驻场部署工程师(Forward Deployed Engineer)
Summary
本文是 Velvet 公司发布在 FoundersAreHiring 招聘平台上的一则 Forward Deployed Engineer (FDE) 招聘信息。Velvet 是一家由前 Meta FAIR 研究员 Lucas Mantovani 和前 Adobe 工程师 Lucas Tucker 创立的数据研究公司,总部位于美国加利福尼亚州旧金山,创业使命是通过为前沿 AI 实验室制作高质量的视听数据集来使 AI 更加人性化。该岗位面向具有 0-3 年工作经验的技术多面手,薪资范围为 17.5 万至 20 万美元,并提供约 1.19% 的股权。FDE 的职责横跨技术与运营,要求工程师端到端地负责数据采购的全生命周期:包括识别、招募和筛选数据采集项目参与者;与世界顶级实验室的研究人员会面以构建最高质量的视频数据集;编写并维护用于清洗、验证和打包数千小时视频数据的后处理脚本;解决运营问题(如视频上传失败或支付问题);以及构建轻量级内部工具和自动化流程以提升规模化效率。候选人需具备 Operations、Python、SQL 和 Claude Code 等技能,尤其适合在数据标注平台、大规模数据处理流水线或机器学习研究领域有背景,且乐于在模糊、快节奏环境中通过工程化手段解决运营问题的人。该职位体现了 FDE 角色在 AI 数据产业中连接平台技术与实地运营的关键桥梁作用。
Key Takeaways
- Velvet 是一家由前 Meta FAIR 和 Adobe 工程师创立的数据研究公司,专注于为前沿 AI 实验室制作高质量视听数据集。
- 17.5 万该 Forward Deployed Engineer 岗位薪资为 至 20 万美元,附带约 1.19% 的股权,面向 0-3 年经验者。
- FDE 的核心职责是端到端管理数据采购,包括招募参与者、会见顶级实验室研究人员,以及编写视频数据后处理脚本。
- 候选人需要具备 Python、SQL、Claude Code 和 Operations 等技能,能够处理从技术脚本到运营故障的各类问题。
- 理想的候选人拥有数据标注平台、ML 研究或大规模数据处理流水线背景,且习惯于在模糊、快节奏的环境中工作。
这则看似普通的招聘信息,其实是理解“FDE(前线部署工程师)”这一新兴角色如何定义的最佳一手素材。Velvet 对 FDE 的职责描述精准地展示了在 AI 数据产业中,如何要求一个工程师既能写脚本处理数千小时的视频数据,又能去和顶尖研究员谈需求,甚至直接上手招募数据采集对象。这种横跨产品、研发和运营的复合型要求,正是当前 AI 模型快速迭代催生的“贴身服务”型工程岗位的缩影。对于关注 AI 工程化与人才趋势的读者而言,这份 JD 比任何行业分析报告都更具参考价值。
Velvet 是一家由前 Meta FAIR 和 Adobe 工程师创立的数据研究公司,专注于为前沿 AI 实验室制作高质量视听数据集。
驻场部署工程师(Forward Deployed Engineer)
Velvet
初创公司 分类 技术 经验 0-3年 类型 全职 地点 旧金山,加利福尼亚州,美国 薪资 $175,000 - $200,000 职位描述 福利与文化 签证赞助 核心价值观 足智多谋 一专多能 对质量高标准要求 工程思维
无招聘人员。创始人直接回复。 创始人信号 响应率 85% 平均响应时间 2小时
Velvet是一家数据研究公司,由Lucas Mantovani(前Meta FAIR成员)和Lucas Tucker(前Adobe成员)创立。我们的使命是通过为前沿实验室制作高质量的视听数据集,让AI更加人性化。
我们正在招聘一名驻场部署工程师,负责连接我们的平台与驱动平台的实际运营。这是一个动手、以执行为导向的职位。你将负责端到端生命周期:让人员加入我们的平台,采购所需数据,并编写脚本将收集到的片段转换为干净、可用的训练数据。
你的工作内容
- 负责数据采购:为活跃的数据收集项目识别、招募和筛选参与者。
- 与顶级实验室的研究人员会面,为他们构建最高质量的视频数据集。
- 编写和维护后处理脚本,用于清理、验证和打包数千小时的视频数据,以训练世界模型。
- 识别并解决运营问题——视频上传失败、支付问题等。
- 构建轻量级内部工具和自动化程序,在我们扩展规模时减少手工工作并提高吞吐量。
你的特质
- 一位技术娴熟的通用型人才,拥有令人印象深刻的专业或学术成就,能够轻松编写数据管道、达成交易并与顶级研究人员会面。
- 一位能把事情做成的人。
- 在大规模管理人员和数据时注重细节且可靠,因为错误会产生下游影响。
- 能够在模糊、快速变化的环境中自如工作。
加分项
- 具有研究运营、数据标注平台或数据收集方面的背景。
- 有构建大规模数据处理管道的经验。
- 有机器学习研究背景。
你将在这个角色中茁壮成长,如果
- 你被那些具有立即可见影响的运营工作所激励。
- 你把损坏的流程视为值得妥善解决的工程问题。
- 你对自己要求极高的数据质量标准,深知这决定了模型性能。
Tags
Related Topics
Expert Comment
This article is curated by the editorial team from public sources for reference only.