FDE（前置部署工程师）：把 AI 真正落进业务的人。
FDE（Forward Deployed Engineer，前置部署工程师）是嵌入客户团队、在客户真实业务环境里把软件或 AI 能力落地的工程师。据 PostHog 的梳理，这一岗位起源于 Palantir；近年 OpenAI、Anthropic 等 AI 公司也在招聘相关岗位。它的核心特点是：写生产代码、直接面对客户、对「跑通业务」负责，而不是只做演示或售前。
- 全称
- Forward Deployed Engineer
- 中文常见译法
- 前置部署工程师 / 前线部署工程师 / 驻场 AI 工程师
- 起源
- Palantir，把工程师「前置」部署到客户现场
- 本质
- 为客户把产品或 AI 落进真实业务并负责结果
FDE 是什么
FDE 是一类工程师岗位，也是一种交付模式。工程师不坐在后方研发团队里等需求，而是嵌入客户的团队，在客户的数据、系统和流程里工作，把「产品能做什么」和「客户真正需要什么」之间的差距补上。据 PostHog 的介绍，这种工作可以是现场驻场数周、加入客户的共享沟通频道，或者直接在客户的基础设施内开发。
FDE 和普通软件工程师的最大区别是时间花在哪里：软件工程师多数时间在构建可复用的通用功能，FDE 大部分时间在客户那一侧，一次只聚焦一个客户，把一个具体问题做透。
起源：为什么是 Palantir，为什么现在又火了
据 PostHog 的梳理，Palantir 面对情报类客户时发现，哪怕只是做一次演示，也可能要经过数周的保密协议与安全许可。Palantir 的解法是把工程师「前置部署」到客户现场，在合规授权下与客户并肩工作。
2025 年起这个岗位在 AI 行业集中走热。据 eWeek 2025 年 11 月的报道（引述 Financial Times 的研究），OpenAI 在 2024 年初组建了 FDE 团队，计划在 2025 年扩到约 50 名工程师；Anthropic 计划在当年把包含 FDE 与产品工程师的应用 AI 团队扩大五倍；Indeed 的数据显示，2025 年 1 至 9 月 FDE 岗位发布量增长超过 800%。
原因并不神秘：大模型的能力很强，但企业的数据分散、流程复杂、对敏感数据谨慎，把模型能力变成可验收的业务结果，需要有人坐到业务现场去做。FDE 就是承担这件事的人。
FDE 与解决方案工程师、售前、实施顾问有什么区别
| 角色 | 常见分工 | 与 FDE 的主要差别 |
|---|---|---|
| FDE | 嵌入客户，写生产代码，对业务结果负责 | —— |
| 解决方案工程师 / 售前 | 签约前做方案、演示、技术答疑 | 通常止于方案与演示，不长期嵌入客户写生产代码 |
| 实施顾问 | 按标准产品流程做配置、培训和上线 | 偏配置与流程，较少根据客户场景做定制开发 |
| 产品工程师 | 构建面向许多用户的可复用产品 | 关注通用性；FDE 一次只聚焦一个客户 |
| 咨询顾问 | 诊断、方案、变革管理 | 偏策略与方案；FDE 要把东西做出来并跑通 |
以上为行业里常见的分工，不同公司的岗位定义会有出入，实际以岗位说明为准。更详细的对比见《FDE 和解决方案工程师、实施顾问、售前有什么区别》。
FDE 需要什么能力
- 工程能力：能读懂客户系统、写可上线的代码、做集成与调试；AI 方向还要会提示词、检索增强（RAG）、智能体编排与评估。
- 业务理解：能听懂一线人员描述的问题，并拆成可以验证的小目标。
- 沟通与推进：向上能和管理层对齐预期，向下能和一线共事，能把结果讲清楚。
- 产品感：把一次性的解决方案沉淀成可复用的组件，而不是每个客户从零做起。
- 判断力：知道什么该做、什么不该做，以及何时需要人工兜底。
据 PostHog 对 OpenAI、Anthropic、Databricks 等公司招聘要求的归纳，常见要求包括客户同理心、沟通与表达、产品感，以及乐于把工程、咨询与交付混合在一起。
怎么成为 FDE
有工程背景的人，把 AI 应用能力补齐：提示词与评估、RAG 知识库、智能体与工具调用、常见企业系统的集成。没有工程背景、但有深厚业务经验的人，可以从 AI 工具和 Vibe Coding（用自然语言驱动 AI 编程工具）入手，先把自己业务里的一个小流程做成能跑的东西，再逐步补工程能力。不管哪条路，最有说服力的都是真实做出来的作品和能讲清楚的复盘。
具体的 90 天路径、能力模型和作品集建议，见《怎么成为 FDE》。
企业如何用 FDE 模式落地 AI
对企业来说，FDE 模式的价值是让 AI 项目由熟悉 AI 的人在业务现场推进，而不是买一套软件后无人用、或做一份方案后无人落地。常见做法是：先诊断，找出值得改的环节；选一个痛点清晰、规则明确、重复度高的场景试点；由驻场或半驻场的工程师与业务人员一起做出可验收的版本；用业务指标验证后，再扩到相邻场景。
这个模式不是对所有企业都合适。需求很标准、产品开箱可用的场景，用标准产品加培训更划算；FDE 模式更适合流程复杂、数据敏感、需要定制集成的场景。详见《企业怎么用 FDE 模式落地 AI》。
莱客能提供什么
莱客（深圳）网络科技有限公司成立于 2016 年，办公室在深圳市龙岗区仁恒梦创广场 A 塔 2502。我们的企业服务围绕「把 AI 落到业务里」展开：AI 落地诊断，智能体与 AI 助手开发，企业知识库问答，以及配套的定制内训。这些工作的方式，与上面说的 FDE 模式一致——先诊断，再进业务流程里做，做出来的东西要能验收。
如果你是企业：可以先做在线 AI 落地诊断，再联系顾问聊具体场景。如果你是个人，想往这个方向发展：可以了解莱客 AI 商学院的课程及 Vibe Coding 培训。具体方案与安排请联系顾问。
FDE 系列文章
按你关心的问题直接读对应那一篇。
FDE 常见问题
FDE 是什么意思？
FDE 是 Forward Deployed Engineer 的缩写，中文常译为前置部署工程师或前线部署工程师，指嵌入客户团队、在客户真实业务环境中把软件或 AI 能力落地并对结果负责的工程师。据 PostHog，该岗位起源于 Palantir。
FDE 和解决方案工程师是一回事吗？
不是。常见分工里，解决方案工程师偏签约前的方案、演示和技术答疑，FDE 则长期嵌入客户、写生产代码并对落地结果负责。不过不同公司的岗位定义有差异，要以具体岗位说明为准。
为什么 AI 公司都在招 FDE？
因为模型能力需要被转成企业里可验收的业务结果，而这需要有人进入客户的数据、系统和流程中做集成与调试。据 eWeek 引述的研究，OpenAI、Anthropic、Cohere 等都在扩大 FDE 或同类团队，Indeed 数据显示 2025 年 1 至 9 月相关岗位发布量增长超过 800%。
不会写代码能做 FDE 吗？
FDE 岗位本身要求能写可上线的代码。但如果你有深厚的业务经验，可以先用 AI 工具和 Vibe Coding 把自己业务里的小流程做成可运行的东西，再逐步补工程能力；也可以往 AI 落地顾问、AI 运营、业务侧的 AI 负责人方向发展。
企业该不该用 FDE 模式？
流程复杂、数据敏感、需要定制集成的场景适合；需求标准、产品开箱即用的场景用标准产品加培训更划算。建议先做一次诊断，再决定。
莱客提供 FDE 服务吗？
莱客的企业服务包括 AI 落地诊断、智能体与 AI 助手开发、企业知识库问答和定制内训，做法与 FDE 模式一致：先诊断，再进业务流程里做，并按可验收的结果交付。具体合作方式请联系顾问。
想了解 FDE 模式怎么用在你的公司？
先做一次在线 AI 落地诊断，或直接联系顾问，说说你的业务场景，顾问按实际情况给一条建议。