speak up & learn：聊聊fde

最近GitHub上挺火的一个FDE书（来自@杨盛 Yang 推荐）：https://github.com/xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer

话题加场，再来聊聊fde！感兴趣的朋友继续来报名吧，照例周五线上见（上次takeaways请见附带链接） speak up & learn系列是一场开放式线上学习对话。没有嘉宾，大家平等交流。每周就一个话题共同学习研究，然后一起speak up，交换一下各自的learnings 可以是一个赛道，一个热点，一家公司，一个产品，一份财报，一个有意思的发现，或者任何值得聊的事 适合卡拉米，也欢迎业内人士walk in撒点干货 偶遇大佬的概率不大，但希望都能基于自己背景给彼此一些输出，哪怕只是提出好的问题，也会带来启发和收获 跑题可以，但不吹水。一小时cut off，第二周再聊 如果有什么话题想听听大家的声音，一起speak up & learn，也欢迎告诉我

【内容回顾】首先感谢 @杨盛 Yang 以及 @Zyon AI FDE @南极熊 @Felix @Jessi_JC @Gina Yuan @Allen 史大俠 这次的响应和参与，希望大家相互间都有收获。关于fde的讨论这次算开个头，还值得深入多聊。下周继续围绕这个话题speak up & learn！感兴趣的朋友们也可以扫码进群，随时交流起来～ （以下信息经ai总结，手动勘误，并脱敏处理） === fde到底是什么 fde不是负责把ai讲明白，而是负责把ai用起来。demo能跑，不代表进了客户公司还能跑 fde首先是一种服务。要进现场、梳理业务、安装工具、调整流程，还得处理上线后的各种“怎么又坏了” 如果saas卖的是一套工具，fde卖的是“这套工具在你公司真的开始干活”。它不只是按需求写代码。客户说自己要a，fde可能得先判断，真正卡住业务的是否其实是b 更贴切的比喻，fde像是是驻场的mini cto。技术、业务、项目和客户，哪一块掉链子都得补。最终交付物不是一段代码，也不是一个agent，而是一条可以持续运转的业务流程 为什么这个角色火了 模型和工具已经跑得很快，企业工作流还停在原地。中间这段距离，就是fde出现的原因 大量办公室工作，本质上仍是披着知识工作外衣的重复劳动。整excel、做报表、写材料、搬数据，只是把锤子换成了鼠标 ai正在给知识工作者制造新的生产设备，但大多数企业不知道该买哪台、装在哪里、让谁来用 中小企业通常不是没听说过ai，而是不知道怎么把ai接进销售、运营、客服、财务和协作流程 fde解决的不是“企业有没有模型”，而是“模型如何进入组织，并变成结果” ai部署不是一次性装修，而是长期维护 一个自动化流程今天能跑，不代表下个月还能跑。数据字段、业务规则和输入格式都会变 所谓ai技能和工作流，也需要不断打补丁。数据源一加字段，昨天的流水线今天就可能当场罢工 这也是fde更接近服务，而不只是软件销售的原因。部署只是第一步，维护、调试和迭代才是日常 企业真正购买的，不是一个静态方案，而是持续把新工具适配到旧组织里的能力 fde和saas、外包的区别，不在有没有定制 fde当然会做定制，但不能简单等同于外包。外包更容易围绕既定需求交付，fde还要参与定义问题 传统saas可以发教程、建服务群、远程解决问题。fde的典型形态更深，更需要驻场。它需要判断哪些流程值得技能化，哪些适合做agent，哪些只是看起来很ai、实际不值得做 fde还要处理跨部门协作。很多企业问题不是技术不会，而是谁提供数据、谁改变流程、出了问题算谁的 客户不会因为你讲懂了rag而付钱。客户可能只关心成本有没有下降、效率有没有提高、东西什么时候能交 fde不是“全栈工程师换了个新名字” 把fde理解成ai时代的全栈工程师，只说对了一小部分。传统全栈按前端、后端、数据库和框架划分能力。fde更关心工具能做什么、不能做什么，以及怎么塞进业务 随着标准化ai产品变多，能力重心可能从“熟悉多少框架”，转向“理解多少产品能力和业务边界” 但这不意味着技术不重要。fde不一定亲手写完所有代码，但必须判断什么时候该配置、什么时候该开发、什么时候不该上ai 会用chatgpt、会搭知识库，不会自动升级成fde。工具熟练和为客户结果负责，中间还隔着半家公司 技术只是门票，业务和交付才决定上限 fde未必必须是算法phd，也未必只能由cs背景的人来做。好奇心、责任心和交付能力同样被看重。真正稀缺的不是知道哪个模型最新，而是知道客户哪里真的在流血 有些问题写在流程图里，有些问题藏在人性里。回扣、假量、部门利益和责任推诿，不会因为接入ai自动消失 客户经常不知道自己真正想要什么。fde既要能听懂需求，也要敢于重写需求 技术人员要从“完成我的模块”，切换到“确保客户的问题被解决”。这个岗位不能给自己划太窄的边界。售前、实施、交付、人效、客户转化，都可能突然变成“你的活” 会干活还不够，还得让别人相信你会干活 fde是一个高度依赖信任的岗位。客户在项目开始前，并不知道你能不能把东西做成 因此表达和沟通能力不是附加项而是必须。工程师转型时，除了补业务和客户能力，还得学会把自己的价值讲出去 互联网长期奖励会表达的人。在注意力稀缺的市场里，沉默的高手可能还没开口，项目已经被别人拿走。“王婆卖瓜”不是让人吹牛，而是先证明你理解问题、值得被交付机会 当然，表达必须建立在交付能力上。只有吆喝没有结果，最多算ai主题销售 最好的切入口，往往小得不像“企业ai转型” fde不一定要从“帮助企业全面拥抱ai”开始。这句话通常一说完，项目就开始失焦。更现实的切口，是一张反复处理的表、一个固定报表、一段重复的数据清洗 电商场景里，报表、营销材料、内部知识库和团队协作，都可以先被拆成具体技能 一个工作从“每天手工处理”，变成“给输入就出成品”，已经是有效部署 流程越具体，价值越容易计算。口号越宏大，越容易变成ai团建 大厂做fde，不只是为了服务一个客户 对高价值客户，大型ai公司未必只看单个项目的短期roi。前线投入更像长期投资 fde也是产品公司伸进真实行业的一根探针。它能找到客户最疼、最复杂、最愿意付钱解决的问题 给a公司解决问题只是第一步。更大的价值，是把解决方案沉淀下来，再服务同行的b、c、d。因此fde既是交付团队，也是产品研发的前线情报系统 好的fde不是永远靠人肉驻场，而是把重复出现的问题逐步蒸馏成可复用能力 fde可能是新名字，但底盘并不全新 对外叫ai fde，对内可能实质上主要还是做bi。发现问题、分析数据、优化流程和推动数字化，这些事情早就存在 ai改变的是解决问题的速度、自动化范围和人力替代程度，不是企业第一次需要数字化 fde某种程度上是bi、咨询、实施和技术服务，在ai时代重新长到了一起。新名词有利于市场理解，但最终还是得回答老问题，即给客户省了多少钱，创造了多少价值 在线教育是一个典型样本 聊到在线教育，这个行业从线索获取、激活、约课、完课到付费，是一条非常适合ai改造的长流程。有实际案例中已经把ai用到了获客、激活、转化和付费等环节，并认为其中大量人工可以被替代 真正难啃的是授课。知识可以标准化，老师提供的互动、服务和情绪价值却不容易一起复制 数字人授课仍然是待验证的下一步，不是已经跑通的结果。效率和结果导向更强的口语、语言培训，可能比重陪伴、重续报的k12教学更适合数字人 ai最容易先吃掉流程，人类最晚交出去的往往是关系 年轻人有没有机会，见仁见智，没有统一答案 年轻一代更ai原生、可塑性更强，更容易放弃旧分工和旧工具。但相反，fde的核心是行业洞察，没有多年实操，甚至看不见真正的问题在哪里 两种判断可以同时成立——年轻人更容易学会工具，老手更容易知道工具该用在哪里 fde不是一个“毕业即独立带项目”的英雄岗。现实的路径更类似实习、项目、学徒，再逐渐获得兜底能力 不是每个老工程师都能转型，也不是每个ai原生年轻人都能搞定客户。最终值钱的不是年轻或资深，而是能不能对结果负责 哪类技术人员更容易转型 做过外包、驻场或甲方沟通的工程师，转型可能更顺。至少已经知道客户情绪、谈判和节点也属于项目的一部分 长期待在高度分工岗位的人，最大的障碍可能不是学习能力，而是职业惯性。做了很多年“一个萝卜一个坑”，突然开始为整个客户结果兜底，并不自然 标准化ai产品越成熟，新工具本身可能越容易学。真正难补的是业务判断、谈判和交付经验 工程师转fde，往往不是换一个ide，而是换一套责任边界 培训、社群和认证，会随着岗位一起长出来 如果ai工具真成为办公室的生产设备，上岗培训自然会跟着出现。转型需要的不只是课程，还需要项目、案例、社群和真实客户场景 认证可能是市场从概念走向岗位的信号。一旦云厂商和大平台开始发证，招聘、培训和薪酬就有了共同语言 证书的现实作用，是先给企业一个筛选钩子。至于能不能代表真实交付能力是另一回事，还需等待答案 培训市场还很早。企业究竟需要什么、该教什么、学完能不能换来岗位，市场还在思考，暂时没有明显的共识 ai可能先挤压“中间那层人” 在新加坡的一些公司里，组织正在出现更明显的两极化：老板直接下场，下面大量使用实习生 所谓opc，有时并不是字面上的一个人，而是一个老板加一批低成本、灵活的执行者 在校生仍有低成本实习入口，毕业一两年的人反而更尴尬，薪资已经上去，独立交付能力还没完全形成 ai未必先替代最资深的人，也未必先替代最便宜的人，可能先压缩“有点经验、但还不能独当一面”的岗位 东南亚大部分市场仍在早期，但早期本身可能就是机会 从有限的一线观察看，越南对fde的认知仍处于较早阶段。招聘网站上相关岗位不多，已有职位也更偏大数据部署，不少年轻工程师甚至还不了解这个名称 这不等于当地没有ai需求，只说明岗位定义和服务市场还没有完全形成 个人可以从咨询式服务切入：内部问答、客服知识库、报表自动化和流程梳理 但海外市场没那么卷，不等于客户更容易搞定。本地业务、语言、信任和交付能力仍然缺一不可 中国fde出海，还是机会假设，不是现成答案 一个机会可能是，把中国更快迭代出来的ai能力、人才和服务模式输出到海外。形式可能是人直接出海做fde，也可能是培训、交付团队、人才平台或供需撮合平台 逻辑在于，中国市场已经很卷，但东南亚等市场的企业ai部署仍相对早期 真正的问题还没有解决，也就是海外客户会不会买、中国经验能否迁移、交付成本是否划算。所以这更像一个值得验证的创业方向，而不是已经成立的商业模式 中国和北美，可能长出两种fde 一个待验证的分水岭是：北美更像产品公司向客户现场延伸，中国更可能把售前、实施、咨询和外包重新ai化 北美的主流叙事仍然偏b端ai产品公司，用fde推动产品进入复杂行业。中国原本就擅长客户服务和项目交付，fde可能更容易出现公司化、工作室化和个人咨询化的多种形态 但现在还太早，双方最终会长成什么样，还不太能得出结论 热门头衔也不等于自动高薪。不少美国fde岗位仍接近普通工程师薪酬，和顶尖ai研究岗不是一个level。这个岗位角色真正的意义，不是再制造一个高薪神话，而是重新定义企业如何购买、部署和维护ai能力

也可以加入speak up & learn系列活动的群哦