前沿部署工程（FDE）：2026 年完整指南

在 Palantir 2026 年第二季度财报电话会议上，CTO Shyam Sankar 向投资者抛出了一句话：“记住，只有 Palantir 拥有 FDE。其他人有的只是包装精美的售前工程师。”这番话是在 AWS 和 Microsoft 承诺向各自的前沿部署部门投入数十亿美元数周之后，也是在 OpenAI 和 Anthropic 设立由私募股权支持的机构、将工程师派驻到客户企业内部之后发表的。

这四项押注都基于同一个前提：AI Agent 的成败取决于客户的系统、客户的权限、数据和审批流程。模型是其中最廉价的部分。前沿部署工程是业界为围绕模型展开的工作所确定的名字，本指南将介绍这项工作在技术层面如何运作、成本几何，以及如何评估一个项目。

简而言之：前沿部署工程（FDE）是一种交付模式，供应商的软件工程师进驻客户组织内部，让供应商的产品在客户的真实数据和系统上投入生产运行。工程师编写生产代码，对业务结果负责，并将所学反馈到供应商的产品中。Palantir 推广了这一模式，如今 AI 公司正用它来部署 Agent。

核心要点：

• FDE 在客户的线上系统上交付生产代码，对业务结果负责，并将发现反馈给产品团队。缺少这一闭环，这份工作就只是咨询。
• 这项工作遵循一个八步循环。团队最容易跳过的两个步骤——构建评测集和将成果泛化——决定了 Agent 是否被证明有效，以及供应商的产品是否得到改进。
• AI Agent 让这一模式重焕生机。它们的价值取决于权限、数据访问、评测和流程变更，而这些都无法通过一个打包产品交付。
• 一个真正的项目应让客户能够独立运行系统：基础设施即代码、评测、MCP 服务器、操作手册，以及一名经过培训的负责人。
• 2026 年的招聘和融资公告规模庞大，但职位发布的增长是从 2025 年近乎为零的基数起步的。

前沿部署工程师究竟做什么

这一头衔源自美军对前线驻扎部队的术语。据 Wikipedia 引用 2009 年《Science》上的一篇文章记载，Palantir 在那一年就已使用该术语。三个特质将该角色与相邻职位区分开来：

• 生产代码。FDE 交付针对客户线上系统运行的软件。
• 结果负责制。项目以业务结果来衡量，例如解决的工单数量或从流程中节省的工时。
• 反馈产品的闭环。FDE 在现场学到的东西会改变供应商的产品路线图。

Palantir 自己的工程博客用一个简短的公式描述了这种分工：产品工程师（"Dev"）负责“一项能力，服务多个客户”，而前沿部署工程师（"Delta"）负责“一个客户，覆盖多种能力”。

FDE 与相邻角色的对比

这一头衔与多个更早的职位有所重叠，一些公司只是将其作为重新包装的标签。下表展示了这些界限通常如何划分。

The Pragmatic Engineer 2025 年关于 OpenAI 的报道展示了这一岗位在实践中的分界线：OpenAI 的解决方案架构师倾向于使用匿名化数据在离线环境中构建 MVP，而 FDE 则直接在客户的基础设施上编写代码。这种在真实系统上工作的习惯，可以追溯到该岗位在 Palantir 的起源。

FDE vs 解决方案架构师

生产代码与架构广度的对比：薪酬、售前工作、结果归属，以及何时该招聘哪一种。

打开对比

这一模式的由来

Palantir 为那些需求无法被明确写下来的客户构建了这一模式。情报和国防工作涉及未文档化的数据模式、涉密上下文，以及总部工程师永远无法看到的工作流程。将工程师派驻到现场，是弄清“可用的软件”究竟意味着什么的唯一可行方式。

Sankar 亲自讲述过这个起源故事。据 The Register（2026 年 10 月 3 日）报道，他说自己在 2007 年创造了这个术语，起因是 CEO Alex Karp 问他为什么法国餐厅做得这么好。Karp 的答案是：服务员是厨房的一部分，像厨师一样熟悉厨房的技艺。Sankar 说，Karp 让他在工程领域打造同样的东西。请将此视为创始人轶事：唯一的来源就是 Sankar 本人的叙述。

Palantir 的两个结构性细节延续到了当前这波浪潮中：

• 成对配置的单元。Palantir 将 Delta 与 "Echo" 配对，后者是部署策略师，通常并非软件工程师。从业者的描述中，Echo 是领域运营人员，例如退役军官或临床医生，负责干系人管理、产品采用和客户关系形态。Palantir 自己关于部署策略师角色的博客描述了这份工作，Delta 和 Echo 这两个名称至今仍作为团队名称出现在 Palantir 自己的招聘页面上。
• 现场人员占比高。The Pragmatic Engineer 报道称，直到 2016 年左右，Palantir 的 FDE 数量超过普通软件工程师。同年 Foundry 发布后，随着平台吸收了他们手工构建的许多模式，许多人转入了产品工程岗位。

第二点正是这一模式的缩影：现场工作发现模式，产品将其吸收，下一次部署所需的定制代码就更少。AI Agent 补上了第三块拼图，如图右侧所示：代码变得廉价，而围绕代码的上下文并没有。

为什么 AI Agent 让这个模式重新流行起来

企业软件一直存在实施鸿沟。Agent 让这道鸿沟更宽了。聊天机器人只需要一个模型和一个知识库。而一个会修改记录的 Agent 则需要凭证、范围受限的权限、工具定义、一套基于真实任务的测试套件、回滚路径，以及一个知道何时停下来询问真人的流程。

OpenAI FDE Luis Velasco 在 2026 年 9 月的 Shift 大会上描述了这一点，ShiftMag 于 10 月 2 日进行了报道：

“代码的生产成本非常低。关键在于围绕代码构建整个系统。”

他将这个系统描述为“意图系统、护栏、让 Agent 可靠工作的约束条件”，并将对公司数据、流程和工具的访问称为“部署鸿沟”。

他还指出，Agent 如今能够处理远比以前更长的任务——从人类大约六分钟能完成的工作，到大约 16 小时的工作。他引用的是 METR 公开发布的时间跨度基准，六分钟和 16 小时这两个数字是他对该基准的概括。任务越长，涉及的系统就越多，因此部署鸿沟也随之扩大。

用数字看生产鸿沟

关于 Agent 失败率流传着几个数字。每个数字衡量的东西都不同，所以要逐一解读：

• Gartner 预测，2025 年 6 月 25 日。在一份新闻稿中，Gartner 预测到 2027 年底，超过 40% 的 Agentic AI 项目将被取消，原因是成本不断攀升、商业价值不明确或风险控制不足。这个 40% 是对 2027 年的预测。同一份新闻稿中，Gartner 在 2025 年 1 月对 3,412 名网络研讨会参会者进行的调查发现，19% 的人已进行了大规模的 Agentic 投资，42% 的人投资较为保守，8% 的人没有投资，31% 的人在观望或不确定。
• “Agent 洗白”。在同一项研究中，Gartner 估计，在数千家营销 Agentic AI 的供应商中，只有大约 130 家提供真正的 Agentic 能力。这个数字是分析师的估计。
• MIT NANDA，2025 年。《GenAI Divide》报告发现，约 95% 的组织从生成式 AI 试点中没有获得可衡量的回报。其方法结合了对 300 多个公开披露项目的审查、对 52 个组织的访谈，以及对 153 位领导者的调查。这一结果基于公开披露和一项调查，并且涵盖了所有生成式 AI 试点，Agent 只是其中之一。

诸如“88% 的 Agent 试点从未进入生产环境”之类的数字在博客文章中流传，但没有可追溯的原始报告；应将其视为二手说法。

前沿部署工程正是供应商对这一鸿沟的回应。下图右侧将 FDE 的工作浓缩为四个阶段；下一节将把它们拆解为完整的八步循环。

FDE 运营循环

下面的循环反映了 OpenAI、Anthropic 和 Palantir 对其部署的描述，以及从业者的常见总结。实际项目中会压缩或重复某些步骤，但顺序保持不变。

• 驻场与界定范围。最初几天与实际执行工作的人员以及项目发起人一起在现场。《Pragmatic Engineer》描述了 OpenAI 的 FDE 从一个简短的现场范围界定阶段开始工作。
• 梳理真实的工作流程。文档化的流程几乎总是比实际流程短。要捕捉例外情况、各种临时表格、只存在于某些人头脑中的审批环节，以及人们之间互相复制数据的各个系统。
• 对每个步骤进行分类。每个步骤归入四类之一：删除它、用简单规则将其自动化、交给 AI Agent 处理，或保留由人来完成。很多步骤根本不应该交给模型。
• 在构建 Agent 之前先建立评测集。收集带有已知正确结果的真实历史案例。这将成为双方共同签署认可的“可用”标准。
• 在客户的工具体系内构建。Agent 通过定义好的工具调用客户现有的系统，而这些系统保持原位不动。MCP 服务器和工具 schema 就是在这里编写的。
• 将身份与权限生产化。从第一天起，就为 Agent 配置独立的身份、最小权限范围、密钥管理、审计日志和链路追踪。
• 做好交接。将代码、基础设施、评测和操作手册移交给指定的内部负责人，并培训该团队在不依赖供应商的情况下修改系统。
• 进行泛化。汇报哪些部分是定制的、哪些是可复用的。OpenAI 的 Deployment Company 页面将这一循环称为“构建、验证、泛化”，其中反复出现的模式会被沉淀进产品，例如其 Agent SDK、创作系统和可靠性工具。

第 4 步和第 8 步是最常被跳过的：

• 跳过第 4 步，意味着没有人能证明这个 Agent 确实有效。
• 跳过第 8 步，意味着这家供应商实际上是在经营一个附带产品的服务业务。

典型的一周是什么样的

合作形式差异很大：

• Palantir 历史上曾让工程师驻场数月。
• AWS 描述的是 45 天的冲刺周期，相关发布报道提到每个客户配备约五到六名工程师组成的小组。
• Anthropic 的应用 AI FDE 职位要求 25-50% 的时间出差到客户现场，因此许多实验室的 FDE 在客户现场和远程工作之间分配时间。

在一个冲刺周期内，常见的节奏大致如下：

• 周初：与业务操作人员开会，并复盘上周的评测失败案例。
• 周中：构建时间，包括需要客户安全团队批准的权限申请。
• 周末：对照约定的指标进行赞助人评审，并向供应商的产品团队提交一份书面说明，指出平台无法做到的事项。

这些书面说明就是第 8 步的原材料。

周中的构建时间投入的是一个生产级技术栈，而客户最终继承的正是这个技术栈。

FDE 构建的技术栈

2026 年从业者的实践总结描述了分层式的生产技术栈，具体分层因供应商而异。下面的四层版本是对这些描述的综合归纳，自底向上阅读。

环境配置

一切都在客户的云账户或租户中运行，并以代码形式定义。Terraform 或 Helm 模板创建运行时、连接 SSO、配置密钥管理器，并隔离每个业务单元或客户。仅存在于 FDE 控制台点击操作中的环境，是客户无法重建的。

模拟

在 AI Agent 触及生产环境之前，它会在模拟真实 API 形态的 mock 工具上运行多步骤任务。模拟可以在没有副作用的情况下捕获循环、错误的重试和破坏性操作序列。

受治理的部署

AI Agent 需要像服务账户一样拥有身份。在实践中，这意味着：

• 在客户的身份提供商中创建专用的 Agent 身份，与所有人类账户分开。
• 按工具划分权限范围，读写分离，高风险操作需经过人工审批步骤。
• 从第一天起就具备可观测性：记录每次模型调用和工具调用的追踪信息，并关联到其触及的业务记录。

评测套件

评测集是可执行形式的契约。一个有用的评测套件为每个工作流保留几百个真实案例，同时对最终结果和中间工具调用进行评分，并在每次提示词、模型或工具变更时运行。它在追踪准确性的同时，还追踪每个任务的成本和延迟，这使得模型路由成为一项有据可依的决策：为每个步骤使用能通过门槛的最便宜模型。

与模拟相结合，它覆盖了就绪度的两个方面：模拟衡量安全性，评测套件衡量质量。

图表右侧，即交接包，是客户在技术栈运行后所保留的内容。

交付物：FDE 离开后应留下什么

Palantir 时代与 Agent 时代前沿部署之间最显著的变化是交付物清单。Anthropic 的应用 AI FDE 职位要求工程师“为客户交付技术交付物，如 MCP 服务器、子 Agent 和将在生产工作流中使用的 Agent 技能”，并“识别和固化可重复的部署模式”。

一份完整的交接包通常包含：

• MCP 服务器和工具模式，它们以类型化输入、清晰的描述以及在服务器代码中强制执行的权限检查来封装客户的内部系统，从而使提示词无法绕过这些检查。
• 用于可重复任务的子 Agent 和技能，像代码一样进行版本管理。
• 评测集及其评分运行器。
• 客户账户中的基础设施即代码。
• 用于事故处理、模型升级和权限变更的运行手册。
• 必要时的语义层。AWS 表示其团队会留下客户业务实体和流程的知识图谱，AWS 的 Francessca Vasquez 将其描述为“客户信息的本体”。SiliconANGLE 称之为面向 Agent 的“智能系统”。

MCP 在这里的重要性出于实际原因：一个工具只需定义为 MCP 服务器，就可以被任何兼容的 Agent 客户端复用，因此客户在更换模型或供应商后仍可继续使用它。而以函数形式写在某一家供应商框架内的工具模式，则始终绑定于该框架。

当没有 API 可用时

有些工作流程存在于客户使用但并不拥有的 Web 应用中：供应商门户、政府申报网站、没有可用 API 的老旧 SaaS 工具。前沿部署工程师要么等待一个可能永远不会到来的集成，要么让 Agent 直接操作 Web 界面。Webfuse 是第二条路径的一种选择：它是一种实时会话 MCP，让 Agent 能够在供应商不控制的网站的实时 Web 会话中工作，且无需改动该网站的代码。浏览器自动化框架和云浏览器是其他常见选择，在身份验证和人工交接方面各有不同的权衡。

这就是这项工作本身。下一个问题是：谁在为此买单，以及以什么样的规模。

谁在 2026 年组建 FDE 团队

本节中的招聘和资金数据来自公司公告和媒体报道，均未经审计。

每张卡片的来源，以及未能写进卡片里的细节：

• OpenAI 于 2026 年 5 月 11 日宣布成立 OpenAI Deployment Company。OpenAI 持有多数股权，TPG 领投了初始投资，对 Tomoro 的收购带来了约 150 名 FDE 和部署专家。
• Anthropic 于 2026 年 5 月 4 日与 Blackstone、Hellman & Friedman 和 Goldman Sachs 宣布成立其企业级 AI 服务公司。15 亿美元的数字来自 CNBC 的报道。
• 据 SiliconANGLE 报道，AWS 于 2026 年 6 月 30 日启动了其前沿部署工程组织。已公布的客户包括 Allen Institute for AI、Cox Automotive、NBA、NFL 和 Ricoh。
• Microsoft 于 2026 年 7 月 2 日宣布成立 Microsoft Frontier Company，与 Accenture 和 PwC 等合作伙伴协作。Land O'Lakes 和 Unilever 是早期客户之一。
• 据 2026 年的媒体报道，Google Cloud 正在其市场推广 AI 组织内招聘“数百名”FDE，同时还有合作伙伴生态方面的承诺。
• 据 Salesforce 博客 2025 年 11 月的文章（APAC 版本日期为 2026 年 3 月 27 日），Salesforce“已承诺为 Agentforce 组建一支 1,000 人的 FDE 团队”。

实验室如何为此买单

OpenAI 的交易条款展示了一家实验室如何为人力密集型工作买单。据 Axios 报道，该交易采用 100 亿美元的投前估值，并向投资者保证最低 17.5% 的回报率，同时利润设有上限。SiliconANGLE 提到 Tomoro 此前的客户包括 Tesco 和 Virgin Atlantic。保证回报的结构看起来更像基础设施融资，而非风险投资；而将服务业务放入一个独立的载体，则让低利润率的工作不会出现在实验室自己的账面上。

投资者早已论证过接受这种利润率的合理性。a16z 合伙人 Joe Schmidt 在《Trading Margin for Moat》（2025 年 6 月 4 日）一文中称 FDE 是“初创公司最热门的职位”。他的论点是：AI 应用应当成为生成和存储公司数据的工作系统，而年轻公司应当接受低于 80% 的毛利率，以此换取对工作流的掌控权。他引用 ServiceNow 上市时 63.2% 和 Workday 上市时 54.1% 的毛利率作为先例。

职位招聘

招聘跟随资金流向，但起点基数很小。据 Business Insider 援引招聘网站数据报道，2026 年 4 月 FDE 职位发布数量比 2025 年 1 月的水平高出约 5,230%，而 2025 年 4 月为高出 543%，折算下来就是上图中约 729% 的同比增长。其他追踪机构在不同时间窗口内报告的增长超过 1,000%。当 2025 年 1 月的基数接近于零时，百分比会迅速膨胀；与普通软件工程相比，FDE 的存量规模仍然很小。

Palantir 作为参照点

Palantir 的业绩是该模式在财务上能够规模化扩展的最有力的公开证据。其 2025 财年财报及后续业绩显示了增长情况：

• 2025 财年营收：44.75 亿美元，较 2024 年的 28.65 亿美元增长 56%。
• 2026 年第二季度营收：19.35 亿美元，增长 93%。
• 2026 年第二季度美国商业营收：7.64 亿美元，增长 149%。

其 2024 年 10-K 文件将在客户数据上举办短期 AIP 训练营列为一种销售方式，并警告称将这些试点转化为长期合同并无保证。网上引用的训练营转化率均为公司自报或二手数据。

FDE 的薪酬水平

Levels.fyi 和职位招聘信息给出了当前的情况：

• 美国总薪酬中位数：2026 年 10 月初 Levels.fyi 上 FDE 职位的总薪酬中位数为 216,250 美元，第 25 至第 75 百分位约为 179,000 至 290,000 美元。
• AI 实验室基本工资：我们在 2026 年 10 月查看时，Anthropic 的应用 AI FDE 职位发布的基本工资范围为 200,000 至 300,000 美元（此后可能已关闭）。
• 销售配额：大多数职位都没有配额要求。

请将以上所有数据视为自报或发布的数据。

FDE 与售前工程师

对比售前演示与售后生产代码：薪酬、差旅、单笔交易的交接，以及何时该招聘哪一种。

打开对比

以这样的薪酬水平，每位 FDE 都是一笔昂贵的人力投入，这使得下一个决策对任何公司来说都至关重要：自建该职能还是外购。

如何自建或外购 FDE 职能

招聘是最难的部分。这一岗位画像结合了三个方面：

• 通才型生产工程师：后端、API、云、数据管道、SSO 和 RBAC。
• 交付过 Agent 系统：工具使用、MCP、评测、追踪。
• 流程意识：既能改提示词，也能同样自如地改变操作员的流程。

The Register 引用的 Sankar 对 Palantir 理想候选人的描述是：一个“疯狂到愿意临时搭飞机去伊拉克”的人，“聪明到能当天交付高质量代码”，并且情商“高到能与用户交谈”。

判断力比任何单项技能都更重要：哪些环节保留人工操作，哪些要产品化而非保持定制，以及何时终止试点。为每位 FDE 配备一名领域负责人或部署负责人——即 Palantir 的 Echo 模式——由第二个人负责干系人和落地推广。

是真正的深度合作，还是换皮的服务合同？

买方面临一个镜像问题：供应商的 FDE 服务是不是货真价实？几个问题就能快速分辨。

实操检验就是最后一行。如果诚实的答案是“不能”，那么这次合作建立的是依赖关系，无论职位名称怎么写。即使是真正的合作，对合同双方也都有风险。

风险与失败模式

换皮风险。Wikipedia 指出该角色与解决方案架构师、售前工程师、专业服务和 IT 咨询存在重叠，并引用了一位管理学教授的观点：这个非传统的头衔更多是在投射组织身份，而非反映一种新职业。The Register 报道称，云厂商 DoIT 自 2011 年起就使用嵌入式工程师，直到 2025 年第四季度才采用 FDE 这一标签。

利润率与规模。每新增一个客户，人力成本就会增加。Palantir 承担这一成本多年，直到其平台吸收了足够多的模式。The Register 援引分析师 Jay McBain 的预测称，FDE 投入将“在 2031 年这一模式成熟时回落到渠道中”。

人才脆弱性。出差、模糊性、紧迫的截止日期和客户政治让这个角色对许多工程师缺乏吸引力，而安全审查要求进一步缩小了国防领域的人才池。“最热门职位”之类的排名也夸大了当今有经验的 FDE 的数量。

意外的锁定。一个在没有 IaC、评测或指定负责人的情况下快速推进的 FDE，留下的将是一个只有供应商才能运维的系统。常见原因是截止日期压力。合同应将交接产物列为交付物。

从中得到什么

每家实验室和云厂商出售的都是同一类模型的访问权限。让一个 AI Agent 从可用走向被取消的试点的，是每个客户内部的工作：权限、工具、评测和流程变更。那些派工程师去做这些工作、将其沉淀为可复用产物、并反哺到产品中的供应商，将不断扩大领先优势。买方只需一个问题就能判断自己面对的是哪类供应商：团队离开时，我们将拥有什么？

常见问题

Salome Koshadze

Community Manager

Manages content and encourages active participation within Webfuse.

下一步

将 AI Agent 连接到任何 Web 应用

无需注册，直接在浏览器中运行

Open the live demo

准备好让你的 AI Agent 在真实网络中行动了吗？

无头浏览器为你的 Agent 提供的是网络的一个副本，而 Webfuse 提供的是用户实际所在的会话——通过 MCP 实现，无需安装。

• 无需信用卡
• 永久免费套餐
• 快速设置

相关文章