
编写的代码演示、POC、可能被丢弃的集成别人在凌晨三点还依赖的生产系统
适合你的情况喜欢会议室、推销和多样性喜欢构建、所有权和深入钻研
自然的职业去向销售管理、产品营销、合作伙伴、产品资深工程师、产品工程、创业

完整的对比表见 FDE 与解决方案工程师。最重要的是，两者都是正当且高薪的职业，只是重心不同——而且职位描述上的头衔往往不会告诉你，你被录用到的究竟是哪一个。

“上个季度有多少时间花在售前，多少花在售后？” 以及 “我的薪酬是否有任何部分与签约额挂钩？” 这两个问题的任何答案都没问题。但在接受 offer 之前不知道答案就不行了。商业层面手册涵盖了这些答案对你的职责范围、截止日期和每周工作安排意味着什么。

面试流程是一场演示加一次探索性通话

解决方案工程师的面试流程通常包括对公司自家产品的现场演示、一次模拟探索性通话，以及一场比 FDE 面试更容易的技术筛选。演示是大家准备最不充分的一轮。

全景图：六个阶段，然后签约

实例演算：70/30 的 OTE 实际能拿多少

以一个示例性的 $200K OTE 为例，其中浮动部分按团队达成率线性计算，且没有加速系数。实际方案各有不同：有些方案在低于某个底线时不支付任何浮动，有些在超过 100% 后额外加成。但计算方法是相同的。

团队达成率70/30（$140K + $60K）80/20（$160K + $40K）这说明了什么
50%$140K + $30K = $170K$160K + $20K = $180K差的一年会让 70/30 的销售少拿 $30K
80%$140K + $48K = $188K$160K + $32K = $192K如果 80% 是团队的常态，那么 $188K 才是真实数字，而不是 $200K
100%$200K$200K只有团队达成计划时，宣传数字才成立
120%，无上限$140K + $72K = $212K$160K + $48K = $208K只有浮动部分不设上限时，才存在上行空间
120%，上限为 100%$200K$200K封顶消除了上行空间，却保留了下行风险

从 50% 到 120%，70/30 方案的浮动幅度是 $42K，80/20 方案是 $28K。这就是为什么页面上的第二个问题（整个团队去年的达成率）比 OTE 数字更重要。去年的达成率是你的预期收入，OTE 是一切按计划进行时你能拿到的收入。

常见错误

  • 用你自己的数据做演示，而不是客户的在干净的样本集上做演示，只能证明产品能处理干净的样本。在需求挖掘阶段就要几条他们真实、杂乱的记录，并围绕这些记录来构建演示。如果产品在这些数据上出问题，最好在第一周就发现，而不是等到 POC 阶段。
  • 到第八周才见到安全审核人在第一次需求挖掘电话中就问清楚谁负责安全审批，并在当天索要他们的安全问卷。一笔“只差安全审核”却拖到最后一月的交易，其实是一笔没人同意过截止日期的交易。
  • 放任 POC 不断膨胀启动之后每加一条“能不能顺便……”，都在悄悄改变验收条件。把每一项新增都以书面形式记为第二阶段，并保持冻结的案例集不被改动。目标不断变动的 POC 永远无法通过。
  • 在电话里对路线图需求说“可以”电话里一句“我们能做”，最后会变成合同里的一行字。明确说明哪些功能今天就能交付、哪些属于路线图，并把差异写进交接文档。交付团队不得不实现你暗示过的所有东西。
  • 把每个商机都当成能赢的花在根本不匹配的交易上的时间，是从真正匹配的交易上抢走的。尽早以书面形式说明原因并判定出局。这样客户经理就能基于真正可能成交的交易来规划这个季度。

这些内容出现在哪里：招聘流程和第一个季度

  • 模拟需求挖掘电话你的提问质量会被打分。要问这项工作现在是怎么做的、涉及哪些人、一次失败的代价是什么、谁负责审批。前十分钟不要推销产品。过早推销是候选人在这轮面试中最常见的失败原因。
  • 演示环节选择一个面试官熟悉的业务流程，展示其中不确定的路径，并按时收尾。面试官会观察你在展示更多功能之前，是否先确认了听众关心什么。
  • 交接文档一份有用的交接文档能写在一页纸内。它要写明承诺了什么、演示了但未实现什么、成功标准及其结果、未解决的安全事项，以及客户侧各项事务的负责人。交付团队就是凭这一页纸来评判解决方案工程师的。
  • 之后转岗到交付需求挖掘、范围界定和安全审核这些技能都能直接迁移到 FDE 岗位。你需要重建的是对生产环境的责任：值班、事故处理，以及凌晨三点有人依赖的代码。在面试中主动说明这一点，不要等他们来问。

自我检验

一个潜在客户要求做 POC，“看看它能做什么”。在动手构建之前，你会做什么？

写下结束条件并达成一致。明确指标、冻结的案例集、阈值以及签字确认的人，就像页面中“60 个每周异常中解决 40 个，基于 200 个案例，由 Bella 确认”那样。没有它，POC 就无法结束，因此也无法转化。

一份 offer 是 21 万美元 OTE，底薪与提成比例为 70/30，而团队去年完成了配额的 60%。你应该预期拿到多少？

底薪 14.7 万美元加上 6.3 万美元浮动部分的 60%，即 3.78 万美元：在假设线性提成方案的情况下，约为 18.48 万美元。这比标题数字少了 2.52 万美元。要问清楚是否存在一个低于该值就分文不提的门槛，因为如果有，60% 的完成率可能意味着拿到更多或更少。

你的 POC 解决了 60 个案例中的 38 个，而书面目标是 60 个中的 40 个。算通过还是失败？

失败，按照你们达成一致的标准。坦率地说出来，不要悄悄修改目标。然后分析那 22 个未解决的案例。如果大多数属于某一类可修复的问题，就以书面形式提出一个简短的延期，并在同一个冻结案例集上衡量。如果问题分散在各类，那么诚实的答案可能是目前还不合适。

客户经理希望你把下个季度才上线的功能演示得好像已经上线一样。你会怎么做？

可以演示，但要口头声明这是路线图功能。演示意味着承诺。如果客户以为该功能已存在而签约，交付团队就背上了一个无法兑现的承诺，而续约时要为此付出代价。明确指出局限也正是页面所描述的建立信誉之举。

快问快答

AI 解决方案工程师是做什么的？

他们是销售团队中的技术担当：判断客户的问题是否真正匹配、进行技术调研、针对客户自身的问题演示产品、构建有明确边界且带有书面成功标准的概念验证、通过安全审查，并就所承诺的内容做出诚实的交接。这项工作发生在合同签署之前，而不是之后。

AI 解决方案工程师与前沿部署工程师有什么区别？

区别在于他们身处签字流程的哪一侧。解决方案工程师在售前工作，同时承担多个浅层项目，以销售管线和成交收入来衡量，薪酬往往与配额挂钩。前沿部署工程师在售后工作，只承担少数深度项目，以采用率和实际成果来衡量，并构建他人赖以使用的生产系统。使用 FDE 类职位的招聘信息中，大约有三分之一实际上是售前性质。

解决方案工程师的薪酬如何构成？

通常采用 OTE（目标总收入）模式——将薪酬分为底薪加上与配额挂钩的浮动部分，常见比例为 70/30 或 80/20。在接受 offer 之前，要弄清楚：分成比例是多少、浮动部分是否有上限、配额是个人还是团队、去年整个团队（而非仅顶尖销售）的达成率如何、是否有任何提成基于概念验证完成而非成交收入，以及一名 SE 同时承担多少个商机。

在 AI 销售对话中，如何回答“它有多准确？”这个问题？

不要给出一个数字。先确立上限：询问客户自己的两位专家在同一任务上彼此意见一致的频率有多高，然后提议在他们的一组固定的真实案例上共同测量。承诺一个高于两人一致率的准确率数字，日后必然引发争议，而以这种方式重新框定问题，是 AI 售前对话中最有力的一招。

如何判断一个职位招聘是售前还是交付性质？

问两个问题：上个季度的工作时间中，售前与售后各占多少比例，以及薪酬中是否有任何部分与签单额挂钩。任何提到配额、OTE 或与签单额挂钩的奖金的内容，都意味着无论头衔如何，这个岗位实质上是售前性质的。两种答案都是合理的——失败之处在于没有弄清是哪一种就接受了这个职位。

来源

本页上的每个数字都可追溯至以下来源之一。凡是自我报告或众包而非第一方的数据，均已在正文中标注。

本页引用的来源

下一篇FDE 正典 →“这份工作究竟是什么”阶梯的下一篇 · 第 7 级，共 7 级

探索该主题

将本内容与同一主题的所有其他内容——手册、系统设计、挑战和工具——汇集一处，一并查看。

更多手册