现场部署工程师手册

现实世界中的生产AI

88%的AI代理项目从未进入生产阶段，不是因为模型失败了，而是因为围绕它的支撑框架从未建立起来。这是一本面向在真实组织中部署AI的工程师的实用手册，涵盖了从发现到交接的完整旅程，以支撑工程为核心技术学科。

关于

关于本书

模型是容易的部分。让它在真实组织中发挥作用，那才是真正的工作。

前置部署工程师是AI领域增长最快的角色。该职位在2025年招聘量激增了800%，并且还在加速增长。然而，从事这项工作的人没有手册。他们通过试错来学习：如何进入客户环境，在第一周找到有价值的工作，构建能够经受企业现实考验的AI系统，并留下能够继续运转的团队。

这本书填补了那个空白。它涵盖了AI现场工程的完整生命周期：理解角色、运行从发现到交付再到交接的结构化参与、构建使AI在客户环境中值得信赖的支撑框架，以及管理处于工程和咨询之间的职业生涯。

十二个章节跨越四个部分：角色、方法、生产和人性面。每章以现场练习结束。配套的GitHub仓库提供了模板、检查清单、架构决策记录、评估量表和代码示例。

无论你正在考虑转做FDE、已经嵌入客户现场、还是正在建立FDE实践，这本手册都是为工程师——那些将AI部署到真正需要工作的地方的工程师——准备的实用指南。

作者

Daniel Vaughan

Daniel Vaughan 是一位技术领导者和软件架构师，现居英国，专注于智能体AI（Agentic AI）。他拥有近三十年的企业、初创和学术环境经验，职业生涯始终关注工程质量和开发者生产力。他现在的工作聚焦于AI从实验转变为组织构建软件核心的转折点。

Daniel 是 HCLTech AI Labs（HCLTech 人工智能实验室）的前置部署工程主管，领导着一个全球性实践团队，将工程师和编码代理嵌入复杂的企业环境，将生产级AI从原型推进到实时系统。他从零开始构建了该实践，运行着精干的区域团队——其中共享架构师、少量工程师和通过 Codex、Claude Code、Cursor、GitHub Copilot 等工具运作的代理团队——以更大团队的产出交付工作。

在加入 HCLTech AI Labs 之前，Daniel 是伦敦 Mastercard（万事达卡）的软件工程总监，负责高度监管金融服务环境中实时支付产品的云战略和架构。更早时候，他在剑桥的 European Bioinformatics Institute（欧洲生物信息学研究所）工作了八年，从软件工程师成长为工程领导，处理着如今通过智能体工具解决的软件质量和开发者生产力问题。

他是《Cloud Native Development with Google Cloud》（O'Reilly，2024）和《Ext GWT 2.0: Beginner's Guide》（Packt，2010）的作者，谷歌开发者专家（Google Developer Expert），以及绿色软件倡导者（Green Software Champion）。他在 blog.danielvaughan.com 撰写关于智能体工程和AI辅助开发的文章。

内容

角色

第1章：新的现场工程师

1. 催生这一职业的生产差距
2. 前置部署工程师实际做什么
3. 从 Palantir 的好奇心到行业标准
4. 为什么AI使现场工程变得必不可少
5. FDE 与其他角色的区别
6. 真正的工程还是花哨的咨询？
7. 小型团队与FDE
8. 你需要FDE吗？
9. 支撑工程的联系
10. FDE的思维方式
11. 现场练习
12. 关键要点

第2章：诚实的职业生涯

1. 为什么工程师现在感兴趣
2. 这会让我保持技术性吗？
3. 现实的一周
4. 职业路径
5. 薪酬
6. 面试
7. 定位你的申请
8. 倦怠、出差和危险信号
9. 谈判录用条件
10. 现场练习
11. 关键要点

第3章：能力模型

1. T型现场工程师
2. 五类能力
3. 成熟度模型
4. 最小可行技术栈
5. 学习路径
6. 现场练习
7. 关键要点

方法

第4章：现实世界中的发现

1. 砾石路
2. 第一周决定一切
3. 三个视角，而非三个阶段
4. 为第一周做准备
5. 五天发现协议
6. 利益相关者访谈
7. 发现产出
8. 现场练习
9. 关键要点

第5章：发现工作

1. 两个过程
2. 原型是工具
3. 过程已经写在ERP中了
4. 选择工作单元
5. 观察人们工作
6. 过程规范
7. 异常考古
8. 决定代理做什么
9. 在改变之前测量基线
10. 验证规范
11. 现场练习
12. 关键要点

第6章：发现人们知道什么

1. 四秒钟
2. 四种知识
3. 为什么访谈会失败
4. 引出
5. 写下来
6. 数据的另一半
7. 偏见，以及你在编码什么
8. 不要捕捉什么
9. 知道是否有效
10. 现场练习
11. 关键要点

第7章：发现工作工具

1. 十一个应用
2. 从办公桌向外盘点
3. 工具清单
4. 接口阶梯
5. 从工具到动作
6. 谁是代理？
7. 可观测性和一个可以失败的地方
8. 可行性，以及诚实报告
9. 现场练习
10. 关键要点

第8章：从模糊到可执行计划

1. 翻译问题
2. 编写结果陈述
3. 从结果到计划
4. 选择合适的交付载体
5. 在不失去势头的情况下管理范围
6. 演示驱动开发，避免演示剧场
7. 编写双方都信任的计划
8. 现场练习
9. 关键要点

生产

第9章：现场工程师的AI模式

1. 不要一开始就用AI
2. 构建块
3. 实践中的代理模式
4. 上下文工程
5. RAG：何时有帮助，何时分散注意力
6. 工具使用和MCP服务器
7. 保持架构简单到足以交付
8. 现场练习
9. 关键要点

第10章：数据、集成和客户系统

1. 工作就是集成
2. 集成模式
3. 结构化、半结构化和非结构化数据
4. 数据访问、身份和最小权限
5. 真相来源问题
6. MCP：集成标准
7. 最小的有用垂直切片
8. 最后一公里
9. 现场练习
10. 关键要点

第11章：评估和支撑工程

1. 模型不是产品
2. 六个支撑层
3. 棘轮原理
4. 评估驱动开发：OpenAI FDE方法
5. 反直觉的测试结果
6. 评估基础设施
7. 支撑成熟度级别
8. 构建能在参与中存活的支撑
9. 现场练习
10. 关键要点

第12章：生产、安全和治理

1. 为什么演示会撒谎
2. 生产就绪：六个维度
3. AI威胁模型
4. 支撑安全：工程，而非希望
5. AI系统的CI/CD
6. AI事件响应
7. EU AI法案：FDE必须知道什么
8. 性能、成本和令牌记账
9. 现场练习：生产就绪审查
10. 关键要点

人性面

第13章：与客户合作

1. 接单陷阱
2. 信任光谱
3. 解释AI局限性而不削弱信心
4. 处理怀疑者和拥护者
5. 协商权衡
6. 让隐形进展可见
7. 现场生存
8. "永久拐杖"反模式
9. 现场练习：每周现场更新
10. 关键要点

第14章：采用、交接和产品反馈

1. FDE的真正交付物
2. 自主阶梯
3. 通过做而不是说来培训
4. 智能体团队
5. 交接里程碑
6. 能存活的文档
7. N对1对N生命周期
8. 区分客户特定和可复用部分
9. 现场报告
10. 支撑作为最终交接工件
11. 现场练习：交接计划
12. 关键要点

第15章：领导并扩展实践

1. 从上方俯瞰
2. 咨询陷阱
3. FDE领导角色
4. 人员配置模型
5. 现场交付物的质量标准
6. 职业路径
7. 组合可见性
8. 构建可复用的支撑组件
9. 完整的端到端场景：Project Atlas（阿特拉斯项目）
10. 在候选人驱动市场中招聘
11. 现场练习：招聘评分表
12. 关键要点

现场就绪的Python

第16章：现代Python惯用法

1. 学习目标
2. 前提条件
3. 什么会迁移，什么会让你惊讶
4. 数据模型：语法背后的协议
5. 读起来像高级工程师的惯用法
6. 总结
7. 复习题
8. 练习
9. 延伸阅读

第17章：类型和数据建模

1. 学习目标
2. 前提条件
3. 类型检查：编译器过去为你做的检查
4. 数据建模：核心用dataclass，端口用pydantic
5. 总结
6. 复习题
7. 练习
8. 延伸阅读

第18章：面向代理的异步和并发

1. 学习目标
2. 前提条件
3. 异步模型，以及何时值得使用
4. 并行运行工具调用
5. 截止时间、取消和保护关键工作
6. 流式模型输出
7. 背压和并发限制
8. 总结
9. 复习题
10. 练习
11. 延伸阅读

第19章：现代Python工具链

1. 学习目标
2. 前提条件
3. 使用uv的环境和依赖
4. 使用ruff的代码检查和格式化
5. 项目的形状：pyproject.toml
6. 你留下的API
7. 使用pydantic-settings快速失败的配置
8. 使用typer的命令行界面
9. 总结
10. 复习题
11. 练习
12. 延伸阅读

第20章：测试和可靠性

1. 学习目标
2. 前提条件
3. pytest和异步测试
4. 测试非确定性：在最窄的边界上模拟
5. 基于属性的测试（Hypothesis）
6. 可靠性：超时、重试和断路器
7. 根据可恢复性处理错误
8. 总结
9. 复习题
10. 练习
11. 延伸阅读

第21章：FastAPI服务和集成

1. 学习目标
2. 前提条件
3. 使用pydantic的类型化端点
4. 通过SSE流式传输代理输出
5. 认证、后台任务和结构化日志
6. 将服务打包为入门套件
7. 总结
8. 复习题
9. 练习
10. 延伸阅读

框架无关的代理工程

第22章：从零开始的代理循环

1. 学习目标
2. 前提条件
3. 四个原语
4. 不用框架编写循环
5. 跨提供商的相同循环
6. 加固裸循环
7. 在SDK中识别该循环
8. 总结
9. 复习题
10. 练习
11. 延伸阅读

第23章：工具、函数调用和结构化输出

1. 学习目标
2. 前提条件
3. 工具是类型化的schema
4. 一个pydantic模型，三个信封
5. 严格模式：停止解析并重试
6. 结构化输出：塑造最终响应
7. 总结
8. 复习题
9. 练习
10. 延伸阅读

第24章：上下文工程、RAG和检索

1. 学习目标
2. 前提条件
3. 什么进入上下文，以及为什么少即是多
4. 在数据中接地代理：RAG
5. 防止窗口溢出：压缩和编辑
6. 跨会话记忆：记忆
7. 总结
8. 复习题
9. 练习
10. 延伸阅读

第25章：多代理编排

1. 学习目标
2. 前提条件
3. 工作流与代理，以及从简单开始
4. 五个基本原语
5. 生产运行时中的模式
6. 本质与附带：持久模型
7. 总结
8. 复习题
9. 练习
10. 延伸阅读

第26章：MCP：跨生态系统的互操作

1. 学习目标
2. 前提条件
3. 架构：主机、客户端和服务器
4. 三个原语，按谁控制它们划分
5. 编写服务器
6. 跨客户端和SDK消费
7. 总结
8. 复习题
9. 练习
10. 延伸阅读

第27章：评估、可观测性和护栏

1. 学习目标
2. 前提条件
3. 评估：在交付前知道它有效
4. 可观测性：看到它在做什么
5. 护栏：保持安全
6. 总结
7. 复习题
8. 练习
9. 延伸阅读

现场就绪的TypeScript

第28章：面向类型语言工程师的TypeScript

1. 学习目标
2. 前提条件
3. 类型系统，映射
4. zod：TypeScript的pydantic
5. 异步和模块工具链
6. 总结
7. 复习题
8. 练习
9. 延伸阅读

第29章：Node和AI SDK

1. 学习目标
2. 前提条件
3. 两个SDK，两个工作
4. 流式处理，从第18章映射
5. 使用zod的类型化工具
6. 总结
7. 复习题
8. 练习
9. 延伸阅读

第30章：Next.js代理演示

1. 学习目标
2. 前提条件
3. 应用路由：服务器和客户端
4. 在你的FastAPI代理之上的流式代理UI
5. 部署演示
6. 总结
7. 复习题
8. 练习
9. 延伸阅读

结论

1. 支撑就是工作，而差距是角色存在的原因
2. 原语比框架更持久
3. 类型是你施加压力的地方
4. 非确定性是一个工程问题，不是借口
5. 你留下了什么
6. 下一步去哪里