FDE 是 Forward Deployed Engineer 的缩写，中文常译为前置部署工程师，也有人叫前线部署工程师。简单说，它是一个把工程师「放到客户身边」的岗位：人坐进客户的团队，拿客户的真实数据、真实流程，把产品做成客户能用的样子。
这篇文章回答五个问题：FDE 到底是什么、从哪来、一天怎么过、和别的岗位怎么分、为什么 2025 年以后突然被反复提起。读完你应该能判断，这个岗位是不是你在找的，或者你的公司是不是需要这样的人。
一、FDE 是什么？一句话定义
据 PostHog 博客《WTF is a forward deployed engineer?》的说法，FDE 是嵌入客户团队、弥合「产品能做什么」与「客户需要什么」之间差距的工程师。这个定义里有三个关键词，逐个拆开才好理解。
- 嵌入：不是隔着一层只回答工单的支持，也不是出差一周就走。可以是现场驻场数周、和客户共享沟通频道，也可以通过远程协作深入客户环境；数据访问方式和权限，取决于双方约定。
- 弥合差距：产品是通用的，客户的业务是具体的。FDE 负责把通用能力翻译成具体的业务结果，缺什么就补什么，包括写代码、接系统、改流程。
- 工程师：这是和售前、咨询最本质的区别。FDE 要自己动手把东西做出来并跑通，而不是只出方案、做演示。
二、FDE 起源于哪里？它和 Palantir 是什么关系
据 PostHog 博客，这个岗位起源于 Palantir。Palantir 的客户包含情报类机构，给这类客户做一次产品演示，就要先走数周的保密协议和安全许可。远程沟通、反复演示都不现实，Palantir 的办法是把工程师「前置部署」到客户现场，在客户的环境里直接做。
据 eWeek 的报道，Palantir 推广了这个岗位，后来这个思路被不少企业软件公司借鉴，到大模型时代成了被广泛讨论的岗位。不同来源对「起源」和「推广」的措辞不同，本文只采用两种说法：FDE 起源于 Palantir（据 PostHog），Palantir 推广了该岗位（据 eWeek）。
从 PostHog 讲的这段经过可以看出，这个岗位的出发点不是「客户服务做得好」，而是产品离客户的真实环境太远，不派人进去就跑不起来。产品必须在客户私有数据、复杂系统里才能出结果的场景，通常更需要这类角色。
三、FDE 一天都在做什么？
不同公司差别很大，下面是常见的一天，供你建立画面，不是标准流程。
- 早上和客户业务负责人过一遍昨天跑出来的结果：哪些回答对了，哪些离业务实际差得远，把问题记成待办。
- 上午动手：接一个客户内部系统的数据，或者改一段让 AI 按客户规则输出的处理逻辑。数据脏、字段对不上、接口文档缺失，是最耗时间的部分。
- 中午前后参加客户的业务例会，听一线的人抱怨现在的流程哪里卡，这些话比需求文档更有信息量。
- 下午做小范围试用：拉两三个真实用户用起来，旁边坐着看他们在哪里犹豫、在哪里放弃。
- 傍晚整理：把今天踩过的坑、做出来的通用部分记下来，回传给产品团队，看哪些可以沉淀成下一个客户也能用的功能。
FDE 的工作通常同时涉及理解客户业务和工程开发，具体时间分配因岗位而异。据该文章，招聘要求里常见的是：客户同理心、沟通与表达、产品感、把方案沉淀成可复用加速器的意识，以及特定行业知识，还有乐于混合工程、咨询和交付三种工作。
四、FDE 和软件工程师、产品工程师有什么不同？
据 PostHog 的对比，软件工程师多数时间在构建可复用的通用功能；产品工程师追求面向许多用户的可复用方案；FDE 一次只聚焦一个客户，大部分时间在客户那边。可以用一张表把差别摆清楚。
| 维度 | FDE | 软件工程师 / 产品工程师 |
|---|---|---|
| 工作对象 | 一个具体客户 | 许多用户或整个产品 |
| 时间在哪 | 大部分在客户那边 | 多数在自己团队内部 |
| 追求什么 | 客户的业务在真实环境里跑通 | 功能可复用、可规模化 |
| 典型产出 | 上线的集成、定制工作流、客户内部工具 | 产品功能、平台能力、基础设施 |
| 常见难点 | 客户数据乱、系统旧、人事复杂 | 架构取舍、迭代节奏、技术债 |
FDE 与 AI 应用工程师、AI 落地工程师在职责上可能有不少重合，只是 FDE 更强调「身处客户那边」。对各角色更细的区分，可以看本站另一篇《FDE 和解决方案工程师有什么区别》。
五、为什么 2025 年起 FDE 招聘升温？
据 eWeek 2025 年 11 月引用《金融时报》研究的报道，Palantir 推广了这个岗位；OpenAI 于 2024 年初组建 FDE 团队，并计划到 2025 年扩至约 50 名工程师；Anthropic 计划在当年将应用 AI 团队（含 FDE 与产品工程师）扩大五倍，这是包含 FDE 和产品工程师的整个团队，并非 FDE 单独扩大五倍，而且只是计划；Cohere 也在扩 FDE 团队。Indeed 数据显示，2025 年 1 至 9 月 FDE 岗位发布量增长超过 800%。据同一报道，OpenAI 还曾向 John Deere 派驻 FDE 定制工具。
为什么是这个时间点？PostHog 的文章给出了几条解释，我们归纳为三点：
- 模型再强也进不了企业：FDE 帮助打通「应用层」，把模型能力变成企业价值，缺的往往不是模型而是接入业务的那一段。
- 数据不愿交出去：据 PostHog，客户不愿把敏感数据交给供应商，而 FDE 能获得长期的访问权限、在客户环境内工作。能否真正消除数据顾虑，仍取决于双方约定的访问方式和权限。
- 价值要靠真实数据证明：很多高管对 AI 价值存疑，FDE 用真实数据而不是演示来证明价值。
据 PostHog 文中引述，a16z 称其为「创业公司里最热的岗位」。Palantir 的 Nic Prettejohn 在报道中的说法是，这是「从内部做产品发现」。换句话说，FDE 既是交付，也是产品的前线雷达。
六、国内企业需要 FDE 吗？适合谁来做这个岗位
国内招聘中可能出现「AI 落地工程师」「AI 应用工程师」「AI 实施工程师」等名称，是否与 FDE 接近，要结合具体职责判断：是否深入客户环境、是否自己写代码并上线、是否对业务结果负责。对企业来说，最现实的问题是：自己有没有足够复杂、值钱的 AI 场景，值得安排一个人长期钻进去。
- 适合做这个岗位的人：懂一个行业或一类业务流程、愿意写代码或用 AI 编程工具动手、不怕和一线人员沟通、对细节有耐心。
- 不太适合的人：只想做纯技术深挖、不喜欢和人打交道，或者只想出方案不想收尾。
- 企业侧的信号：已经有可用的模型和平台，但上线卡在数据、系统对接、业务流程这类具体事情上。
想入行的读者可以接着看《怎么成为 FDE》；需要在企业里引入这种工作方式的读者，可以看《企业 AI 落地 FDE 模式》。
七、莱客在 FDE 这件事上做什么
莱客（深圳）网络科技有限公司成立于 2016 年，做企业 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，也有面向个人的莱客 AI 商学院课程。这些业务的共同点，就是先看企业真实流程，再决定做什么，和 FDE 的思路一致。
如果你想了解自己所在的岗位或公司适合怎样的 AI 落地路径，可以先做在线 AI 落地诊断，再联系顾问。课程方案与安排请联系顾问。