一、FDE 到底是个啥角色？
Forward Deployed Engineer（前线 / 前置部署工程师）＝ 一个"派到前线"的工程师。他不待在自家公司写通用产品，而是钻进客户的真实业务里，对着客户的真实数据和真实流程，把方案一行行落地跑通。
就像装修队的"驻场设计师"🏗️
普通设计师在公司画标准户型图（通用产品）。
驻场设计师直接搬到你家工地，量你家的墙、看你家的承重、躲你家的管线，当场改图、当场施工。
—— 因为"标准图"在真实房子里总会撞墙，得有人在现场把它怼通。
FDE 是三合一的混血：三分工程师（真写生产代码）＋ 三分咨询顾问（懂客户业务）＋ 四分产品经理（判断哪些值得做）。核心使命只有一个：把"看着很厉害的 demo"变成客户每天真在用的东西。
二、老词，为什么 AI 时代突然爆火？
FDE 这个词最早是 Palantir（帕兰提尔）发明并打响的——他们不卖"软件 license"，而是派一队工程师驻到 FBI、银行、医院里，把平台焊进客户的脏数据里。
到了 2024–2025，OpenAI、Anthropic 和一大批 AI 创业公司开始疯抢 FDE。原因很直接：
✗ AI 的尴尬现状
大模型能力是通用的，但企业的价值藏在极度具体、极度混乱的真实流程里。模型 demo 惊艳，一进客户的烂数据 / 老系统 / 怪需求就拉胯——这中间的鸿沟叫 "AI 的最后一公里"。
✓ FDE 就是填这条沟的人
他们蹲在客户那儿调 prompt、接数据、写 eval、改 workflow，把"通用模型"硬掰成"这家客户专属的、真能上线的系统"。模型越强，这条最后一公里反而越值钱。
三、FDE 一天在干嘛？跟"售前/顾问"差在哪？
1
泡在客户现场
看客户真实怎么工作、痛点在哪，常常发现"客户嘴上说的"和"实际要的"完全是两回事。
2
当场写代码、接数据、调模型
不是做 PPT，是真的提交生产代码：接 API、清数据、写 prompt 和 eval、搭 agent loop。
3
超短反馈环
今天上线、明天看客户用得怎样、后天改。以"小时/天"为单位迭代，不是按季度发版。
和传统角色的关键区别：
售前 / 解决方案顾问
主要做演示、画方案、搭样板。不真正交付能长期跑的生产代码，卖完就走。
FDE
真写真上线、对结果负责。既能跟 CTO 聊业务，又能自己 commit 代码，住到方案上线为止。
四、隐藏的杀招：FDE → 产品 飞轮
FDE 最聪明的地方不在"服务一个客户"，而在把现场学到的东西反哺回核心产品。这是 Palantir 留下的经典打法：
FDE 在客户 A 现场硬怼出一个方案
→
发现 B、C 客户也有同样的坑
→
把共性沉淀成标准产品功能
→
产品变强，下个客户更快搞定
先脏后净第一版允许是"一次性的、丑的、客户专属的"，先跑通再说。
从真实里长产品产品路线图不是拍脑袋，是从一线痛点里长出来的。
越跑越快沉淀越多，后面客户的"最后一公里"越短。
护城河对客户业务的深度理解，是模型本身复制不了的壁垒。
五、一句话记住 + 对我们的启示
一句话 👉 FDE ＝ "把工程师扔进客户的真实烂摊子里，亲手把 AI 焊上线，再把经验抽回产品" 的人。
模型负责"通用聪明"，FDE 负责"具体管用"。
- 做 AI 落地的团队，缺的往往不是更强的模型，而是 FDE 式的人——能贴着客户把最后一公里走完。
- 我们自己做项目（Akke / 各客户交付）其实就是 FDE 模式：先在真实场景里跑通一个，再把通用部分沉淀成可复用资产。
- 判断一个 AI 功能值不值得做，标准不是"demo 炫不炫"，而是"客户明天会不会真的天天用"。