从软件工程师或数据科学家到前沿部署工程师——这是 OpenAI、Anthropic 以及所有其他 AI 公司押注数十亿美元的角色。这也是我一直在指导他人走过的同一条路径。
剥去炒作的外衣——前沿部署工程其实就是三项技能。
前沿部署工程师走进一家公司，界定问题，并交付解决该问题的 AI。Palantir 让这个角色声名鹊起；OpenAI、Anthropic、Google 和 Databricks 现在都在招聘这一职位。在这个头衔之下：
理解业务。
走进一个你从未接触过的行业，弄清它是如何赚钱的。看懂组织架构图，知道谁负责这个问题、谁感受到痛点、谁签字付款。用他们关心的指标说话——流失率、毛利率、周转时间。
把理解转化为架构。
接收一个混乱的人类问题，输出一个优化的系统设计，改善业务关心的某个数字。关键技能在于这种转化。
构建并部署。
一个持续循环：构建 → 测试 → 部署 → 监控。把每一次修复都记录为评测，只发布经过测试的变更，并把每一次失败都变成更好的版本。
如果你是在职的软件工程师或数据科学家，你已经具备技能 3。差距在于技能 1 和 2——而这个差距正是该职位年薪 20 万至 40 万美元以上、而纯编码岗位正被自动化取代的原因。技能 1 和 2 是纯粹的人类判断。自动化吞噬的是任务，而不是对齐。
大多数工程师对 AI 的掌握程度并不像他们自认为的那样好。
在业务技能变得重要之前，还有一个更重要的差距需要跨越。这是 AI 技能阶梯——诚实地评估你所处的位置：
你能让 AI 为你所用吗？不是自动补全——而是用它完成真正的工作。
你理解它在做什么吗？它在哪些地方有效，在哪些地方（暂时）无效，以及为什么。
你在改进自己的使用方式吗？把 AI 当作一项需要练习的技能，而不只是一个使用的工具。
你能用 AI 帮助他人吗？他们的问题，他们的场景，以及他们真正能用上的成果。这一级就是 FDE 的位置。
大多数人处于第 1 级和第 2 级之间。下面的 90 天将让你在积累证据的同时沿着阶梯向上攀登。
这 90 天。
掌握机器，找到真实问题。
反复练习上下文工程、工具调用和 Agent 循环，直到成为条件反射——每天构建一些能运行的小东西。然后开始技能 1：找到一个真实的人感受到真实痛点的地方，并采访他们。需求发现就是侦探工作：一个流程存在于某人的脑海中，是一棵未成文的决策树，你的工作就是把它提取出来。
设计它，构建它，交到别人手中。
围绕痛点撰写架构文档，立足于它应该改善的指标——没人在乎技术栈。用任何能最快交付的方式构建 v1。唯一的目标：让一个真实的人用它完成真实的工作，并测量使用前后的变化。
生产级加固，写成文档，拿下那个职位。
评测、降级方案、访问控制、能通过安全审查的上线计划。以 FDE 向客户汇报的方式写两个案例研究：问题 → 设计 → 哪里出了问题 → 可衡量的成果。然后重新包装一切——简历和 LinkedIn 都以成果为先导——并执行两条路径：申请 AI 原生公司，同时向你的公司提议让你成为内部部署 AI 的人。
需要帮忙执行吗？
这条路径是免费的，而且永远免费。如果你想和我一对一执行，这里介绍了辅导如何进行，或者直接预约通话，我们一起规划你的 90 天。