首批从事FDE工作的人，距离高薪还很远

定焦One 2026-08-07 13:24

AI 推动 FDE 大热，相关从业者过得如何？

FDE 席卷了科技行业。

FDE（Forward Deployed Engineer，前驻部署工程师）现在更多指代那些在客户现场工作、负责将大语言模型集成到企业业务流程中的专业人员。他们不仅编写代码、搭建系统，还要与业务负责人和员工沟通，将企业“想用AI”的模糊诉求转化为完整可用的产品和工作流。

事实上，早在2010年左右，美国科技公司Palantir就已经设立并推广了FDE岗位，但此后很长一段时间里，它只存在于少数企业软件公司。大语言模型兴起后，企业发现，接入模型并不等于拥有可用的AI系统。遗留系统无法连接新工具、数据散落在微信和Excel文件中、业务负责人说不清需求等问题，都需要有人现场解决。于是，连接AI产品和企业运营的FDE站到了台前。

招聘需求也在激增。美国招聘平台Indeed的数据显示，FDE相关岗位从2025年4月的643个增加到2026年4月的5330个，同比增长729%。中国市场也出现了类似需求，主要来自两类玩家：第一类是服务于政府、事业单位和大企业客户的模型公司，FDE负责模型方案的售后支持和现场交付；第二类是为难以有效利用AI的中小企业提供定制化服务的个人或小团队。

需求在涨，但对应的商业模式尚未成熟。有的FDE按项目报价，有的按咨询费或订阅费收费，有的按降本金额抽成，还有的将解决方案变成可复用的模板多次销售。企业主能理解“数字员工年薪”的概念，但一个工作流改造项目到底值多少钱，还没有标准答案。

争议也随之而来。有人称FDE是AI时代最有价值的新职业，培训机构甚至打出“零基础三个月转行，年薪百万”的广告；也有人认为它只是解决方案架构师、实施顾问和交付工程师的新名字，甚至被视为没有专业价值的外包岗位。

我们与五位FDE从业者聊了聊。他们有刚毕业就接手亿元级企业项目的新人，有日薪200元、每周工作50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。大部分时间，他们需要驻场、开会、培训员工，以及梳理混乱的数据和封闭的遗留系统。收入也没有传闻中光鲜：有人接到几万元的订单，却要全权负责获客、开发、返工和运维；有人频繁出差、熬夜赶交付，却只拿到和产品经理一样的薪水。

五位从业者的判断相似：FDE确实有真实市场需求，但还不是一个成熟的行业；企业想用AI提效，但说不清具体需求，FDE需要承担大量沟通工作；收入水平参差不齐，几乎没有人真正拿到传闻中的百万年薪。

01. 公司第一个全职FDE，一个项目参与80%的工作

冯悠悠 | 00后，深圳某内容营销科技公司FDE

今年6月底，我入职了一家B2B内容营销公司。面试的岗位是AI产品经理，但入职仅一周，就被派往另一个城市驻场，开始了我的FDE生涯。

我们是一个小型AI原生团队，没有严格的岗位分工。开发和前端岗位独立设置，我是公司第一个全职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、对接开发和验收，只参与项目的中段。但FDE需要从头到尾跟完整个流程：挖掘真实需求、去客户现场、梳理业务流程、搭建demo、推动落地，最后将经验沉淀成可复用的框架。算下来，一个项目中我参与的工作量约占80%。

现在我的日常工作遵循60%沟通、40%技术的比例。大部分时间在出差，最长一次驻场接近一个月。典型的驻场节奏是：上午与企业负责人开会，确定真实业务痛点；下午梳理客户零散需求，用各种AI工具快速搭建工作流demo；晚上熬夜优化方案，第二天与客户确认最终方案，反复调整，直到AI方案能够成功落地。

图片来源/pexels

我熟练使用Codex、Kimi、Copilot等各种工具，它们帮我整理资料、搭建项目框架和编写文档。以前开发团队需要几天才能做出来的原型，现在半天就能完成。但AI只能做执行工作，产品架构、业务取舍、与客户的沟通谈判以及最终落地决策，完全无法被AI替代。

我确实感受到今年FDE岗位大幅增加，但薪资水平没有传闻中那么夸张。我现在拿的还是产品经理的薪水。不过现阶段，我更看重直接接触客户、主导项目、对结果负责的机会，这些在别处很难获得。

这个岗位还处于探索期，不同公司对它的理解和要求不同。比如，有的企业要求FDE全权负责前后端开发，但在我们公司，我只负责需求梳理、原型搭建和落地跟进，有专职后端开发提供支持。B2B内容营销客户决策链简单，负责人可以直接拍板推动落地；但如果业务面向大量C端用户，分散的用户需求会让成本和体验的平衡难度大很多。

我最焦虑的是自己接触太多杂事，没有足够的深度积累。沟通能力一直在提升，但技术判断力可能跟不上。每天忙于解决客户问题，很少有时间思考如何沉淀可复用的产品能力。

AI行业新名词迭代极快：Prompt Engineer、Agent Engineer接连出现，但我相信，即使未来这个岗位不叫FDE，这个角色所沉淀的能力——沟通、判断、落地——是可迁移的。给想入行的人一个建议：不要被“高薪”标签冲昏头脑，先用低成本验证自己是否适合这个角色，比如完整地做一个产品，和真实用户聊一聊。如果你不排斥高不确定性、高沟通量和动手的工作，可以试试。

在AI时代，FDE这个岗位会不会永远存在很难说，但能在一线解决问题的人，在行业中永远有位置。

02. 成为FDE后，每天从研究别人的工作开始

@82LSF | 30岁，广州，自由职业者

我本科读的是计算机专业。毕业后在广东一家上市公司做金融风控软件开发，主要服务港交所等客户。

去年开始做自由职业，接一些软件开发和AI项目。上个月经朋友介绍，加入了一家传统连锁餐饮公司做FDE。

严格来说，我更像一个OPC（一人公司）。目标很实际：先服务好这家公司积累成功案例，再拓展到更多客户。到目前为止，我已经开发了10多个不依赖行业的通用技能，这是最大的收获。

入职第一天，我加入了公司的企业微信群，没有急着写代码，而是跟着运营、市场、配送团队和店长观察他们的日常工作，全面了解餐饮行业员工的一天工作流程。这一步极其重要。大多数时候，客户只能告诉你“用AI提效”，但具体哪个环节该用AI，他们自己也不知道。FDE需要深入业务工作流，观察员工每天填什么表、写什么报告、整理什么数据，然后找出那些重复性高、不依赖复杂判断的工作。

摸清全流程后，我发现这家公司的大部分工作仍然依赖人工填表、写报告、起草合同，偶尔才会用一下豆包，而且所有办公流程都高度依赖台式电脑。

我开始用WorkBuddy为每个业务线和每个部门开发专属技能，简化日常琐碎工作，把低价值的重复劳动交给AI。比如，AI现在可以自动生成每日营收报表、打卡异常表和库存对比表，这些表以前由各门店每天手动拉取数据，现在大多由AI自动完成。

以前这些工作都需要员工每天坐在电脑前半小时甚至一小时才能完成，现在大多由AI自动完成，每个员工每天至少节省半小时，一个月下来相当于一个全职员工的工作量。

现在技能全面上线后，员工甚至不需要坐在电脑前工作，可以直接在手机上通过微信发送自然语言指令，完成大部分重复性日常工作。

图片来源/AI生成

很多人问FDE需要具备什么能力。

我的经验是，首先，需要对底层技术有系统性理解，比如要掌握API和MCP协议的边界。尤其是在企业里，不同岗位的业务访问边界必须明确：有些数据可以全量访问，有些只能查询不能修改，有些甚至不能查看。

其次，需要对所服务的行业有深入了解，这和咨询公司做的工作类似。你得先了解客户的业务如何运作，才知道AI能用在什么地方。

最后也是最重要的，沟通能力必不可少。相比技术能力，沟通能力对FDE来说可能更关键。如果你不能与客户持续一致地理解需求，或者不能快速解决问题，客户就会失去耐心。

但具备所有这些能力，并不保证项目能成功交付。据我观察，FDE被派到企业后，两三个月交付不出结果，最终项目失败的案例数不胜数。

至于未来，我并不焦虑。从长远来看，我认为这个领域至少需要三到五年的发展，甚至更长时间，才能建立起成熟的产品、方法论和服务生态系统。

03. 实习日薪200元，忙时一周工作近50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，网上说的和现实完全不一样。这是一个“理想”与“现实”反差极大的职业。

很多人对这个岗位的印象停留在“年薪百万”、“60%沟通40%技术”、“用AI提效轻松赚钱”。但真正到一线后，外界吹得神乎其神的AI自动化，往往伴随着大量繁琐的“脏活”。

作为FDE实习生，我的日薪是200元。最忙的时候，一周工作近50小时，每周需要驻场或出差三天，时间回报率确实很低。

我通常上午到客户现场，开几个小时的会确认需求、安排后续交付，剩下的所有时间都在写代码。如果项目排期紧，可能连续写七八个小时代码，甚至睡前给Agent留一个长任务，让它跑通宵，第二天看结果。

图片来源/pexels

当然，熬夜完成的工作质量并不高。但现在大家普遍认为，有AI，开发可以做到日更。实际上，代码生成后还需要审查和测试，这些才是最耗时的环节。此外，AI技术迭代非常快，不断有新概念、新工具需要学习。我常常觉得自己不是在职员工，更像一个“科研杂工”。

进入这个行业之前，我以为FDE的工作是梳理客户痛点，把任务丢给AI，自己只做微调。真正上手后才发现，客户往往有大量遗留系统，你得先搞清楚它们的运行模式并开放访问权限；客户数据混乱，得先做数据清洗。但客户不理解这些，他们觉得我只想要一个AI功能，为什么需要这么多前期工作。

有一次，客户想搭建一个飞书AI助手供内部使用。这个任务的难点不在于搭建本身，而在于让飞书AI助手、我们服务器上的程序和飞书在线表格三者互通。这三个组件需要互相通信，需要一个中间服务来支撑连接。

为了实现批量文件修改和样式调整，我们还集成了外部工具“妙搭”。但工具越多，排查问题就越复杂。一旦出现问题，我至少需要分三个地方排查：中间服务计算有误？表格数据有问题？还是AI助手设置错了？

我本想借助工具省力，结果集成太多工具反而增加了工作量。折腾一番后，我们放弃了这套方案，换回老办法：在自己的服务器上搭建AI助手，用其他工具调试，结果反而简单得多。

我不认为FDE像外界所说的那样，只是解决方案架构师或交付工程师的新名字。本质上，它是在AI的赋能下，把很多传统岗位融合成一个角色。以前分给几个人干的活，现在全交给一个人，要求他不仅要懂编码，还要比客户更了解业务细节和潜在风险。

有人说FDE是一个过渡性岗位，两三年后AI解决方案成熟了，就不需要这么多FDE了。我不这么看。

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。