RAG

Articles related to "RAG"

47 articles in total

Spellbook 远程前置部署工程师

Spellbook是一家专注于法律合同审查的AI Copilot公司，其产品直接集成Microsoft Word，帮助法律团队起草、审查和谈判合同，速度提升高达10倍，已被超过4000家律所、企业内部法务和独立律师使用。公司获得Khosla Ventures、Thomson Reuters Ventures、Inovia Capital、The LegalTech Fund、Bling Capital和Moxxie Ventures等机构投资，近期完成由Khosla Ventures的Keith Rabois领投的5000万美元B轮融资，总融资额超过8000万美元。Spellbook正在招聘一名远程Forward Deployed Engineer（前线部署工程师），Base加拿大，负责与大型律所和企业法务团队合作，将AI系统集成到文档管理系统（如iManage、NetDocuments）、身份系统和企业基础设施中。该岗位横跨工程、产品和客户成功，需要拥有3到7年后端或全栈工程经验，熟悉Node.js、TypeScript、Express、tRPC、MongoDB、Docker、AWS、CDK以及OpenAI和Anthropic等大语言模型，具备RAG、提示工程和评估能力。岗位职责包括端到端部署、构建审批与路由等AI原生工作流、定制模型推理和上下文、推动客户采用，并将可复用模式反馈至平台路线图。Spellbook提供远程工作、健康福利、股权等，并在招聘中负责任地使用AI辅助筛选，最终决策由人类做出。该岗位展示了FDE在垂直领域SaaS中的典型角色：结合深度客户合作、系统集成与AI定制化落地。

Read More →

企业AI落地自查十二问

53AI 创始人杨芳贤于2026年7月发布了一篇企业AI落地的自查清单文章，通过12个核心问题系统梳理了企业AI项目从概念验证走向真实部署的关键堵点与解决方案。文章首先定义了AI原生项目的标准：系统关键业务能力由AI或Agent参与组织，而非依赖预先写死的规则。进而辨析了Agent与Chatbot的区别（完成任务 vs 回答问题），以及Agent与传统Workflow的区别（动态决策 vs 固定路径）。在可靠性层面，文章指出大模型负责“聪明”，本体（Ontology）负责“靠谱”，通过结构化业务对象、关系与规则确保AI在可信边界内推理，并辅以RAG解决知识引用问题。Data Agent的动态取数与离线验证能力解决了固定SQL覆盖不了的业务变化。文章还强调了Human-in-the-loop的关键性，主张AI负责发现建议，人负责确认授权。同时重点提及了前线部署工程师（FDE）在连接业务痛点和平台能力中的桥梁作用，借鉴Palantir的模式，负责将现场问题转化为Agent、Skill和数据规则。在价值证明方面，文章批判传统外包模式，提倡按业务Case周迭代沉淀可复用的平台资产，并探索按经营结果（如异常处理速度、成本改善）而非技术人月计费的商业化路径。最后归纳了通过分层沉淀通用知识、业态知识和客户适配，实现跨客户快速复制的方法论。全文附有相关产品介绍及免责声明等运营信息。

Read More →

前部署工程师

Greenhouse 公司在招聘平台 HirQube 发布了一则 Forward Deployed Engineer 职位招聘，工作地点位于加拿大，要求合法工作资格，年薪 117,500 – 176,300 加元。该职位隶属于集中化数据分析部门，角色定位在数据工程、分析和生成式 AI 的交汇点：不单纯分析数据，而是构建 AI 驱动接口，使高管和业务利益相关者能够通过自然语言实时查询和对话 Greenhouse 的数据资产。具体职责包括：利用 Streamlit、Retool 等框架构建“最后一英里”数据栈 AI 工具；建立人在回路工作流，让财务等部门标记错误输出以优化提示模板和 RAG 检索逻辑；为不同部门创建 AI 角色；丰富数据仓库元数据使 LLM 能理解业务指标；构建并维护用于严格测试 AI 性能的“黄金数据集”。对应聘者的要求包括：3–6 年前线部署工程、产品分析或分析工程师经验；有与高管直接合作解决模糊业务问题的成功案例；深入掌握 dbt 数据建模；熟悉 RAG、函数调用或语义建模，能打通原始 LLM 与结构化业务数据之间的壁垒；具备现代数据栈实操能力，如 Git、Airflow 或 Dagster、Snowflake 或 BigQuery。公司强调远程优先文化，在纽约和爱尔兰设有共享办公空间。该招聘反映了企业从被动分析向主动对话式 AI 数据交互的转型趋势，强调工程师的质量意识、用户教育和跨部门翻译能力。

Read More →

小白程序员必看：大模型落地实战指南——FDE工程师带你玩转AI前沿部署

本文系统解析了 FDE（Forward Deployed Engineer，前沿部署工程师）这一新兴岗位的核心价值与重要性。FDE 的核心定义是嵌入客户业务现场，以工程能力、产品思维和行业理解，将前沿技术转化为生产级业务结果的人。文章指出，FDE 火爆的根本原因在于企业 AI 瓶颈从模型能力转向部署能力，Agentic AI 需要重构业务流程，而 AI 应用的高度不确定性要求必须在现场进行迭代。Palantir 是 FDE 模式最典型的早期代表，其将传统产品工程师与 FDE 的区别概括为：产品工程师是“一个能力服务多个客户”，而 FDE 是“围绕一个客户调动多种能力”。2026年5月，OpenAI 宣布成立 OpenAI Deployment Company，并计划收购 Tomoro，获得超过40亿美元初始投资及约150名有经验的 FDE。文章进一步对比了 FDE 与传统驻场工程师的异同，强调传统驻场工程师解决“系统能不能用”，而 FDE 解决“AI 能不能改变业务结果”。对于数智化厂商，FDE 意味着销售、交付、产品、组织、商业模式和人才模型的全面变革；对于行业用户，则意味着 AI 转型从“采购系统”走向“改流程、建能力、出价值”。最后，文章分别向厂商和用户提出了打造高价值 FDE 与实现业务协同的具体建议，指出 FDE 的本质是 AI 超级周期中的“价值落地机制”。

Read More →

Harness Engineering 與 FDE 崛起 落實 AI 轉型

本文探讨了生成式AI在企业落地过程中面临的核心挑战与应对方案，重点介绍了Harness Engineering和Forward Deployed Engineer两个新兴概念。Harness Engineering是一种用于控制、约束、验证和治理AI的工程方法，核心包含限制、验证和复原三项能力，为AI建立安全护栏；FDE则是能够深入业务现场、将隐性知识转化为可用数据的新型跨领域人才。文章指出企业AI落地最大阻力不是技术而是人才，管理层与员工对AI的期望差异导致项目停滞。同时，影子AI风险浮现，如员工误将薪资资料导入RAG系统，引发数据外泄和知识管理风险，治理范围必须从数据治理扩展至模型治理和知识治理。多位架构师强调，AI治理已提升至董事会层级，需建立完整分层的治理架构。文章还指出，工程重点正从提示工程转向流程工程，强调可重复执行的工作流程。CIO角色也从IT主管向变革推动者转变，需要兼具商业策略与组织变革能力。最终，企业竞争力取决于谁能建立最完善的治理架构和最值得信赖的AI系统。

Read More →

前场部署工程师，AI赋能（UR和MiR，North Reading, MA）职位详情

Teradyne 于 2026 年 7 月 2 日发布了一则 FDE 前线部署工程师 AI 赋能方向的招聘信息，工作地点位于美国马萨诸塞州 North Reading。该职位隶属于首席人工智能官（Chief AI Officer）领导的 AI 转型团队，核心使命是通过 AI 增强工作流来增强员工能力，并将智能嵌入关键业务流程。FDE 需利用 Microsoft Copilot Studio/Foundry、LangChain、LlamaIndex 等现代平台，设计并部署 AI 增强工作流，构建自然语言界面和对话式 AI 系统，并与销售、工程、运营、财务和产品团队合作，将 AI 能力转化为可衡量的业务价值。职位要求 3-5 年软件工程经验，熟练使用 Cursor、OpenAI Codex、Claude Code 等 AI 原生开发工具，并具备全栈开发能力。此外，具备智能体 AI 框架（如 OpenClaw、LangGraph）、本地模型推理（Ollama）、MCP、RAG 架构及向量数据库等经验者优先。该岗位薪资范围为 169,700 至 271,500 美元，体现了 Teradyne 对 AI 前线部署人才的高度重视。

Read More →

[远程] 首席应用人工智能工程师，金融

Genesys 公司发布了远程 Principal Applied AI Engineer（金融领域）职位，要求候选人主导设计和交付 AI 及预测模型，以变革财务决策，专注于生产级 AI 系统和智能自动化。核心职责包括：构建和领导开发 agentic AI 系统以自动化财务工作流（如预测、报告、决策支持），设计多智能体系统，利用 LLM、工具使用框架与编排模式（如 RAG、链式模型、动态提示），将前沿 LLM 和 agentic AI 研究转化为可扩展的生产解决方案，建立防护机制、评估框架与负责任 AI 实践；领导时间序列预测、客户流失预测等高级预测模型开发与部署；设计可扩展 AI/ML 系统，强调软件工程最佳实践（模块化设计、API、CI/CD、测试），推动现代工具采用（容器化、云原生架构），建立 MLOps 最佳实践；确保系统满足 SOX 等合规和审计要求。任职资格要求 8 年以上数据科学、软件工程、AI 工程经验，精通 Python、ML/AI 框架、云平台（优先 AWS）、分布式系统、LLM 微调与评估、生产级 agentic AI 框架、RAG 与向量数据库，以及模型护栏与偏差缓解。该职位反映出企业对将 agentic AI 和高级预测模型融入金融运营、强调生产工程和合规性的高端人才需求。

Read More →

前線部署工程師 ｜ Forward Deployed Engineer (FDE)

十论科技股份有限公司（Tricuss CO., LTD.）发布前线部署工程师（Forward Deployed Engineer, FDE）招聘公告。公司旗舰产品“企业级Co-researcher AI Agent”融合Agentic AI、大数据与物理模拟，结合物理基础数字孪生（Physics-based Digital Twins），为地端（On-premise）与封闭网络（Air-gapped）高资安客户提供最高千倍加速和减少70%实体实验的研发解决方案，已与NVIDIA、Qualcomm、Intel及世界顶尖半导体与AI服务器供应链客户密切合作。FDE作为核心技术与客户间的桥梁，需深入理解客户研发痛点，利用平台设计并部署定制化AI代理与工作流，负责系统集成（如Hadoop/Iceberg大数据生态）、AI检索架构优化、Prompt策略与多代理协作调优、PoC验证及产品反馈。岗位要求具备大型语言模型API（OpenAI、Anthropic）实战经验、Agentic Framework与RAG部署经验，以及B2B SaaS技术咨询或FDE/Solutions Architect背景，熟悉Python或TypeScript、云平台（AWS、GCP、Azure）与容器化技术（Docker、Kubernetes），掌握LangGraph、CrewAI、AutoGen等Agentic框架者优先，薪资60万至200万新台币/年。该职位体现了AI 2B场景下对既懂技术又懂业务的复合型FDE的迫切需求，是AI工程化与垂直行业深度融合的典型案例。

Read More →

AI圈最火的新岗位FDE，到底是做什么的？

本文系统介绍了AI行业新兴岗位FDE（Forward Deployed Engineer，前线部署工程师）的定义、工作内容、招聘趋势及能力要求。文章指出，FDE是集全栈工程师、技术顾问和产品经理于一身的复合型人才，核心职责是深入客户现场，将AI技术转化为可落地的业务解决方案，打通从产品到应用的“最后一公里”。当前招聘FDE的企业主要分为三类：以OpenAI、Anthropic、字节跳动（豆包、飞书）、智谱华章为代表的大模型与AI科技公司；以德勤、埃森哲、飞书为代表的企业服务与咨询公司；以及联想等正在内部推动AI转型的传统企业。薪资方面，字节跳动FDE月薪3.5万至7万元（15薪），OpenAI FDE底薪21万美元起，LinkedIn数据显示2023至2025两年内全球FDE岗位增长42倍。文章还探讨了“一人公司”模式，即独立顾问以项目制方式为客户提供AI落地服务。FDE的兴起反映了AI行业从“模型竞赛”转向“落地战争”的大趋势，其理念借用Palantir的生存法则：不卖软件，卖结果。上海市政府相关政策已将FDE视为推动产业数智化转型的关键人才。文章最后给出了从技术和业务两个维度系统提升FDE能力的路径建议。

Read More →

工业AI提示词：工厂工程师与集成商的12个实用范例

本文面向已部署工业 AI Copilot 的工厂工程师、集成商和运营负责人，提供了 2026 年工业 AI Copilot 部署中反复出现的 12 个实用提示词模式（Industrial AI Prompts），旨在帮助团队从 AI Copilot 中提取更多价值，而非依赖外部顾问。文章指出，大多数部署在启用六个月后呈现典型分化：3 名操作员因掌握提问技巧提取了 80% 的价值，12 人仅用于简单查询，其余团队不再使用。这 12 个模式包括：遥测查询、比较性跨维度分析、带根因假设的异常调查、生成式仪表盘、告警规则生成、带强制确认的批量操作、低代码脚本存根、预测性维护相关性分析、跨租户隔离测试、历史模式匹配、操作手册编写和多步骤链式（智能体工作流）。每个模式都给出了具体可复制的提示词、代理返回内容、适用场景和不适用场景。文章还提供了提示词的迭代优化方法、每周衡量指标（如操作员重新表述提示词的百分比、获得可用答案的平均时间、以行动结束的提示词百分比、最常用提示词模式）以及常见问题解答。核心观点是：工业提示词需要实体特异性、时间窗口和期望输出三个要素，好的提示词应使用真实标识符、包含单位和明确的时间窗口，并由团队共享迭代；提示词工程是分布式团队技能而非专门角色。

Read More →

AI Engineer - FDE (Forward Deployed Engineer)

本文是一则来自Databricks的招聘启事，职位为AI工程师 - 前线部署工程师（Forward Deployed Engineer, FDE），工作地点位于瑞典斯德哥尔摩。该职位隶属于Databricks高度专业化的客户服务型AI前线部署工程团队，团队编号为CSQ227R178，向EMEA地区的高级经理汇报。FDE团队的核心任务是交付专业服务，帮助客户构建并产品化首创的AI应用，并与工程、产品和开发者关系团队跨职能合作，塑造长期战略优先事项。职位的主要影响力包括：开发融合Databricks AI研究成果的尖端生成式AI解决方案，负责面向消费者和内部的生成式AI应用的生产环境部署，担任不同领域客户的可信赖技术顾问，以及在Data + AI Summit等会议上发表演讲，成为内外部公认的思想领袖。候选人需具备构建RAG（检索增强生成）、多智能体系统、Text2SQL和模型微调等生成式AI应用的经验，并熟练使用HuggingFace、LangChain和DSPy等工具；必须精通在AWS、Azure或GCP上部署生产级机器学习系统。优先考虑有使用Databricks智能平台和Apache Spark处理大规模分布式数据集经验的候选人。Databricks总部位于旧金山，全球拥有超过30个办事处，其统一的Data + AI平台被包括阿迪达斯、AT&T、拜耳、万事达卡和70%的财富500强在内的超过20,000家组织使用，平台包含Genie、Lakebase、Agent Bricks、Lakeflow、Lakehouse和Unity Catalog等组件。

Read More →