AI 带火了 FDE，从业者过得怎么样？
定焦 One（dingjiaoone）原创
作者 | 李梦冉 王汉星 王璐 陈丹 雷晶
编辑 | 雷晶
FDE 火了。
FDE，全称 Forward Deployed Engineer（前线部署工程师）。现在，它更多指那些深入客户现场、负责把大模型接入业务流程的人。他们既要写代码、搭系统，也要跟老板和员工沟通，把企业一句"想用 AI "的模糊需求变成真正能跑起来的产品和工作流。
其实早在 2010 年前后，美国科技公司 Palantir 就已经设立和推广 FDE，但此后长期只存在于少数企业软件公司。大模型兴起后，企业发现，接入模型不等于拥有一套能用的 AI 系统。老系统连不上、数据散落在微信和 Excel 里、老板说不清需求，这些都需要有人来到现场解决。于是，连接 AI 产品与企业业务的 FDE 被推到台前。
招聘需求也在上涨。美国招聘平台 Indeed 数据显示，FDE 相关招聘岗位从 2025 年 4 月的 643 个，增加到 2026 年 4 月的 5330 个，同比增长 729%。在国内，类似的需求也在出现，主要来自两类玩家：一类是服务政企和大客户的模型公司，FDE 负责模型的售后和落地交付；另一类是个人或小团队，为用不好 AI 的中小企业提供定制服务。
需求起来了，商业模式却还没定型。有人按项目报价，有人收咨询费或订阅费，也有人从降本金额中抽成，或者把方案做成模板重复出售。老板更容易理解的是"数字员工的年薪"，但改造一套工作流程究竟值多少钱，仍然没有标准答案。
争议也跟着来了。有人称它是 AI 时代最值钱的新职业，培训机构更是以"零基础三个月转行、年薪百万"为口号吸引用户；也有人认为，它不过是解决方案架构师、实施顾问和交付工程师换了一个新名字，甚至被认为就是外包岗位，没有含金量。
我们和五位 FDE 从业者聊了聊。他们中，有刚毕业就接下亿元营收企业项目的新人，有日薪 200 元、每周工作 50 个小时的实习生，也有自由职业者、产品经理和 FDE 社群发起人。
真正进入企业后，他们发现写代码只是工作的一部分，更多的时候他们要驻场、开会、培训员工，摸清混乱的数据和封闭的老系统。收入也没有传闻中的光鲜，有人接到数万元订单，却要承担获客、开发、返工和运维工作；有人频繁出差、熬夜交付，拿的仍是产品经理的工资。
五个人的判断相近：FDE 有需求，但还算不上一个成熟的行业；企业想用 A 提效却说不清需求，他们需要承担大量沟通工作；收入不均，外界传的百万年薪，几乎没人真拿到。
01. 公司第一位专职 FDE，项目 80% 的活都要参与
冯又又｜00 后 深圳 内容营销科技公司 FDE
今年 6 月底，我入职了一家做 B 端内容营销的公司。面试的岗位是 AI 产品经理，结果入职一周，我就被派去外地驻场，开始做 FDE。
我们是一支 AI 原生小团队，分工没有卡死，开发和前端岗位单独拆分，我是公司第一位专职 FDE，也是对接客户最多的人。
传统 AI 产品经理主要负责画原型、写文档，再对接开发和验收，只参与项目的中间环节。FDE 却要从头跟到尾，挖需求、去现场、梳理业务、做 Demo、推动落地，最后还要把经验沉淀成可以复用的框架。算下来，一个项目里大约 80% 的工作，我都要参与。
现在我的日常工作是，六分沟通、四分技术，大半时间在外出差，最长一次驻场客户将近一个月。典型驻场节奏是上午和企业负责人开会，挖掘真实业务卡点；下午整理客户零散诉求，用各类 AI 工具快速搭建流程 Demo；晚上熬夜优化方案，第二天和客户闭环验证，一轮轮反复调整，直到 AI 方案能落地。
图源 / pexels
Codex、Kimi、Copilot 等各类工具我都会使用，它们能帮我整理资料、搭建项目框架、写文档。过去需要开发配合几天才能做出的原型，现在半天就能完成。但 AI 只能做执行，产品架构、业务取舍、和客户沟通谈判、最终落地决策，完全替代不了。
今年我的确感觉到 FDE 岗位突然变多了，但是薪资方面并没有网传那样夸张。我现在拿的还是产品经理的薪资。但我现阶段更看重的是能直接接触客户、主导项目、对结果负责的机会，这些经历在别的地方很难得到。
现在这个岗位还在探索期，各家公司的理解和要求都不一样。比如部分企业要求 FDE 全包前后端开发，但在我们公司，我只负责需求梳理、原型搭建、落地跟进，后端有专职开发配合。ToB 内容营销客户决策链简单，负责人能直接拍板推进落地；如果是面向海量 C 端用户，用户诉求分散、平衡成本与体验难度会高出一大截。
我自己最焦虑的是，做的事情太多太广，但深度不够。沟通能力一直在提高，技术的判断力却可能没跟上。每天都在解决客户的问题，没太多时间思考怎么沉淀出可复用的产品能力。
AI 行业名词迭代速度极快，Prompt 工程师、Agent 工程师一波波更新，但我相信这个岗位即使以后不叫 FDE 了，里面沉淀下来的能力——沟通、判断、落地，是能带走的。给想入行的人一个建议：别被"高薪"标签冲昏头，先低成本验证一下自己适不适合，比如从头到尾做一个产品，跟真实用户聊一聊。如果你对高不确定性、强沟通、动手干活这些事不排斥，那可以试试。
AI 时代，FDE 这个岗位会不会一直存在不好说，但能在一线把问题解决掉的人，应该永远有位置。
02. 成为 FDE 之后，我每天先研究别人怎么工作
@82LSF｜ 30 岁 广州 自由职业
我本科读的是计算机，毕业后在广东一家上市公司做金融风控软件，主要服务港交所这样的客户。
去年我开始做自由职业，接一些软件开发和 AI 项目的活儿。上个月，经朋友介绍，我去了一家传统的餐饮连锁公司做 FDE。
严格来说，我更像一个 OPC（一人公司）。我的想法很实际，先服务好这家公司积累案例，再去开发更多的客户。目前，我已经沉淀下 10 多个行业通用的 skill，这是我最大的收获。
上岗第一天，我进入公司的企业微信群，没有急着写代码，而是先跟着运营、市场、配送、店长，看他们每天的活儿是怎么干的，把餐饮行业员工的日常工作流程摸清楚。这一步非常重要。很多时候，客户只能告诉你，他们希望"用 AI 提效"，但他们并不知道 AI 究竟应该用在哪个环节。FDE 需要自己进入业务流程，观察员工每天填什么表、写什么报告、整理什么数据，再找出那些重复频率高、又不需要复杂判断的工作。
摸清之后我发现，这家公司大部分工作还是靠人力填表、做汇报、写合同，最多就是用一用豆包，所有办公流程极度依赖桌面办公。
我开始用 WorkBuddy 为每条业务线、每个部门开发专属的 skill，把日常琐事简化，让没有价值的重复性劳动交给 AI。比如每天自动抓取各门店营收数据的日报表、打卡异常表、进销存比价表。
这些活儿以前都是人手动填，每天要坐在电脑前半小时甚至一小时，现在基本由 AI 自动完成，每个人每天至少节省半小时。一个月下来，差不多省出一个人的工时。
现在 skill 跑通后，员工甚至不需要坐在电脑前办公，直接在移动端微信里发一条自然语言指令，就能完成绝大多数重复性的日常工作。
图源 / AI 生成
很多人问 FDE 到底需要什么能力。
我的体会是，首先要对底层技术有系统性理解，比如把握 API、MCP 协议的边界，尤其在企业里，不同岗位能接触的业务边界必须清晰，有些数据可以看，有些只能查不能写，有些甚至不能看。
其次要对你所服务的行业有所了解，这一点有点像咨询公司做的事。你得先理解客户怎么运转，才知道 AI 能用在哪里。
最后，也是最重要的，是沟通。相比技术，FDE 的沟通能力可能更重要，如果一直理解不了客户的需求，或者不能快速解决问题，对方也会没有耐心。
但具备这些能力，也不意味着项目一定能跑通。以我的观察，FDE 派到企业里、两三个月干不出来、最后黄掉的项目太多了。
至于未来，我并不焦虑。进一步看，我认为这一领域至少还需要三到五年的沉淀，甚至更久，才能真正构建起成熟的产品、方法论与服务生态。
03. 实习每天 200 块，最忙时一周工作近 50 个小时
哲伟｜ 00 后 北京 FDE 实习生
入职一个月，我对 FDE 最直接的感受是，网上说的和实际完全是两回事，这是一份"理想"与"现实"对比鲜明的职业。
很多人对这个岗位的印象，停留在"年薪百万""六分沟通四分技术""靠 AI 提效就能躺赚"。但落到一线，外界吹得神乎其神的 AI 自动化，往往是大量繁琐的"脏活"。
作为一名 FDE 实习生，我的日薪是 200 块，最忙的时候，一周工作接近 50 个小时，每周有三天要驻场或者出差，性价比确实很低。
早上我通常要到客户现场，先开几个小时的会，确认需求是什么、安排后续如何交付，剩下的时间全部用来写代码。如果赶上工期紧，我可能要连续写七八个小时，甚至睡觉前还要给自己的 Agent 留一个超长任务，让它夜里继续跑，第二天我再验收成果。
图源 / pexels
当然，熬夜赶出来的东西质量不高。但现在大家觉得，既然有了 AI，开发就应该是一天一个进度。可实际上，代码生成后还需要审核、测试，这些才是最耗时间的环节。加上 AI 变化很快，很多概念和新东西都要学。我常常觉得自己不像在打工，更像一个"科研民工"。
入行前，我以为 FDE 的工作是把客户的痛点梳理清楚，然后扔给 AI，人做一点微调就行。真正开始工作后才发现，客户往往有一堆老系统，你得先摸清它的运行模式和开放程度；如果客户的数据很乱，还得先做清洗。但客户会不理解，觉得自己就想要个 AI 功能，为什么要做那么多铺垫。
有一次，客户想在公司内部搭一个飞书 AI 助手。这个任务的难点不是安装，是要把飞书 AI 助手、我们服务器上的程序和飞书的在线表格连接起来。而这三个东西要互相通信，得加一个中间服务才行。
为了实现批量修改文件和调整样式，我们又接入了外部工具"秒搭"。但工具越来越多，排查问题也越来越麻烦。一旦出了问题，我至少要在三个地方分别排查：是中间服务算错了？还是表格数据有问题？还是 AI 助手的设置没写好？
本来想借助工具省事，最后却因为接入太多工具，给自己增加了工作量。折腾到最后，还是放弃了这套方案，改回了老办法，在自己服务器上搭 AI 助手，再用其他工具调试，反而简单多了。
我觉得 FDE 不像外界说的那样是解决方案架构师或交付工程师换了时髦名字，它其实是在 AI 加持下，把很多传统岗位合并成了一个岗位。以前可能是几个人分工的事，现在全压在一个人身上，要求不仅要懂代码，还要比客户更懂业务细节和风险。
有人说，FDE 是一个过渡性岗位，两三年后 AI 方案定型了就不需要这么多人了。我倒不这么看，只要企业的业务流程还在不断变化，只要有新的场景需要人去理解和落地，FDE 就不会消失。只不过未来做 FDE 的门槛会越来越低，因为 AI 工具会越来越强。但门槛越低，真正稀缺的反而是那些能梳理复杂业务、敢拍板技术方案的人。
长远来看，我可能会转型去做独立开发者，搞个一人公司。给别人干，琐碎的事情太多，完全没有自己的节奏。同样是解决问题，我更想用自己的方式来做。
04.FDE 是"六边形战士"，我自己也没做到满格
XIAO｜ 23 岁 杭州 创业
我进入 FDE 这一行，可以说是误打误撞。从 6 月到现在，还不到两个月。
我本科在北邮，硕士在南洋理工。我最早在网上看到一位博主分享 FDE，我觉得自己挺适合做 FDE，沟通能力不弱，对 AI 也有自己的理解，后面才发现他是我的直系学长，现在还成了我的合伙人。
在学长的影响下，我开始尝试用 AI 改造企业工作流。他帮我拍了一条相关视频，发出去没多久，第一单就找上门了。一位"厂二代"当时在自己家合作的销售公司实习，把我介绍给了老板。对方想做一套定制化 CRM 系统。我们先在线上聊合作意向，也聊对这个行业的认知。到了周末，我就赶去温州，把之前做过的东西一样样摆给老板看。老板看重我们年轻人有技术，双方谈得很愉快。周日当天，我们就敲定了口头协议。
现在我接触的客户，年营收基本都在 1 亿元以上。其中一家年营收约 2 亿元的供应链企业，想做一套拍照识图系统，把识别的信息自动导入 ERP。
听起来不复杂，但真正做起来完全是另一回事。真正考验 FDE 的，不是模型能不能识别一张图片，而是能不能把企业里混乱、模糊的需求，拆成 AI 可以执行的工作流。客户的数据可能散落在员工微信里，ERP 没有 API，老板也说不清自己到底需要什么。我要先驻场了解业务，培训员工、搭建知识库，再判断哪些环节适合交给 AI。
图源 / pexels
有一次，我发现一名员工每天都要重复整理 Excel 表格。我花了半个小时弄清楚数据从哪里来、经过哪些步骤、最后要以什么形式呈现，当天下午就让 AI 接手了这部分工作。FDE 的能力，往往就体现在这里：不是单纯写代码，而是迅速理解业务，再把问题转化成可执行的方案。
AI 执行得很快，前期摸业务却省不了。即使面对同一行业，一套方案能做到 30% 标准化已经很不错，剩下的都要根据客户需求重新定制。我卖的不是一套现成产品，而是能持续交付结果服务。
我的收入也远没有传说中那么光鲜。获客、驻场、交付都要自己来，每天从早忙到晚，比进大厂更累。网上说这行在美国年薪能到百万美元，但我认识的人里，拿到这个数的一个也没有。国外可能愿意为过程付费，国内只对结果买单。产品没有真正跑起来，前面做了多少工作都没有用。
不过，这并不意味着 FDE 赚不到钱。这个行业还处在非常早期的阶段，标准没有建立，市场鱼龙混杂。真正能力强、能把项目做成的人，确实可以拿到与能力匹配的收入，甚至高于互联网行业里同等技术水平的岗位。但高收入来自技术、业务、沟通和交付能力的叠加，而不是因为挂上了 FDE 这个头衔。
在我看来，FDE 是"六边形战士"：懂技术、懂业务、会沟通，还得行动快、迭代快。99% 的人都做不到，我自己也没有做到满格。
FDE 或许只是 AI 进入各行各业的过渡性载体。即使它会消失，我相信也会是软件岗位里最后消失的那一批。但如果只是听说高薪，别来；如果真的想做，先从用 AI 给自己提效开始。
05. 跑完北上深杭，我发现 FDE 最缺的是信任
Lawted｜全国 26 岁 Ha7ch FDE 社群发起人
我开始做 FDE，是在今年 4 月。
当时，一位朋友问我，有没有兴趣去一家货代公司帮忙装 OpenClaw。到了现场我才发现，那位老板连豆包都不太会用。公司的跟单员每天在微信、Excel 和 PDF 之间来回切换，读取单据、录入信息，大量工作全靠人工完成。
我觉得这些流程完全可以交给 AI，于是接下第一个项目，想帮他们把整套系统换掉。
在老板和员工之间来回跑了一个月，我才一点点把流程搭出来。两个月后，系统做出来了。上传 Excel、PDF 等文件后，AI 可以自动解析、建单和填单，员工只需要做最后的核对。
图源 / pexels
但东西做出来了，项目却黄了。老板问我，系统稳不稳定，出了问题谁负责，能不能提供 24 小时维护。作为单干的 OPC，我没有能力保证一套系统长期稳定运行。
虽然项目没跑通，但那时 FDE 的概念开始火了。我把踩坑经历发到网上，分享 FDE 怎么工作、驻场会遇到什么问题，收获了一批流量。后来，我又在深圳、上海、杭州和北京连续组织了四场闭门会，接触了很多正在做企业 AI 落地的人。
跑完四座城市，我发现 FDE目前只是一个"有生意、没行业"的职业。四个城市里，既有几百元、几千元的电商小单，也有几十万、上百万元的企业改造。但大项目需要组建团队，项目金额还要覆盖获客、开发、驻场、返工和运维的成本，真正到手的钱没有看起来那么多。
拿到项目也只是开始。客户只说想做 AI，却讲不清需求；企业数据混乱，敏感信息难以打通；员工担心被替代，老师傅和业务部门抵制；单个任务看似跑通，串成完整流程后，准确率、模型成本和回款周期又可能失控。
但独立 FDE 最难的是让企业相信你。参加闭门会的人里，有六七成的第一单来自亲戚、朋友或过去积累的人脉。大厂 FDE 背后有公司和产品背书，可以直接进入客户现场，而独立 FDE 没有这些，很难获取信任。对传统企业老板来说，把业务数据交给一个陌生人，本身就是一件风险很高的事。独立 FDE 只能靠案例和一次次交付来证明自己。没有行业资源，也不愿意公开表达，只会闷头写代码的人，很难拿到第一张入场券。
为了解决这个问题，我开始尝试组织黑客松，让参与选手用 48 小时来解决企业的问题。我找来有 AI 改造需求的企业，也筛选想做 FDE 的人。由企业报销差旅，参与选手直接来到现场，在 48 小时内梳理需求、做出 Demo。老板认可，双方就继续合作；不认可，项目就到此结束。
有一次，我们去一家律师事务所帮他们搭建系统。那里的实习生平时要处理五六百份扫描文件，再整理成一千多行 Excel，差不多要花半周。而选手用 AI 完成识别和摘要，部分内容甚至比人工填写得更准确。48 小时结束后，企业决定签下第一阶段合作，把工具稳定部署上线。
所以，在我看来，FDE 更像是" AGI 的补丁"，在 AI 还不能自己进入一家企业、理解环境并开始工作时，由人把它接进真实的业务流程。只有真正做出让企业能直观看到效果的成品，才能真正留住客户。
我觉得 FDE 的入门门槛没有想象中高，懂技术，也愿意进入企业理解需求，可以尝试。但真正把项目做成的门槛很高，你要让老板放心地交出业务和数据，还要在系统出问题时留下来兜底。
* 题图由 AI 生成。应受访者要求，文中哲伟为化名。
老虎配资提示：文章来自网络，不代表本站观点。
