一個合格的前線部署工程師(FDE)要會什麼?五種缺一不可的核心能力

一個合格的前線部署工程師(Forward Deployed Engineer,FDE),是能單槍匹馬走進客戶現場、把一套 AI 系統從「Demo 能動」推到「生產線每天有人用」的工程師——他同時是寫程式的人、聽得懂業務痛點的人,也是敢對客戶說「這條路不對」的人。這句話裡藏了五種能力,缺一種,系統就會卡在某個環節動不了。

我們招募 FDE、也幫客戶評估外部團隊,靠的就是這張畫像。談前線部署工程師 能力,別再只問「會不會寫 Python」——那是門檻,不是答案。

先講一個反例

去年我們接手一個製造業的品檢專案。前一手是一支很強的演算法團隊,模型準確率漂亮到可以上論文。上線三個月,產線作業員照樣用肉眼複檢。為什麼?模型判「疑似瑕疵」時,螢幕跳出一個信心分數 0.73,作業員完全不知道 0.73 該不該停線。工程師懂模型,不懂那個站在輸送帶前、每天要做三千次判斷的人需要什麼。

技術沒錯,落地錯了。FDE 的價值,恰恰在技術正確之外的那四件事。

五種能力,一張表看懂

領域理解:先聽懂,再動手

FDE 進場第一週不該碰鍵盤。他該待在客戶的會議室、產線、櫃檯後面,看真實的人怎麼工作。金融的合規節奏、醫療的病歷邏輯、物流的排程約束——這些不寫在需求文件裡,只活在現場。

我們的判準很簡單:讓候選人用客戶的語言,把對方的一天複述一遍。漏掉的每一步,都是未來系統會踩空的地方。

系統落地:Demo 到生產,中間是一整片沼澤

Demo 環境裡資料乾淨、流量可控、沒人搶權限。生產環境全反過來。真正把 FDE 拉開差距的,是他怎麼處理那些難看的細節:欄位缺失的舊資料、跨系統的身分驗證、半夜跑批次時的逾時重試。

一套 RAG 知識系統在投影片上永遠準。上線後遇到一份 2018 年格式跑掉的掃描 PDF,才知道工程師的底子夠不夠。落地能力不是加分項,它就是「前進部署」這四個字的重量。

客戶溝通:最被低估,也最難教

這是我們踩最多雷的一項。技術強的人常有個盲點——把「客戶說要」直接當成「應該做」。結果需求無限膨脹,交付日一延再延。

好的 FDE 會做一件反直覺的事:當面勸客戶少做。他敢說「這個功能會讓採用率變差,我們先不做」,並說得出理由。溝通不是把話講得好聽,是管理期待、守住範圍、在對的時候踩剎車。這種人,面試時你問他「有沒有拒絕過客戶」,眼神就藏不住。

資安意識:預設一切都會外洩

企業 AI 碰的是最敏感的東西——客戶名單、財報、病歷、合約。FDE 的資安意識不是上線前補一份檢查表,是從畫第一張架構圖就假設「資料一定會被不該看的人看到」,然後反過來設計。

最常見的破口在 RAG:把整個知識庫塞進向量庫,卻忘了不同角色本來就不該檢索到同一批文件。業務不該搜到 HR 的薪資檔。權限邊界要切在檢索層,不是靠 prompt 拜託模型別講。這一關,問一句「你怎麼切 RAG 的權限」就見真章。

產品直覺:知道什麼不該做

前面四項讓系統「能上線」,產品直覺決定它「有沒有人用」。同樣的預算,有人做出十個沒人點的按鈕,有人做出一個天天被用的功能。差別在於,FDE 能不能站在使用者那一側,判斷哪些是真需求、哪些是會議室裡拍腦袋的想像。

回到那個品檢的例子——真正的解法不是再調高模型準確率,而是把 0.73 換成「建議停線,今日同類已誤判 2 次」。同一個模型,加一句人看得懂的話,複檢率立刻掉下來。這就是產品直覺:知道少做什麼、多說哪一句。

這五項,是招募標準也是防線

我們在 Tenten 帶 FDE,不追求五項都滿分的全才——那種人幾乎不存在。我們要的是五項都在及格線以上、且至少一項頂尖,再用團隊把缺口補起來。你評估自家團隊或外部供應商時,也可以拿這張表逐項對照:哪一格是空的,系統大概率就會卡在那裡。

說到底,Demo 很美不算數。工程師撤場之後,現場的人還願意每天打開它,那才算把 AI 真正部署上線了。