尧图网页设计 
如果一家传统的银行想要用 AI 来自动化老员工分析师的工作第一步应该做什么一家公司已经购买了 AI 服务搭建了自己的 AI 系统但是反馈说根本不好用问题是出在 AI 模型、数据、权限还是选错了工作流管理层想要让 Agent 直接修改已有的生产系统但安全团队表示坚决反对工程师应该听谁的这些题目来自 Reddit 上一份 Anthropic FDE 面试指南帖子完整地介绍了一个候选人想要拿下 Anthropic 这个名为 FDE 的岗位最好需要做哪些准备。FDE 是什么这个最近在硅谷走红的岗位怎么就突然成了 AI 公司招聘页面的热门。Forward Deployed Engineer 是 FDE 的全称常译作前沿部署工程师或前线部署工程师。这类工程师既要写生产代码也要懂 Agent、评测和安全既要进入客户现场又要决定什么问题值得解决。OpenAI 把 Forward Deployed Engineering 单独列成团队在旧金山、西雅图、东京、首尔、新加坡等地招聘Anthropic 把新加入的成员称为「founding FDE」。国内的大厂像字节和腾讯等公司都有相关的 FDE 职位腾讯在社招里发布了三个前线部署工程师的岗位都需要三到五年以上工作经验属于产品的职业类别。字节则是直接叫 AI FDE 工程师没有使用「前线部署工程师」类似的翻译放在了研发这一职位类别下招聘的岗位也从飞书、火山引擎到数据平台都有。甚至还有实习生的 FDE 岗位但字节的 FDE 实习生又属于「销售-销售支持」这一类别。一直都在说 AI 只会抢走人类的岗位这个因为 AI 而兴起的岗位FDE具体又到底是什么我也可以去申请吗2023 年以来暴涨 42 倍根据 LinkedIn 2026 年 1 月的全球劳动力报告显示Forward-Deployed Engineer 自 2023 年以来增长 42 倍同期 AI Engineer 为 13 倍。而据招聘平台 Indeed 的数据2025 年 4 月全站 FDE 岗位只有 643 个到 2026 年 4 月这个数字变成了 5330——一年翻了 7 倍多。《华尔街日报》直接称它为「科技行业最热门的工作」。听着很新潮但这个岗位已经有将近 20 年的历史。最早是美国一家公司为了应对客户数据需要高度机密的情况客户说不清楚具体需求于是干脆把工程师「部署」在客户现场。用他们的原话说这个岗位的精髓就是普通工程师用一个能力服务所有客户FDE 为一个客户动用所有能力。在这家公司的岗位招聘页面他们还写着「我们首创了这一独特的职位将才华横溢的工程师直接派驻到客户团队直面他们最紧迫的挑战。」二十年后各种大模型在 demo 演示、个人用户手里无所不能但一接进企业团队的真实系统就各种水土不服。想要真正让 AI 应用在更大的市场「最后一公里」似乎成了各家公司招聘 FDE 的最大原因。于是一名完整的 FDE 需要参与问题发现、技术定界、架构设计、开发、上线和用户采用。项目做完后还要判断哪些内容只适用于这一名客户哪些应该变成共享组件、参考架构或核心产品能力。这套做法曾经与标准 SaaS 模式有些格格不入。软件公司追求一次开发、重复销售FDE 却把昂贵的工程师重新放进每一个客户项目。而这一切都是 AI 让这笔人力投入变得合理了。FDE 要考什么从腾讯招聘列出来的 JD 可以看到具体的岗位职责和岗位要求以及加分项。通常来说FDE 都需要计算机科学、软件工程、数学、物理以及 AI 等理工科相关专业的本科及以上学历3 年以上工程或者 toB 交付经验。其中最主要的还是要掌握各种 AI 应用技术栈各类 Agent 产品以及 AI 圈那些 RAG、Prompt、模型选型、Harness、微调、Skills、MCP、Multi-Agent 等专业术语的熟练掌握。具体的工作内容和上文介绍的 FDE 工作详情类似都是要进入客户现场把模糊的业务需求做成可以上线的 AI 系统推动客户真正使用并对交付效果和 ROI 负责。还有一点自己动手搭建过 OpenClaw 或者其他 AI Agent 工具项目都能算作加分项。我们曾经写的 OpenClaw 从安装到卸载也是能帮上忙了。上下滑动查看更多内容在 Reddit 上分享的面试指南帖子更是直接把 Anthropic FDE 的面试流程大致分为了五关每一关都在回答同一个问题你能不能把 Claude 安全地融入任何一家企业的生意里HR 的初筛就要求说明为什么要选择驻场岗位而不是去做传统的研发你的动机大于一切。接着围绕 Claude MCP 等工具链的部署推演作为技术场景的面试。这一轮主要考察候选人是如何做好上下文窗口管理应对超长上下文不可靠该如何解决。Anthropic 可能直接给参加面试的人开通 Claude让他们边用边回答。由于顶着工程师的头衔编码轮面试还是必不可少。除了大量的刷力扣上的算法题这份指南里推荐做一些针对性的刷题像是做一个 Claude 的额度限制器、重构一个重试的排队、用模拟数据库做一个小型连接器以及做一个任务调度系统等。技术面之后业界盛传通过率最残酷的一关客户模拟轮就来了。有机构估算约六成通过技术轮的候选人倒在这里。面试官会扮演不懂技术的企业高管和挑剔的架构师候选人不能打开代码编辑器全靠提问完成需求发现。最后是 Anthropic 的招牌关卡也被广泛认为是全场最难。前段时间在社交媒体上也是被讨论的沸沸扬扬Anthropic CEO 担心自己招来的人只认钱不认使命。因此这一轮问题会深入道德冲突、上级压力、以及「你当时是什么感受」。有外媒报道有的面试者会被直接问「如果公司的使命和赚钱发生冲突时你会如何选择」如果公司有一天出于安全原因放弃人工智能计划你会作何感想而这一决定导致公司股价跌至零。接受采访的这位 Anthropic 岗位求职者还向外媒提出请不要泄露他的任何信息他担心影响未来的就业机会。Anthropic 还在招聘一名「内部风险调查员」负责监控并分类针对员工的外部威胁抛开 Anthropic 对使命的追求FDE 考察的其实从算法工程师、Prompt 工程师和售前顾问都有它集合了产品经理、解决方案架构师、全栈工程师以及客户交付负责人这些不同的岗位。而薪资情况FDE 在 Anthropic 给出的年薪是 188 万– 215 万位于应用型、客户交付型工程岗位的高段上限刚好碰到高级软件工程师和一般软件工程师的起点核心模型、训练、评测等研究工程岗位的工资还是更高。AI 时代的人才未来 AI 时代的人才不是那些最会写 Prompt 的人而是了解行业又知道如何把 AI 接入不同行业传统流程的人他们就是 FDE。网络上类似的评论非常多尤其是在各种 FDE 科普、培训的帖子下。还记得 Prompt 刚开始流行的时候这个最吃香的人曾经是会写 Prompt 的人Harness 流行最吃香的人是会搭 Harness 的人现在看来最吃香的人又变成了 FDE。Prompt 工程师、Harness 工程师、FDE职位名称一轮轮变化这些 AI 想要突破能力却越来越清楚让 AI 从演示走进生产环境并为最终结果负责。前段时间吴恩达在 X 分享了自己对 AI 时代个人需要掌握的四项 AI 技能。他提到这份 AI 工程技能图谱来自对大量招聘 JD、专家访谈和问卷调研的分析。四项技能分别是构建和部署人工智能应用程序、软件工程基础知识、使用编码 Agent以及 Shaping the Build也就是理解业务和客户目标参与决定产品该做什么。FDE 的工作几乎同时覆盖这四项大能力软件工程基础让系统能上线AI 应用能力处理模型的不确定性Shaping the Build 用来厘清客户目标Coding Agent 加快现场试错。而针对第一项技能他最近的文章又提到因为 AI 应用和传统软件的本质区别在于输出不可预测。我们事先不知道 LLM 会吐出什么构建 AI 系统是高度迭代的过程一个 AI 高手的标志就是「能根据中间结果熟练地决定下一步做什么」。于是这项技能他又分成了六个模块大模型基础、用数据为模型提供上下文、Agent 系统、评测驱动开发、生产运维和机器学习基础。对普通人来说FDE 跟这个 AI 技能图谱一样像一份 AI 时代的能力说明书。我们需要找到一个值得解决的问题用 AI 把它做成可以上线的系统并让真实用户愿意使用。AI 行业愿意为 FDE 付溢价买的正是这些能力在别人的烂摊子里把不确定性变成生产力。国内的求职市场FDE 或许很难像硅谷那般全面铺开但我们可能未必需要成为 FDE按照 FDE 的标准重新构建自己的能力就够了。原文链接硅谷最火的新岗位划出了 AI 时代职场的斩杀线-36氪 硅谷最火的新岗位，划出了 AI 时代职场的斩杀线
如果一家传统的银行想要用 AI 来自动化老员工分析师的工作第一步应该做什么一家公司已经购买了 AI 服务搭建了自己的 AI 系统但是反馈说根本不好用问题是出在 AI 模型、数据、权限还是选错了工作流管理层想要让 Agent 直接修改已有的生产系统但安全团队表示坚决反对工程师应该听谁的这些题目来自 Reddit 上一份 Anthropic FDE 面试指南帖子完整地介绍了一个候选人想要拿下 Anthropic 这个名为 FDE 的岗位最好需要做哪些准备。FDE 是什么这个最近在硅谷走红的岗位怎么就突然成了 AI 公司招聘页面的热门。Forward Deployed Engineer 是 FDE 的全称常译作前沿部署工程师或前线部署工程师。这类工程师既要写生产代码也要懂 Agent、评测和安全既要进入客户现场又要决定什么问题值得解决。OpenAI 把 Forward Deployed Engineering 单独列成团队在旧金山、西雅图、东京、首尔、新加坡等地招聘Anthropic 把新加入的成员称为「founding FDE」。国内的大厂像字节和腾讯等公司都有相关的 FDE 职位腾讯在社招里发布了三个前线部署工程师的岗位都需要三到五年以上工作经验属于产品的职业类别。字节则是直接叫 AI FDE 工程师没有使用「前线部署工程师」类似的翻译放在了研发这一职位类别下招聘的岗位也从飞书、火山引擎到数据平台都有。甚至还有实习生的 FDE 岗位但字节的 FDE 实习生又属于「销售-销售支持」这一类别。一直都在说 AI 只会抢走人类的岗位这个因为 AI 而兴起的岗位FDE具体又到底是什么我也可以去申请吗2023 年以来暴涨 42 倍根据 LinkedIn 2026 年 1 月的全球劳动力报告显示Forward-Deployed Engineer 自 2023 年以来增长 42 倍同期 AI Engineer 为 13 倍。而据招聘平台 Indeed 的数据2025 年 4 月全站 FDE 岗位只有 643 个到 2026 年 4 月这个数字变成了 5330——一年翻了 7 倍多。《华尔街日报》直接称它为「科技行业最热门的工作」。听着很新潮但这个岗位已经有将近 20 年的历史。最早是美国一家公司为了应对客户数据需要高度机密的情况客户说不清楚具体需求于是干脆把工程师「部署」在客户现场。用他们的原话说这个岗位的精髓就是普通工程师用一个能力服务所有客户FDE 为一个客户动用所有能力。在这家公司的岗位招聘页面他们还写着「我们首创了这一独特的职位将才华横溢的工程师直接派驻到客户团队直面他们最紧迫的挑战。」二十年后各种大模型在 demo 演示、个人用户手里无所不能但一接进企业团队的真实系统就各种水土不服。想要真正让 AI 应用在更大的市场「最后一公里」似乎成了各家公司招聘 FDE 的最大原因。于是一名完整的 FDE 需要参与问题发现、技术定界、架构设计、开发、上线和用户采用。项目做完后还要判断哪些内容只适用于这一名客户哪些应该变成共享组件、参考架构或核心产品能力。这套做法曾经与标准 SaaS 模式有些格格不入。软件公司追求一次开发、重复销售FDE 却把昂贵的工程师重新放进每一个客户项目。而这一切都是 AI 让这笔人力投入变得合理了。FDE 要考什么从腾讯招聘列出来的 JD 可以看到具体的岗位职责和岗位要求以及加分项。通常来说FDE 都需要计算机科学、软件工程、数学、物理以及 AI 等理工科相关专业的本科及以上学历3 年以上工程或者 toB 交付经验。其中最主要的还是要掌握各种 AI 应用技术栈各类 Agent 产品以及 AI 圈那些 RAG、Prompt、模型选型、Harness、微调、Skills、MCP、Multi-Agent 等专业术语的熟练掌握。具体的工作内容和上文介绍的 FDE 工作详情类似都是要进入客户现场把模糊的业务需求做成可以上线的 AI 系统推动客户真正使用并对交付效果和 ROI 负责。还有一点自己动手搭建过 OpenClaw 或者其他 AI Agent 工具项目都能算作加分项。我们曾经写的 OpenClaw 从安装到卸载也是能帮上忙了。上下滑动查看更多内容在 Reddit 上分享的面试指南帖子更是直接把 Anthropic FDE 的面试流程大致分为了五关每一关都在回答同一个问题你能不能把 Claude 安全地融入任何一家企业的生意里HR 的初筛就要求说明为什么要选择驻场岗位而不是去做传统的研发你的动机大于一切。接着围绕 Claude MCP 等工具链的部署推演作为技术场景的面试。这一轮主要考察候选人是如何做好上下文窗口管理应对超长上下文不可靠该如何解决。Anthropic 可能直接给参加面试的人开通 Claude让他们边用边回答。由于顶着工程师的头衔编码轮面试还是必不可少。除了大量的刷力扣上的算法题这份指南里推荐做一些针对性的刷题像是做一个 Claude 的额度限制器、重构一个重试的排队、用模拟数据库做一个小型连接器以及做一个任务调度系统等。技术面之后业界盛传通过率最残酷的一关客户模拟轮就来了。有机构估算约六成通过技术轮的候选人倒在这里。面试官会扮演不懂技术的企业高管和挑剔的架构师候选人不能打开代码编辑器全靠提问完成需求发现。最后是 Anthropic 的招牌关卡也被广泛认为是全场最难。前段时间在社交媒体上也是被讨论的沸沸扬扬Anthropic CEO 担心自己招来的人只认钱不认使命。因此这一轮问题会深入道德冲突、上级压力、以及「你当时是什么感受」。有外媒报道有的面试者会被直接问「如果公司的使命和赚钱发生冲突时你会如何选择」如果公司有一天出于安全原因放弃人工智能计划你会作何感想而这一决定导致公司股价跌至零。接受采访的这位 Anthropic 岗位求职者还向外媒提出请不要泄露他的任何信息他担心影响未来的就业机会。Anthropic 还在招聘一名「内部风险调查员」负责监控并分类针对员工的外部威胁抛开 Anthropic 对使命的追求FDE 考察的其实从算法工程师、Prompt 工程师和售前顾问都有它集合了产品经理、解决方案架构师、全栈工程师以及客户交付负责人这些不同的岗位。而薪资情况FDE 在 Anthropic 给出的年薪是 188 万– 215 万位于应用型、客户交付型工程岗位的高段上限刚好碰到高级软件工程师和一般软件工程师的起点核心模型、训练、评测等研究工程岗位的工资还是更高。AI 时代的人才未来 AI 时代的人才不是那些最会写 Prompt 的人而是了解行业又知道如何把 AI 接入不同行业传统流程的人他们就是 FDE。网络上类似的评论非常多尤其是在各种 FDE 科普、培训的帖子下。还记得 Prompt 刚开始流行的时候这个最吃香的人曾经是会写 Prompt 的人Harness 流行最吃香的人是会搭 Harness 的人现在看来最吃香的人又变成了 FDE。Prompt 工程师、Harness 工程师、FDE职位名称一轮轮变化这些 AI 想要突破能力却越来越清楚让 AI 从演示走进生产环境并为最终结果负责。前段时间吴恩达在 X 分享了自己对 AI 时代个人需要掌握的四项 AI 技能。他提到这份 AI 工程技能图谱来自对大量招聘 JD、专家访谈和问卷调研的分析。四项技能分别是构建和部署人工智能应用程序、软件工程基础知识、使用编码 Agent以及 Shaping the Build也就是理解业务和客户目标参与决定产品该做什么。FDE 的工作几乎同时覆盖这四项大能力软件工程基础让系统能上线AI 应用能力处理模型的不确定性Shaping the Build 用来厘清客户目标Coding Agent 加快现场试错。而针对第一项技能他最近的文章又提到因为 AI 应用和传统软件的本质区别在于输出不可预测。我们事先不知道 LLM 会吐出什么构建 AI 系统是高度迭代的过程一个 AI 高手的标志就是「能根据中间结果熟练地决定下一步做什么」。于是这项技能他又分成了六个模块大模型基础、用数据为模型提供上下文、Agent 系统、评测驱动开发、生产运维和机器学习基础。对普通人来说FDE 跟这个 AI 技能图谱一样像一份 AI 时代的能力说明书。我们需要找到一个值得解决的问题用 AI 把它做成可以上线的系统并让真实用户愿意使用。AI 行业愿意为 FDE 付溢价买的正是这些能力在别人的烂摊子里把不确定性变成生产力。国内的求职市场FDE 或许很难像硅谷那般全面铺开但我们可能未必需要成为 FDE按照 FDE 的标准重新构建自己的能力就够了。原文链接硅谷最火的新岗位划出了 AI 时代职场的斩杀线-36氪