大家好，

如果你看到这里，你大概是在我的 Instagram 帖子下评论了“FDE”。所以首先要说声谢谢。正如我承诺的，这就是完整内容：完整的路线图、学习指南，以及去哪里找实际的职位空缺。全部集中在一处。记得收藏。

几周前，我在哈佛的同学给我发来一张截图。那是 OpenAI 的一条招聘启事。总薪酬超过 50 万美元。职位名称是什么？“前沿部署工程师”。

他的消息只有三个字：“这到底是什么？”

说实话，我理解这种困惑。这个名称听起来像是军事简报里的东西。但它正悄然成为当下科技行业最有价值的职位之一。当所有人都在忙着学习 AI 工具时，有一小群人正被聘去把 AI 真正部署到企业内部。

a16z 甚至直接称其为“科技圈最热门的工作”。一份报告追踪到，2025 年这类职位的增长高达 800%。

于是我深入研究了这个话题。我读了 Palantir 的工程博客、Pragmatic Engineer 的分析、涵盖 1200 名 FDE 的薪酬报告，还看了一堆“职业日常”视频。然后我把所有内容整理到了一个地方。

如果你是一名正在考虑是否转向这个方向的工程师，或者是一名想弄清楚未来趋势的学生，这就是你的一站式指南。我们开始吧。

（我最近在纽约；这是从 Google 纽约标志性办公室之一拍的照片）

首先，前沿部署工程师到底是什么？

去掉那些噱头，其实很简单。

前沿部署工程师（FDE）是一种直接被派驻到客户公司内部的软件工程师。不是在销售电话上。也不是通过邮件。而是在他们的 Slack 里，在他们的基础设施里，有时甚至真的在他们的办公室里坐上几周。

他们直接与企业合作，了解其真实问题，然后围绕其实际工作流程构建 AI 驱动的解决方案。这意味着要把 AI 与公司的数据、内部工具、安全系统、自动化以及日常运营连接起来。

一句话概括：他们是强大的 AI 模型与现实商业问题之间的桥梁。

因为有一个没人告诉你的事实。基础模型本身解决不了任何商业问题。必须有人把它接入混乱的现实之中。这个人就是 FDE。

Palantir 在 2010 年代初创造了这个角色。他们称之为“Delta”。最离谱的是：直到 2016 年，Palantir 雇佣的 FDE 比普通工程师还多。整个公司就是建立在这个理念之上的。

Palantir 的这种表述让我印象深刻。普通开发者是“一种能力，服务多个客户”。而 FDE 是“一个客户，提供多种能力”。你深入服务单一客户，解决眼前的一切问题。

为什么这个职位在 2025 年和 2026 年爆发了

两个字。基础模型。

大语言模型强大但混乱。一家公司购买了 GPT 或 Claude 的访问权限，然后发现自己完全不知道如何把它接入实际的工作流程、实际的数据、实际的一团糟。演示看起来很神奇，生产环境的现实却很残酷。

这个鸿沟正是 FDE 的用武之地。

OpenAI 在 2025 年初正式设立了这个职位，由 Colin Jarvis 担任 FDE 负责人。他们迅速扩展到 3 大洲 8 个城市的 10 多名 FDE。Anthropic 正在招聘这类人才。Google、Databricks、Ramp、Gecko Robotics、Commure、Salesforce。名单还在不断增长。一个职位追踪器统计到 39 家 AI 公司共有 224 个开放的 FDE 职位。

原因残酷而简单。AI 实验室只有在客户真正部署时才能赚钱。而客户不会自己完成部署。他们需要一个能深入一线、在他们的系统上编写真实代码并证明方案可行的人。

薪酬（咱们直接聊聊吧）

我直说了。这是这个职位如此火爆的部分原因。

根据我翻阅的 2026 年薪酬数据，大致情况如下：

  • Palantir 中位数：总薪酬约 21.5 万美元
  • 中级 FDE（市场中位数）：总薪酬约 38.5 万美元
  • OpenAI 和 Anthropic 中高级：35 万至 55 万美元
  • Staff 级别：61 万美元起
  • 前沿实验室的 Principal FDE：超过 120 万美元

在你两眼放光之前，有几点需要了解。

在市场顶端，股权现在占薪酬的 55% 到 70%。而在 OpenAI 和 Anthropic，这些股权与每六到九个月就会重新评估的私募估值挂钩。所以二月份的“55 万美元”offer 到八月份可能值钱得多，也可能不值钱多少。这是一场赌注，不是固定工资。

此外还内置了 FDE 溢价。这些职位的薪酬比同级别的机器学习工程职位高 15% 到 25%，因为实验室把 FDE 与研究工程师对标，而不是与普通的解决方案架构师对标。你拿的是建造者的薪水，不是客服支持的薪水。

FDE 每天到底在做什么

浪漫的版本是“你空降现场，力挽狂澜。”

真实的版本更混乱，也更有趣。根据 OpenAI 的组织方式，工作分为三个阶段。

1. 范围界定。 与客户 onsite 几天。你梳理他们的流程，找到真正的瓶颈，并用合成数据快速拼出一个原型。粗糙、快速、丑一点没关系。

2. 验证。 你构建评测指标、标注数据，并用真实基准对解决方案进行压力测试。这是在任何人投入数月之前“验证砖墙在哪里”的阶段。大多数 FDE 说，这一步是区分真正的解决方案和漂亮演示的关键。

3. 交付。 现在你直接在客户的基础设施上编写生产代码。通常每周有几天 onsite。口号是“尽可能小的单元”端到端跑通。先交付真实可用的东西，然后再扩展。

一位 FDE 把自己的一周描述为大约五五开。一半是会议和客户沟通，一半是实际构建：写代码、调优提示词、调试。根据公司不同，预计有 20% 到 50% 的时间在出差。

如果你讨厌模糊性，只有在拿到定义完美的工单时才有安全感，这个角色会把你“生吞活剥”。但如果你喜欢走进混乱并把它变成能用的东西，你会爱上这份工作。

你真正需要的技能

我读了大约十几份路线图，它们都汇聚到同样的四大类。

1. 扎实的工程基础。 你需要至少精通一门严肃的生产级语言（Java、C++、TypeScript），外加扎实的 Python。你每天都要写干净的代码、构建集成、修复棘手的边界情况，以及与 API 和数据管道打交道。解决问题的能力是第一技能，就这么简单。

2. AI 和 LLM 熟练度。 对于 AI 相关岗位，你需要真正理解 RAG 架构、提示词设计、评测框架、Agent 的失效模式，以及成本与延迟之间的权衡。不是那些流行词，而是 Agent 为什么会出问题、如何修复的真正机制。

3. 客户沟通。 这是大多数工程师低估的部分。你必须倾听客户，理解他们的业务究竟如何赚钱，并用非技术高管能听懂的语言解释技术方案。Palantir 总裁 Shyam Sankar 说，最优秀的 FDE 是拥有深度和能量、能解锁 3 到 10 倍增长的“异端”和“叛逆者”。低自我，高同理心，谦逊且乐于协作。

4. 端到端的所有权。 这是最大的一点。这个角色基本上要求“创业公司 CTO”式的本能：你来界定范围、构建、发布，并对结果负责。

有一个数据应该会改变你对职业路径的思考方式。成为优秀 FDE 的头号预测因素是什么？是曾担任创业公司的前 10 名工程师之一。如果你有过这样的经历，你已经体验过这份工作了：模糊性、身兼五职、在压力下交付。用的是同一块肌肉。

如何真正入行

好消息是：FDE 的招聘看重作品集，而不是学历证书。没人在乎你的 GPA，他们在乎的是你能否在混乱中交付。

如果我今天来做这件事，我会规划出这样的路径。

构建端到端的项目，而不是玩具项目。 FDE 简历上最重要的，是证明你曾界定范围、构建、发布并对某个有可衡量影响的真实产品负责。一个完整的产品胜过十个半途而废的教程。

积累 LLM 在生产环境中的实战经验。 构建一个真正的 RAG 应用。构建一个 Agent。让它出问题，然后弄清楚原因。把失效模式记录下来。这种亲手调试的经历在面试中是黄金。

练习向非工程师解释技术。 录下自己向一位“客户”讲解项目的过程。如果你能让你的妈妈理解你的方案为什么重要，你就已经领先于大多数申请者了。

利用免费培训。 Salesforce 在 Trailhead 上免费提供了大量相关资料，他们的“六个月就绪”(Ready in Six) 入职项目（技术培训、实地工作和毕业项目）是一份绝佳蓝图，即使在你被录用之前，也能照着它规划要培养哪些技能。

瞄准合适的公司。 早期 AI 创业公司是最容易进入的切入点，也是最好的训练场。前沿实验室（OpenAI、Anthropic）则是山顶。先从你能积累实战经验的地方开始，再向上攀登。

精确的备考资源清单（我在视频中承诺过的链接）

他们真正付钱购买的能力只有一件事：把强大的 AI 模型落地到真实公司中并让它运转起来。以下所有内容培养的正是这种能力——而且几乎完全免费。请按此顺序进行。

1. Anthropic Academy——“Building with the Claude API”。 免费，并提供真实证书。这是你直接从实验室本身学习构建 AI Agent 的途径：API 调用、工具使用、RAG 和评测。从这里开始。→ https://anthropic.skilljar.com/claude-with-the-anthropic-api（13 门免费课程的完整目录见 https://www.anthropic.com/learn）

2. Andrew Ng 在 DeepLearning.AI 上的“Agentic AI”课程。 免费旁听。它教授每一位 FDE 都会交付的四种 Agent 模式：反思、工具使用、规划和多智能体系统。这是概念上的主干。→ https://learn.deeplearning.ai/courses/agentic-ai/information

3. Hugging Face AI Agents 课程。 免费、有认证，而且完全动手实践。别再看教程了，开始构建真正能运行的 Agent。→ https://huggingface.co/learn/agents-course

4. 一项云认证——AWS Solutions Architect Associate。 这一项花费 150 美元，是唯一需要付费的步骤。它物有所值：它能证明你确实可以在真实基础设施上进行部署，而这占了一半的工作内容。→ https://aws.amazon.com/certification/certified-solutions-architect-associate/

5. Palantir Learn。 免费。Palantir 发明了这个职位——直接向创造它的人学习他们的打法。→

https://learn.palantir.com/

而真正能让你被录用的做法是： 构建一个能解决真实业务问题的真实 AI Agent，端到端完成，并部署上线。一个能运行的项目胜过十张证书——因为这本身就是这份工作。（具体怎么做，请参见下面的 90 天计划。）

你的 90 天入行计划

如果我是从工程背景起步、想拿到 FDE 职位，我会这样安排接下来的三个月。资源密集，按周推进。不要只是收集证书——整个计划的设计目标是让你最终带着一个已部署的项目和一个可以讲述的故事离开。

第 1–30 天：打基础（学习元技能）

这个月的目标是熟练，而不是完美。你在学习的是如何把模型接入工作流。

  • 第 1 周 — Claude API 基础。 完成 Anthropic Academy 的“Building with the Claude API”课程（https://anthropic.skilljar.com/claude-with-the-anthropic-api）。拿到证书。到本周末，你应该能够从零开始进行工具调用和基本的 RAG 查询。
  • 第 2 周 — Agent 模式。 学习吴恩达的“Agentic AI”课程（https://learn.deeplearning.ai/courses/agentic-ai/information）。针对四种模式做笔记：反思、工具使用、规划、多智能体。这些是你在每次面试中都会用到的词汇。
  • 第 3 周 — 动手构建 Agent。 完成 Hugging Face 的 AI Agents 课程（https://huggingface.co/learn/agents-course）。构建示例 Agent，然后刻意把它们弄坏，并记录下失败模式。这份调试笔记会成为面试中的宝贵素材。
  • 第 4 周 — 选定你的问题。 选择一个真实的业务问题，在接下来的 60 天里解决它。最佳来源：你认识的小企业或非营利组织、你现任雇主的内部繁琐工作，或是有明显痛点的公开数据集。写一段范围说明：谁是“客户”、你要消除什么瓶颈、成功是什么样子。

第 31–60 天：构建（交付那个真正重要的项目）

这才是真正让你拿到 offer 的一个月。把它当作一次真实的 FDE 项目来做，按照实验室使用的同样三个阶段推进。

  • 第 5 周 — 界定范围与原型。 梳理工作流程。用合成数据构建一个粗糙、简陋的原型。不要打磨——只需证明核心流程可行。
  • 第 6 周 — 验证。 构建评测指标。标注一个小数据集。用真实基准进行压力测试，这样你才能说“这就是我知道它有效的原因”，而不是“这是一个漂亮的演示”。这一阶段正是真正的 FDE 与教程跟随者的分水岭。
  • 第 7 周 — 真实部署。 把它部署到真实的基础设施上。这正是你备考 AWS Solutions Architect Associate 的回报时刻（https://aws.amazon.com/certification/certified-solutions-architect-associate/）——部署 Agent，使其端到端运行，而不只是在你自己的笔记本上。用能运行的最小可行单元。
  • 第 8 周 — 衡量并撰写总结。 记录可衡量的影响（节省的工时、降低的错误率、减少的成本）。写一份简短的案例研究：问题 → 方法 → 结果。这份文档就是你真正的简历。

第 61–90 天：定位与求职（把项目转化为 offer）

现在你把工作成果打包，并出现在招聘经理面前。

  • 第 9 周 — 学习打法。 通读 Palantir Learn（

https://learn.palantir.com/

  • ），并阅读该领域的经典解读（Pragmatic Engineer 和 Palantir 博客，链接见下文）。你要在面试之前就能流利地讲 FDE 的语言。
  • 第 10 周 — 练习“客户”肌肉。录下自己在三分钟内向一位非技术的“客户”讲解你的项目。反复重录，直到你妈妈都能明白它为什么重要。这种沟通能力正是大多数工程师的短板。
  • 第 11 周 — 建立目标清单并投递。收集 20–30 个职位（使用下一节中的职位链接）。优先考虑早期 AI 创业公司——它们最容易进入，也是最好的练手机会。在 LinkedIn 和 Wellfound 上设置“前沿部署工程师”职位提醒。
  • 第 12 周 — 插队直达。针对你的前 10 个目标，在 LinkedIn 上找到招聘负责人，发送你的一段式案例研究加上已部署项目的链接，并请求 15 分钟的交流。一个能实际运行的、已部署的 Agent 出现在他们的收件箱里，永远胜过一份冷投申请。

在第 1 周之前和第 8 周之后各运行一次本文底部的差距分析提示词——它会准确告诉你还需要在哪些方面练手。

职位到底在哪里（我承诺过的那些 openings）

OpenAI、Google、Anthropic 和 Palantir 等公司现在都在积极招聘这类职位。而且不止它们。Databricks、Ramp、Gecko Robotics、Commure 和 Salesforce 都在组建 FDE 团队。有统计显示，39 家 AI 公司共有 224 个开放的 FDE 职位。

具体去哪里找：

https://www.levels.fyi/

  • LinkedIn 和 Wellfound：搜索精确短语“Forward Deployed Engineer”并设置职位提醒。新职位每周都会发布。

专业建议。不要只是冷投。发布这些职位的早期 AI 创业公司是最容易接触到的。在 LinkedIn 上找到招聘负责人，给他们看你做过的东西，然后插队直达。

一个可直接复制的提示词，帮你梳理自身差距

想确切知道自己缺什么？把这段话发给任何 LLM。

You are a hiring manager for Forward Deployed Engineer roles at a top AI lab.

Here is my background:
[paste your resume or a paragraph about your experience]

Do three things:
1. Score me 1-10 on each of the four FDE skill buckets:
   engineering fundamentals, AI/LLM fluency, customer communication,
   and end-to-end ownership. Be brutally honest.
2. For my two weakest areas, give me a specific 30-day project
   that would close the gap and look great on an FDE resume.
3. Write three interview talking points from my real experience
   that signal "I can ship in ambiguity."

用它，然后把它生成的项目做出来。这就是全部玩法。

深入学习的资源

我不会让你自己去搜。以下是我会交给任何认真对待这件事的人的真正阅读和观看清单。

读这些：

我的真实看法

FDE 这个岗位，就是当“软件工程师”和“真正帮现实中的公司让 AI 落地的人”合二为一时的产物。

它并不适合所有人。如果你想要一张安静的办公桌和一份干净的待办清单，那就跳过吧。但如果你喜欢不确定性、喜欢与人交流、喜欢那种做出真正上线并产生价值的东西的感觉，那么这可能是未来五年科技行业中定位最好的岗位。

需求是真实的。薪资是真实的。而它所要求的技能，恰恰是无论 AI 如何改变行业其他部分都能存活下来的技能。因为 AI 唯一无法自动化的，就是搞清楚客户真正需要什么这种混乱的人类工作。

这是能够定义未来十年科技职业的岗位之一。我是真心这么认为的。尽早入局吧。

如果你从我的 AI 行动信中获得了价值，请考虑订阅。这是支持我继续写下去的动力。

如果你认识一位正在悄悄寻找下一步发展的工程师，请把这篇文章分享给他们。这也许正是他们需要的那一下推动。

今天就到这里。

下次再见。请持续关注，我将分享来自我的哈佛和 Google 人脉圈的最佳资源，把最好的内容带给你。让我们一起提升技能。Aspyre higher!