AI Agent

Articles tagged "AI Agent"

16 articles in total

企业AI的最后一英里：三大阵营在此对决

本文深入分析了2025年企业AI落地中FDE（前线部署工程师）角色的崛起与三大阵营的竞争格局。OpenAI于2025年5月设立Deployment Company，向企业派驻FDE负责需求发现、系统设计到生产上线的全流程，并将工作方法沉淀为Playbooks和Building Blocks；Anthropic于2025年6月与IT服务商DXC合作，计划培训数万名Claude认证FDE，将Claude接入银行、航空、保险、制造业核心系统；腾讯云于2025年8月将原智能体开发平台认证更名为ADP FDE认证。在企业服务端，明略科技将数据治理、软件实施和行业服务能力转化为Agentic Services，并计划收购普乐德软件以延伸至石油石化、煤炭电力行业。付费方也在主动入局：蒙牛从28个一级业务部门挑选约200名AI先锋建立内部FDE能力，宁夏西鲜记总经理张立飞使用阿里云Qoder以数万元成本自建养殖管理系统，而外部定制方案报价高达数百万元。文章指出，FDE的核心价值在于将前线业务能力沉淀为可复用资产，改变传统软件服务依赖人力驱动的线性增长模式。三大阵营的角力本质上是围绕“谁更贴近业务需求、谁能定义下一代企业服务标准”的竞争，企业AI市场的新分工格局才刚刚开始。

Read More →

Shreyas Peruvemba

本文为 Shreyas Peruvemba 的个人职业档案，展示了其作为前沿部署（Forward Deployed）工程师的职业发展路径与核心能力。Shreyas Peruvemba 目前就职于对话智能软件公司 Observe.AI，担任 Manager, AI Agent Engineering，领导前沿部署（FDE）团队，专注于为客服体验（CX）构建和交付企业级 AI 智能体（AI Agents），包括语音智能体（Voice AI Agents）与陪伴智能体（Companion Agent）。他的工作涵盖从售前（Pre-Sales）到客户扩展的全流程，并主导构建前沿部署运营手册。此前，他在 Cisco 担任软件工程师及业务分析师，积累了两年专业服务集成与中间件开发经验，以及两年 RPA 解决方案交付经验。他拥有迈阿密大学工商管理学士学位，并持有 Postman API 专家、Salesforce 认证 AI 助理及管理员等多项技术认证。档案强调了他从创始 AI Agent 工程师晋升为团队管理者的快速成长，以及 Observe.AI 重新定义客户体验、发布 Companion Agent 以赋能一线团队的行业实践。该档案是 FDE 角色在 AI 客服领域落地的典型职业样本，涉及 AI 智能体部署、人机协同、客户成功与增长等关键领域。

Read More →

FDE前沿部署工程师实战指南：从模型部署到AI Agent系统构建

本文是一份面向前沿部署工程师（FDE）的完整实战指南，系统拆解了 FDE 的核心内涵、技能树、项目实战和学习路径。文章指出 FDE 不是简单的“模型部署”，而是确保复杂 AI 能力（大语言模型、多模态模型、AI Agent、RAG）能够在真实生产系统中稳定、高效、可扩展且低成本地集成的全栈角色，其 40k 以上月薪是对“AI 应用最后一公里”复杂性的定价。核心技能体系覆盖 AI 基础（Transformer、Prompt 工程、RAG、Agent）、工程开发（Python、FastAPI 异步编程）、云原生（Docker、Kubernetes、Istio、Prometheus/Grafana）和系统设计。实战部分通过使用 vLLM 部署 Qwen2.5-7B-Instruct-AWQ 量化模型、构建 FastAPI 代理网关实现路由与监控、编写 Dockerfile 和 Kubernetes Deployment 文件完成容器化与编排，以及部署多智能体项目 My AI Town 来串联所有技能。文章还提供了常见故障排查清单（超时、OOM、推理慢、Agent 循环、Pod 重启）、最佳实践（IaC、配置分离、可观测性、成本优化、降级策略）及三阶段学习路径（基础巩固、核心技能、项目实战），并解析了面试考察的系统设计、故障排查和工程协作等方向，为求职者提供了从零到就业的路线图。

Read More →

AI工作流自动化与前置部署工程师：2026完整指南

本文是FDE学院发布的关于利用前线部署工程师（Forward Deployed Engineers, FDEs）实现AI工作流自动化的2026年完整指南。文章核心论点是，企业AI部署的失败往往源于从通用模型到混乱的真实工作流之间的最后一公里鸿沟，而非模型能力不足。FDE作为一种复合型技术角色，集软件工程师、解决方案架构师和现场顾问于一身，通过直接嵌入客户环境、深入理解实际业务流程，来构建定制化的AI自动化系统。这一做法不同于传统的机器人流程自动化或标准咨询，FDE拥有从流程发现、工具选择、系统集成到人机协同治理和持续迭代的完整生命周期所有权。文章引用了Deloitte和McKinsey在2026年的研究数据，指出仅有少数企业具备成熟的自主代理治理模型，且只有约三分之一的企业真正重新设计工作方式，而端到端流程再造的企业能获取显著更多价值。指南详细阐述了金融服务、医疗保健、物流、B2B SaaS和客户运营等行业的实际应用案例，并对比了FDE与传统自动化顾问在参与模式、工具、所有权和适应性上的差异，强调了其在处理复杂、非标准化工作流中的优势。文章最后指出，FDE的角色正从代码编写者转变为自主系统的设计者和治理者，并提及企业采用此模式的风险，如范围蔓延和知识孤岛，需要明确的治理框架和分阶段推广。

Read More →

为什么前向部署工程师成为企业AI最新、增长最快的角色

本文探讨了前线部署工程师（Forward Deployed Engineer, FDE）在企业AI领域成为增长最快的新兴角色的原因与现状。尽管企业AI采用率表面看很高，Gartner数据显示2026年第一季度80%的企业应用嵌入了至少一个AI智能体，但S&P Global Market Intelligence和麦肯锡指出仅有31%的企业真正在生产环境中运行智能体，银行保险业领先（47%），医疗和政府落后（18%和14%）。模型不断进步，真正缺失的是将企业实际工作流、数据和判断转化为可信赖的AI系统的人。FDE正是填补这一鸿沟的角色，其招聘量在2025年4月至2026年4月间暴涨729%，从643个职位增至5330个，薪资在17万至20万美元以上。OpenAI在2026年5月投入40亿美元建立专门的部署公司并收购了拥有约150名FDE的AI咨询公司Tomoro；Meta推出Agent Transformation Accelerator；Anthropic与Fidelity Information Services合作设计金融犯罪智能体；Google Cloud也扩大了FDE招聘。文章区分了FDE的两类工作：工作流构建者和集成与API专家，并建议在招聘前问清三个问题：实际招聘目的、合同结束后工程师的访问权限如何处理、如何提前定义成功。BCG和Forrester数据显示，智能体部署的中位价值实现时间为5.1个月，销售开发类为3.4个月，财务运营类则需8.9个月。Skai公司已在Skai Studio中部署自己的FDE团队来构建AI营销劳动力。

Read More →

对前置部署工程师的90亿美元押注

2025年前9个月，前线部署工程师（Forward Deployed Engineer, FDE）职位发布量增长超过800%，成为企业AI落地最紧俏的角色。文章指出，虽然模型能力日益商品化，但将AI接入专有数据、遗留系统、安全控制与业务流程仍极其困难。一个周末就能构建的演示，进入银行、制药或制造企业后，需要面对碎片化数据库、合规要求与抵触变革的员工。John Deere在OpenAI FDE的协助下实现精准农业喷洒，减少化学药剂60%~70%。AWS、Microsoft、OpenAI与Anthropic等厂商已承诺或吸引约90亿美元投入AI实施服务，标志着部署能力已成为新护城河。文章系统分析了FDE的职责：嵌入客户现场，整合数据、搭建代理工作流、建立评估框架，弥合客户业务知识与初创公司技术能力之间的鸿沟。同时讨论了VC的考量：用短期毛利率换取长期防御性，但必须将现场工作产品化，否则会沦为咨询公司。给出了初创公司规模化FDE的五大操作手册：组建小团队而非寻找全能独角兽、筛选有执行准备而非仅有兴趣的客户、锚定业务成果而非AI用例、设计每项合作以客户自立为终点、将田野工作系统性地转化为可复用产品。最终指出，决定胜负的不是模型或特性数量，而是在技术与客户的边界上更快学习并将学习成果产品化的能力。

Read More →

Forward Deployed Engineering — 你的工作流，内置于平台

本文介绍了 MangoApps 公司推出的 Forward Deployed Engineering 服务。该服务模式的核心是将 MangoApps 工程师直接嵌入客户团队，通过现场观察、快速迭代的开发方式，将客户的复杂工作流直接构建到 MangoApps 平台中。与传统的顾问提出建议后离开不同，Forward Deployed Engineering 的最终交付物是运行在生产环境中的、配置好的应用、模板和 AI 代理，而非一纸建议书。其工作流程包括：从真实问题出发、与团队并肩工作、快速构建可用原型、根据反馈快速调整，以及最终的软件移交与持续优化。文章对比了标准新人入职引导与 Forward Deployed Engineering 服务的差异，前者是“我们指导，你们构建”，后者是“我们与你们一起构建”。Forward Deployed Engineer 主要进行配置、组合、自动化及必要时进行平台扩展。服务提供了 Workflow Launch（2-4周）、Embedded FDE（6-12周）和 Fractional FDE（持续性月度合作）三种合作模式，服务于那些工作流复杂、管理带宽有限的多地点运营商、受监管行业等客户。文章还引述了 Full House、Raley's Supermarkets 等客户的积极评价，并公布其拥有超过 200 万用户、78 的 NPS 评分以及 98% 的客户留存率。

Read More →

Cars24 推出 Deployment Inc，印度首家前向部署人工智能公司

2026年8月10日，印度二手车交易平台Cars24宣布投资500万美元，孵化并推出独立企业AI公司Deployment Inc，号称印度首家前向部署AI（Forward-Deployed AI）公司。Deployment Inc将作为独立实体运营，服务金融服务、消费品、医疗、制造、物流和科技等多个行业，Cars24是其首个客户。该公司核心模式是派遣前向部署工程师（FDE）驻场到客户组织内部，从具体业务工作流切入，对接模型与数据系统，在真实流量环境下部署AI系统并持续运营直至其大规模可靠运行，对该工作流的业务指标负责，解决AI模型演示能力与企业可依赖生产系统之间的落地鸿沟。Deployment Inc的起源是Cars24内部AI运营体系，目前已有超过45个AI智能体在客服、销售、金融、检测、支付和内部运营等环节运行，每月处理超100万分钟客户对话，服务请求周转时间从32小时降至30分钟，检测时间减半，工程团队产出提升3倍。公司由Cars24 AI及科研创新负责人Jayesh Gupta和曾在xAI、Zomato、Atlassian、Disney+ Hotstar等公司任职的AI研究员Aayush Gupta联合创立。Deployment Inc已被认定为OpenAI Select Partner，将结合OpenAI的前沿模型能力与自身工程实施专长，计划本月招聘50名工程师，主要为前向部署工程师，现已开放第二批企业合作申请。

Read More →

21 万个项目、97% 准确率 科大讯飞 FDE 模式跑通千亿级智能招采项目

本文深度报道了科大讯飞与国家能源集团在智能招采领域的典型合作案例，详细拆解了科大讯飞提出的FDE（前置部署工程师）模式的实践闭环。双方自2022年启动合作，基于星火大模型和星辰Agent底座构建的招采智能体平台，已实现覆盖招采全流程的智能体系。该系统建设了12类标准化知识库，实现了“业务即标注”的持续迭代机制，并已在国内首个商业运行的智慧评审系统中累计运行超过21万个项目，智能评审准确率达97%，非招标采购无人化率超89%，每年节约人工评审成本超亿元，累计创造间接经济价值40亿元。平台能力已成功复制到合肥、广州等公共资源交易中心，并服务中国华电、中国大唐等央国企，覆盖十余个行业。文章论证了FDE模式从“深度共创、平台沉淀、价值验证到持续复用”的完整路径，指出企业级AI的竞争本质是行业理解、工程交付和持续运营能力的综合竞争。

Read More →

Muse Glimmer 介绍：一款可在你的设备上运行的开源智能体模型

Meta AI Research 正式发布了名为 Muse Glimmer 的开源智能体模型，并将其权重在 Apache 2.0 许可下开源。Muse Glimmer 是一个拥有 300 亿参数的模型，专门为始终在线的本地智能体工作流优化，设计目标是能在搭载单个消费级 GPU 的 Mac 或 PC 上运行。该模型旨在实现本地智能体、函数调用、本地编码及 LLM 作为评估器等用例。在训练层面，Meta 采用了紧凑的架构设计，通过基于 Muse Spark 输出的逻辑蒸馏进行预训练，并在中期训练阶段引入更长上下文和带有丰富推理痕迹的数据，最后结合监督微调、在线策略蒸馏和强化学习进行后训练。在性能上，Meta 宣称 Muse Glimmer 在同尺寸模型中表现强劲，与 Gemma4-31B 和 Qwen3.6-27B 等模型相比，具备可靠的端到端任务完成、多步推理、失败恢复及多模态输入输出能力。为了在消费级硬件上实现实用的运行速度，Meta 采用了约 4-bit 的量化技术压缩权重，并引入基于 DFlash 的轻量级推测解码起草模型，能在无损质量的前提下显著提升生成速度。该模型目前在 Hugging Face 提供下载，并将通过 Ollama、LM Studio 等合作伙伴集成，支持 llama.cpp、MLX 和 ExecuTorch 等边缘框架，同时正与 AMD、Arm、Dell、Intel 和 NVIDIA 等硬件厂商合作优化全设备性能。

Read More →

前部署工程师

本文是 IFS 公司发布于 2026 年 8 月 2 日的 Forward Deployed Engineer（前线部署工程师）招聘信息。该职位隶属于 Taskfusion 项目，专门面向 IFS 收购的企业，通过设计、配置、测试和上线智能 AI 代理，为复杂业务工作流交付生产就绪的定制化 AI 解决方案。FDE 需要直接与客户合作，从需求发现、原型设计到部署调优全程负责，核心目标是快速降低运营成本、提升效率并减少错误。技术要求包括 2–5 年软件工程或 ML 部署经验，精通 Python，并熟练使用 OpenAI、Hugging Face、LangChain 等 AI/ML 框架，以及 Pinecone、Weaviate 等向量数据库。同时要求具备 LLM 应用、RAG 系统和对话式 AI 的构建经验，并能通过 API 集成 Salesforce、ServiceNow、SAP、Oracle 等企业级系统。理想候选人还需拥有 SaaS、客服运营或制造系统背景，以及多智能体编排经验。IFS 强调混合办公、多元包容文化，并表明自身是一家年收入十亿美元、7000 多名员工的全球企业软件公司，AI 技术是其核心支柱。该招聘清晰定义了前线部署工程师作为连接产品与客户需求的工程枢纽角色，体现了大型企业软件公司对 AI 最后一公里落地的系统化投入。

Read More →

现场部署工程师（Forward Deployed Engineer）

本文是 Poka 公司发布的 Forward Deployed Engineer（前线部署工程师）招聘启事。Poka 是一家致力于制造业数字化转型的互联工人平台，其产品帮助一线工人实时协作、知识共享和持续改进，已服务于 Nestlé、Bosch、Mars、Danone 等全球头部制造商，并隶属于 IFS 集团。该 FDE 岗位区别于传统解决方案或咨询角色，要求工程师端到端地负责从需求发现到软件交付的全过程，在数周内将 AI 方案部署到客户真实运营中。核心职责包括：与制造企业深度合作挖掘 AI 和集成价值点、设计和构建 Poka 与 ERP/MES/CMMS 等企业系统的 API 集成、利用现代 LLM 框架开发 AI 驱动的工作流和智能体（如操作员助手、智能分类、文档处理、异常检测），并支持售前技术交流。应聘者需具备客户面向前线技术经验，核心优势是拥有 AI Agent 和 LLM 工作流的实际构建能力，熟悉 OpenAI、Anthropic 的 LLM API，能用 Python、Node.js 等快速从模糊需求构建可工作原型。岗位提供远程办公、灵活工时、家庭办公津贴等福利，需出差约 25%-35% 到客户现场。这一招聘反映了面向制造业的 AI 前线部署工程师角色正在成为将大模型技术落地到真实工业场景的关键工程枢纽。

Read More →