附录 D · 常见问题
这些问题来自读者和转岗者的真实提问。回答尽量具体，也尽量说清边界：哪些是事实，哪些是经验判断，哪些没有标准答案。政策和市场会变，做决定前请再核实一次。
入行与门槛
1. 零基础能做 FDE 吗？
能，但路径不是零成本。FDE 需要三样东西同时及格：能独立排查技术问题、能跟业务人员把问题问清、能对交付结果负责。零基础可以从一次小型部署练起：选一个真实场景，用公开数据跑通发现、原型、试点和交接。别把「零基础」理解成「不用学」，前 3-6 个月你会比科班的人更吃力。判断标准是：你能不能在没有标准答案时，自己找资料、找人、把问题拆到可执行。先补基本功，再谈速度，别急着投简历。
2. 做 FDE 一定要写代码吗？
大多数岗位要，但不是要求你写算法。日常代码主要是接口调用、数据处理、脚本、简单服务和排障；能用 30-80 行 Python 把「取数、调用模型、写回结果」跑通，就够过第一道门槛。纯业务背景的人可以做偏售前或偏交付的岗位，但遇到线上故障会被动。边界是：越靠近产品型 FDE（Palantir、OpenAI 这类），代码与系统能力要求越高；越靠近伙伴型交付，沟通和流程占比越大。不会写代码不是不能入行，只是天花板更低。
3. 需要读研或科班出身吗？
不需要作为硬门槛。公开的 FDE 招聘更看作品和实战：有没有把系统送上生产、有没有处理过真实数据和真实客户。计算机、统计、商科背景各有优势：CS 强在工程，商科强在业务，统计强在评测。没有相关学位的人，用一个可演示的项目加一篇复盘，往往比多一个学位更能证明能力。注意少数大厂校招会卡学历，那是筛选成本，不是能力判断。能交付的作品，比一纸学历更有说服力。
4. 35 岁转行还有机会吗？
有机会，但要换策略。FDE 看的是能不能独立扛一个部署，年龄歧视客观存在，尤其在初级岗位；35 岁转岗的优势是行业经验、沟通和判断力，短板是体力和从零做执行岗的意愿。更现实的路径是内部转岗：在熟悉的行业里，从业务或技术岗转到 AI 落地岗，把行业知识当护城河。不要和 25 岁的人拼刷题，要拼「我懂这个行业的流程和数据」。年龄不是问题，定位、作品和体力管理才是真正的关键。
岗位与市场
5. FDE 薪资大概什么水平？
差别极大，没有统一价。公开报道里，中国 FDE 岗位的挂牌年薪从几十万到「年薪百万」都有，但多来自招聘平台汇总，属于单一来源簇，不能当承诺；美国产品型公司的 FDE 总包常按现金加股票打包，具体看公司阶段、股票和兑现条件。判断薪资看三件事：总包结构、岗位是否真的对结果负责、有没有把出差与驻场补贴算进去。面试时把总包拆开问，别只盯月薪数字，也别忽略兑现条件的细节。
6. FDE 和售前有什么区别？
售前对「签单」负责，核心动作是方案、演示、答疑和投标；FDE 对「交付结果」负责，签单只是开始。售前可以不懂实现细节，FDE 必须能在客户环境里把系统跑起来、定位故障、对指标负责。现实中两者会重叠，小公司里 FDE 常被拉去支持售前。边界是：如果考核以签约额为主、上线后责任交给别人，那它就是售前，不是 FDE。判断岗位性质，看它的考核指标和上线责任，比看岗位名称更准，也更省时间。这招值得记住。
7. FDE 和咨询顾问有什么区别？
咨询交付的是建议和方案，收费按人天或项目，成功标准是客户认可报告；FDE 交付的是能跑的系统，成功标准是业务指标改变。咨询顾问的优势是结构化思考和汇报，短板是工程落地；FDE 要补的正是后者。两者最好的状态是配合：咨询定义问题和价值，FDE 把它做成可验证的系统。如果一家公司让你写 PPT 却不让你碰数据和代码，那更像咨询岗。选岗时看交付物，而不是看岗位名称，别被称呼带偏。
8. FDE 和外包、驻场开发有什么区别？
外包按人头和工时计费，需求由客户给，责任边界是「做完被要求的任务」；FDE 对结果负责，要自己定义问题和指标，并把现场经验反哺产品。驻场外包可以很辛苦、也很稳定，但成长曲线是线性的；FDE 的价值在于可复用的方法和产品化。警惕三种信号：按人天报价、需求单由客户写死、没有评测和上线责任，这基本就是外包。换工作时看合同里的验收与付款条款，基本就能分辨，看条款最实在。
9. AI 越来越强，FDE 会被替代吗？
短期不会整体替代，但会压缩「只会调 API、只写提示词」的岗位。AI 能替你写代码、查文档、生成方案初稿，却替不了你去客户现场赢信任、判断哪个问题值得做、为上线结果签字。真正的风险不是「AI 会做 FDE」，而是「客户自己会用 AI，为什么还需要你」，答案只能是你离业务更近、对结果负责。把 AI 当协作者，把判断力和现场能力当护城河。把 AI 当执行者，把自己当判断者和对结果负责的人，这就是分工。
10. 去大厂还是创业公司做 FDE？
大厂给你流程、品牌、复杂场景和稳定薪资，但你可能只负责一个模块，离经济买家远；创业公司给你端到端责任、更快反馈和更大权限，但资源少、试错成本高、失败时可能公司先没了。第一份工作如果有得选，优先选能让你独立负责一个完整部署的地方，而不是名气最大的地方。判断标准：直属 leader 是否做过完整交付、团队有没有评测和上线流程。名气会过期，能力不会，项目经历更不会。
11. 中国有哪些公司在招 FDE？
有，而且这两年增长快。公开报道里，火山引擎成立了 FDE 团队，安永与火山引擎组建千人级团队，Cresta、启盟科技、钱拓科技等也在招；上海还出现了政府主导的 FDE 培训班。但要注意口径：多数中文报道是媒体汇总或公司自述，岗位名称也不统一，可能叫交付工程师、解决方案工程师、AI 落地工程师。搜岗位时按职责搜，不要只搜 FDE 三个字母，别被缩写误导。岗位名称会变，但职责描述不会骗人。
求职与准备
12. 怎么找到第一份 FDE 工作？
最现实的入口是内部转岗和项目制岗位。先在你现在的公司找一个 AI 落地场景，主动做一次小范围试点，把过程写成复盘，这就是你的作品集。外部投递时，简历不要写「学习了什么」，要写「交付了什么、指标变化多少」。渠道上，内推和开源贡献比海投有效；面试前准备好一次 5 分钟项目讲解，讲清问题、基线、方案、指标和反思，这是硬通货。一个能演示的项目，比简历上的形容词更有说服力。
13. 要不要考证书？
没有哪个证书是 FDE 的硬通货。云厂商的 AI 与数据认证、项目管理证书能证明你系统学过，但对录用影响有限；安全和合规类证书在政企项目里更有用。把钱和时间优先花在作品集、真实项目和英语上。如果公司报销、考试成本低，可以考一个当知识框架；不要为了「简历好看」连考五个证，面试官更想听你讲项目里踩过的坑，先把项目做出来。证书是加分项，不是入场券，能交付的项目才是。
14. 英语要什么水平？
读写要能直接看官方文档、论文摘要和产品更新，这是硬要求；听说取决于公司，做跨国客户或外企时需要能开会，国内项目里能读就够了。一个实用标准：能不看翻译读完一篇官方 API 文档，能用英文写清一个 bug 的复现步骤。达到这个水平通常不需要「流利」，需要的是持续读英文资料的习惯。英语差不是不能入行，但会限制你接触一手信息的速度。读得慢没关系，别停下来，慢慢读。
工作方式
15. FDE 能远程吗？出差多吗？
远程办公的 FDE 岗位很少，这个角色本身就要求去现场。出差是常态，取决于客户分布：产品型公司可能每周飞，伙伴型公司可能长期驻客户现场，内部型 FDE 通常在本地上班。面试时一定问清：出差频率、驻场周期、补贴标准、能否调休。如果岗位写「长期驻场、按人天结算」，请回到第 8 题，它更接近外包，问清再签字更稳妥。把出差和驻场写进你的预期，再决定要不要接这个 offer，别等入职才发现。
16. 加班严重吗？
取决于项目和阶段：原型期和上线窗口通常最忙，交付后相对可控；客户时区、故障响应和出差会放大强度。FDE 的加班往往不是「坐班」，而是「随时被叫」。面试时问清 on-call 频率、是否有调休、事故后怎么补。要区分「阶段性冲刺」和「长期人力不足」：前者可接受，后者是组织问题，靠你一个人扛不住，提前问清楚为好，别硬扛，早沟通。把工作强度和 on-call 频率问在前面，比入职后再后悔便宜，也体面得多。
伦理与选择
17. FDE 会遇到哪些伦理问题？
常见的有四类：把 AI 用在直接影响人的决策上（招聘、信贷、医疗）却不做人工复核；用客户数据训练模型却没获得授权；夸大效果，把 demo 说成生产；明知系统不可靠仍推动上线。FDE 的边界是：你可以执行商业决策，但不能替客户隐瞒风险。遇到越界要求，书面记录、向上升级、必要时退出项目，这不是清高，是职业自保，也保护客户。留痕不是对抗，是让责任回到该在的位置上，也保护你自己。
18. 客户数据合规怎么处理？
先确认三件事：数据能不能出客户环境、含不含个人信息、用于什么目的。中国项目要对照数据安全法、个人信息保护法、生成式 AI 服务管理暂行办法和等保要求，做数据流图和权限清单；涉及个人信息要做最小化采集和脱敏，涉及跨境要单独评估。具体条款请法务和安全团队确认，本页不构成法律意见。实操上，能用脱敏样本开发就不要碰生产数据。拿不准就问，别自己拍板。
19. 怎么判断一家公司靠不靠谱？
看四件事：有没有真实客户和上线案例，而不是只有 demo；FDE 团队向谁汇报、有没有产品团队配合；交付是否按结果或阶段验收，而不是纯人天；团队离职率和公开口碑如何。面试时问「上一个项目上线后谁在维护」「FDE 的发现怎么进入产品路线图」，回答含糊的要警惕。承诺「培训三个月年薪百万」的机构或公司，基本可以直接排除。好公司会欢迎你把这些问题问到底，心虚的才含糊其辞。
20. 如何避免沦为驻场外包？
三条区隔：第一，争取对指标负责，而不是只对工时负责，合同和 OKR 里写清业务指标；第二，保留产品反哺的通道，定期把现场问题整理成产品需求，让公司看见你的复用价值；第三，主动做评测、上线和交接，而不是只写代码。如果公司只把你按人头卖给客户、不让你参与定义问题，那要尽早换环境。把每次交付整理成可复用的方法和材料，是你和按人头计费最不一样的地方之一。