←回到首页
番茄动力 · FDE 加速器

成为前沿部署工程师

三个阶段,六个模块,九个企业高频场景的完整交付。从「会写代码」,到能把 AI 落进一家企业的业务主线——这是 Forward Deployed Engineer 的分水岭。

谁适合来:人才画像

不看头衔,看你交付过什么
  • 工程底子|1–5 年开发、实施、测试或运维经验,主力语言 TypeScript/Node.js 或 Python,独立把一个系统送上线过。
  • 把需求当客户|能开会、能追问、能把「我想看看数据」问成一条可验证的交付条目。
  • 对 AI 是真好奇|想搞清楚 AI 到底能为一家企业干什么,并且愿意为此换一种工作方式。
  • 接受驻场节奏|项目在哪,人在哪。FDE 不是远程交付岗位的另一个名字。

怎么跑:三个阶段

先把手感练出来,再把东西造出来,最后把它放到别人的生产环境里活下来。

阶段一

培训

六个模块

把 AI 开发的手感练出来。千问办公、AI Coding、Agent 与 Skill、MCP 连接器——每个知识点当天写进代码,不当作业交。

阶段二

构建

两个端到端应用

一场为期一周的封闭黑客松。组队认领一条真实业务线,把数据接入、智能体编排、生成式界面做到能跑,当场交付、当场评审。

阶段三

前沿部署

一条完整链路

进客户现场,与 FDC 搭档走完整条七段链路。你写的东西要在别人的生产环境里活下来,还要教会别人接手。

六个模块:你会掌握什么

从和 AI 一起写代码,到把系统落进客户现场——六个模块首尾相接,前一节的产出就是后一节的输入。第六个模块不是选修课,它就是阶段三本身。

一

AI 协同开发工作流

和 AI 一起写代码

不是让 AI 替你写,是让你会指挥一支不知疲倦的工程小队。

学什么

  • 项目与目录级规范:把约定写成 AI 读得懂的文件
  • 技能与子代理:并行评审、复杂任务拆解
  • 钩子与事件:提交前、编辑后自动跑检查
  • AI 研发闭环:工单 → 设计 → 编码 → 测试 → PR → 上线 → 监控
  • 对抗式代码评审:让另一个模型来挑毛病
  • 多项目并行:一套会话推几条特性线

关键技术

AI 结对开发项目规范子代理编排并行任务
二

把 AI 做成应用

生产级应用的解剖

一个能上线的 AI 应用,和一段调通的 Prompt 之间隔着整套工程。

学什么

  • 模型与采样参数:温度、top-p、最大长度、停止序列
  • 工具调用与调用循环:把 JSON-Schema 变成动作
  • 多轮工具链与人工确认节点
  • 全栈流式对话:服务端事件、断线重连
  • 生成式界面:模型输出映射到受约束的组件目录
  • 上下文与记忆:令牌预算、滑窗、压缩与长期记忆

关键技术

工具调用流式对话生成式 UI上下文与记忆
三

智能体与检索

让 AI 找对资料

暴力 RAG 为什么会失败,以及什么时候它其实够用——这是判断力,不是技术选型。

学什么

  • 智能体与工具调用的区别:观察—思考—行动循环
  • 先规划后执行、反思与自我修正模式
  • 从零搭一个带护栏与停止条件的智能体
  • 多智能体:编排者、流水线、蜂群与辩论
  • Agentic 检索:搜索、阅读、精炼、交叉验证
  • 虚拟文件系统:对语料做列目录、读取、检索
  • 切分、向量嵌入与知识库构建

关键技术

智能体循环多智能体Agentic 检索知识库切分
四

企业数据与系统集成

接进真实系统

企业不缺数据,缺的是让 AI 安全读到这些数据的那段路。

学什么

  • 多模态采集:文件、图片、音视频、IM、业务系统数据
  • 智能解析与清洗:从杂乱表格、扫描件到结构化记录
  • 自动化标注与置信度评分
  • 结构化抽取:把条款、金额、交付物抽成字段
  • Text-to-SQL 与本体建模:让业务人员一句话取数
  • 权限、脱敏与边界:哪些数据能进模型,谁说了算

关键技术

多模态解析结构化抽取Text-to-SQL权限与脱敏
五

评估、可观测与运维

让它可交付

没有评估集的 AI 应用,等于没有测试的代码——你只是还没出事。

学什么

  • 黄金评估集:一套带标准答案的测试题。把典型与边界用例连同期望结果固化下来,改动之后重跑一遍,就知道有没有把原来做对的弄坏
  • LLM 裁判、快照与回归测试
  • 追踪与提示词版本管理、A/B 对比
  • 成本优化:提示缓存、模型路由、令牌预算
  • 部署、限流、告警与问题四象限归因
  • 把评估左移到方案设计阶段,而不是上线后补

关键技术

黄金评估集LLM 裁判追踪与版本成本与告警
六

前沿部署

FDE 的分水岭

技术只是入场券。让人愿意把业务交给你,才是这个岗位的本事。

学什么

  • 需求鉴别与流程走查:价值×可行性排序
  • 先定义意图,再编排流程:把管理的载体从流程换成意图
  • 与干系人共同圈定架构与验收判据
  • 可靠性设计:兜底、熔断与人工接管点
  • 交付赋能:把管理员教会,让客户能自己配新场景
  • 场景复制与扩展:一次交付变成一条可复用链路

关键技术

需求诊断意图定义交付赋能场景复制

你会做出什么:九个能跑的东西

每一个知识点都配一次真实交付,题目取自企业里最高频的那几类场景。最后把这些能力收拢成一份完整架构设计与一次公开答辩——走完这条路径,你拿得出手的不是证书,是一份客户看得懂的作品集。

01

经营日报自动生成器

多源数据汇总成一份高管日报,异常自动归因,不再靠人手工拼表。

02

管理驾驶舱与问数看板

一句话取数,指标卡与图表自己长出来:Text-to-SQL、口径对齐、看板随问句重排。

03

法规与工艺文件问答

GMP、SD 规范、工艺图纸的带出处精准问答,答案可回溯到原文段落。

04

排产异常助手

从工单与物料数据里定位异常根因,给出处置建议并全程留痕。

05

质检报告生成

图片加检测记录生成结构化报告,带置信度与人工复核入口。

06

合同与标书条款抽取

条款、金额、交付物、风险点抽成字段入库,支持横向比对。

07

IM 机器人与定时任务流

把审批、催办、播报挂进日常沟通入口,到点自己跑、跑完自己报。

08

多智能体调研分析

内部资料检索与公开信息浏览,合成一份带来源的调研报告。

09

评估集与回归看板

给一条已有场景建起标准答案题与回归看板,改动即回归,问题不积压。

技术栈:你在什么上面练

以千问办公为入口、阿里云百炼为底座,围绕企业真实交付链路组织,不追新,只追用得上的。

智能体开发
千问办公AI CodingCoding AgentSkill 与 WorkflowMCP 连接器定时任务
模型与平台
阿里云百炼Qwen-MaxQwen-PlusQwen-Flash模型分层选型
数据与检索
多模态解析引擎切片与向量嵌入Agentic 检索Text-to-SQL知识图谱
评估与运维
黄金评估集LLM-as-JudgeLLMOps 平台追踪与提示词版本成本与告警
现场交付
流程走查意图定义管理员赋能场景复制

你会完整走一遍的:七段链路

七个环节不是课程表,是现场交付的先后顺序。前面六个模块攒下的能力,都会在这条链路上被用到一次。

01需求诊断流程走查 · 价值×可行性排序
02方案设计Agent 拆解 · 评估左移建集
03模型接入知识库·工具注册 · 模型分层选型
04办公落地Skill·连接器 · 定时任务·IM渠道
05评估调优黄金评估集回归 · 问题四象限归因
06交付赋能管理员培训 · 客户独立配新场景
07运营迭代月度复盘 ROI · 场景复制扩展

把工程能力,放到离业务最近的地方

这套方法,我们每天在企业现场用。想清楚了自己适不适合走这条路——留下信息,我们找你聊。

我要加入 FDE