CrewAI

Articles tagged "CrewAI"

3 articles in total

August 12, 2026

FDE技能指南：T型职业发展路径

本文是一份前线部署工程师（FDE）的T型技能与职业路径指南，发布于2026年8月。文章指出，FDE处于全栈软件工程、解决方案架构和客户管理三者的交叉点，是Agentic AI在企业中成功部署的关键推动者。通过对Ankur Kumar等行业专家的引述，文章强调FDE成功取决于理解业务问题、应用产品知识并在客户现场持续演化技能，因为Agentic设计模式、生产级最佳实践和评估方法变化极快。FDE的T型结构包括横向八项核心技能：全栈软件工程（Python、Java、Go、Rust及REST、GraphQL、gRPC等）、数据工程与ETL（Kafka、Spark、Snowflake）、云与基础设施（Docker、Kubernetes及至少两个主流云平台）、GPU基础设施基础、技术发现与范围界定（C4模型）、解决方案架构、产品反馈闭环以及客户沟通与危机管理。纵向深度要求精通一个Agentic AI平台，文章列举了LangGraph、CrewAI、Google Vertex AI Agent Builder、AWS Bedrock Agents、Microsoft Copilot Studio、Azure AI Agent Service和Databricks Agent Framework七个选项，并提供了一个九周实战计划，从ReAct循环基础、RAG知识Agent、多智能体系统、多模态Agent、通信协议（MCP、A2A）、混合搜索（SPLADE、BGE、Qdrant）、可观测性与安全（LangSmith、DeepEval、Guardrails AI、Presidio）到微调（LoRA、QLoRA、Hugging Face Hub），每阶段均有可交付项目。文章还对标Palantir、OpenAI、Google、Microsoft、AWS、Deloitte和Endava的实际招聘要求

July 28, 2026

代理式AI时代的前沿部署工程：从氛围编码到受控自主

本文由 Magesh Kasthuri 撰写，发表于 CIO 网站，系统阐述了前线部署工程（Forward-Deployed Engineering, FDE）在 Agentic AI 时代从一种小众交付模式演进为企业人工智能核心运营范式的必然性。文章指出，Agentic AI 智能体不仅能回答问题，还能规划、调用工具、读取企业数据、更新系统、触发审批并持续执行多步骤，因而生产成功不再依赖模型演示，而取决于对业务上下文、工作流边界、控制、可观测性和人类问责的精心工程化。FDE 通过将工程能力嵌入业务现场，结合软件工程、数据工程、云架构、模型评估、安全设计和用户研究，将 AI 构想转化为可工作、受治理、可测量的系统。文章提出了成熟的 FDE 运营周期，包括澄清业务成果、分解工作流、构建薄片生产切片、迭代调优和知识转移，并详细阐述了五层治理模型：意图治理、数据治理、工具治理、决策治理和运行时治理。在安全方面，强调最小权限、工具白名单、防间接提示注入、审批门和可审计跟踪。文章还探讨了 FDE 与“氛围编程”的互补关系，以及如何通过 LangGraph、Microsoft AutoGen、Microsoft Agent Framework 和 CrewAI 等框架实现受控的多智能体编排。作者引用 Gartner、Forrester、IDC 和 Everest Group 等机构的研究，印证了 FDE 在解决 AI 落地“最后一公里”问题上的核心价值。结论强调，企业 Agentic AI 必须与业务共同设计、由架构治理、安全默认内置并作为活系统持续运营，这正是 FDE 的实践承诺。

July 11, 2026

AI 部署工程师

本文是AI公司CrewAI发布的AI部署工程师（AI Deployment Engineer）职位招聘信息，发布日期为2026年7月9日，工作地点为美国远程。该岗位属于售后技术角色，核心职责是负责从签约到生产环境成功运行的端到端客户技术关系，包括技术实施与集成、部署与生产运营、客户成功与关系管理，以及文档编写与反馈闭环。关键职责包括：主导CrewAI平台与客户系统的技术集成，涉及API集成、数据管道、认证流程和自定义工作流；使用Python、Agentic AI Stack和云平台开发定制的智能体和工具；监控已部署解决方案的性能、可靠性和商业价值；作为主要技术联系人为企业客户提供培训和支持。岗位要求3年以上客户面向前沿部署工程师或类似经验，精通Python和容器化部署技术如Docker和Kubernetes，熟悉LLM、RAG模式和提示工程等AI/ML技术，具备解决分布式系统生产问题的能力。该角色需要与产品、工程、销售和客户成功团队紧密协作，考核指标包括项目成功率、客户满意度评分、净收入留存率等。这是一个面向Agentic AI企业级落地的实战岗位，反映了多智能体系统从实验走向规模化商业部署的行业趋势。