关于这本指南

项目 FDE 入门指南协议 MIT维护 社区

为什么做这件事

FDE（Forward Deployed Engineer，前沿部署工程师）正在成为 AI 落地中最关键的岗位之一。但在中文互联网上，关于它的内容大致分为三类：

• 招聘 JD 的翻译和复述；
• 几家明星公司的传奇故事；
• 「AI 时代最火岗位」的焦虑营销。

这些内容并非没有价值，但它们很少回答一个零基础读者真正关心的问题：

我没做过 FDE，甚至不是工程师，应该从哪里开始？

这本指南试图补上这一层：把 FDE 的工作拆成可以学习、可以练习、可以被验证的动作。它不承诺速成，也不把某家公司的做法当成唯一答案。

内容原则

1. 双源优先，单源标注

能交叉验证的事实，至少给两个来源；只有一个来源的，明确写「单一来源」「据报道」「待核」。公司披露、第三方估算、媒体转述不混用。

2. 区分「事实」与「判断」

• 事实：某公司披露的收入、某个客户案例的指标、某份报告的方法；
• 判断：这些事实意味着什么、适不适合你、下一步该怎么做。

判断可以有争议，事实不能编造。

3. 不把案例当模板

案例是证据，不是答案。Palantir 的做法、OpenAI 的团队配置、Harvey 的定价，都有其特定条件。我们会写「可迁移的经验」，也会写「不适用的边界」。

4. 承认不知道

有些来源被拦截，有些数据只有二手转述，有些细节无法核实。遇到这些情况，我们选择标注「待核」或直接不写，而不是用模糊表述蒙混过去。

5. 对读者诚实

这本指南不会告诉你「读完就能年薪百万」，也不会假装 FDE 适合所有人。它会告诉你：这份工作的难点在哪、需要补什么、什么情况下你可能会失败。

它是怎么写的

• 结构：四个部分（认识、能力、现场、职业），10 章，3 个 Lab，5 个案例页，5 个附录。
• 写作：中文简体，第二人称，尽量用具体动作替代抽象概念。
• 案例：来自公开报道、公司披露、行业报告和从业者访谈；合成场景会明确标注。
• 审校：事实、数据、来源经过多轮交叉检查；仍有错误，欢迎在 GitHub 纠错。
• 工具：内容使用 Markdown 编写，站点由 VitePress 构建，部署在 GitHub Pages。
• AI 辅助：资料整理与初稿阶段使用了 AI 辅助，所有事实均要求按来源复核。发现错误，请直接提 issue。

它的边界

这本指南不是：

• 一份官方职业认证标准；
• 一份投资、采购、法律或薪酬建议；
• 对任何公司、产品或个人的背书；
• 对 FDE 岗位的完整覆盖（不同公司、行业差异极大）。

它是：

• 一个帮助你建立地图、开始行动的起点；
• 一套可以复用的方法、模板和练习；
• 一个持续更新的开源项目。

维护与贡献

这个项目由社区维护，发起人是 @sddzlsc。欢迎：

• 纠错：事实、数据、来源、错别字、失效链接；
• 补案例：真实、可公开、有出处的 FDE / AI 落地案例；
• 改进方法：模板、练习、Lab、面试题；
• 翻译：把核心章节翻译成其他语言。

贡献前请读 如何贡献 和根目录的 CONTRIBUTING.md。

许可证

本项目以 MIT 许可证 开源。你可以自由使用、修改、分发，包括用于商业培训，但请保留版权声明。

如果你基于本指南开设课程、做咨询或写文章，欢迎注明来源。这不是许可要求，但会让社区更容易找到彼此。

一个请求

如果这本指南帮你少走了一点弯路，欢迎在 GitHub 上点一个 Star，或者把某一个章节转发给正在困惑的人。

比 Star 更有价值的，是你带着一个真实场景回来，告诉我们：哪一章有用，哪一章是错的。