PS：AI 落地点击预约直播。
腾讯研究院最近发布了 83 页的《FDE 模式行业观察与实践》，是目前国内把 FDE（Forward Deployed Engineer，前线部署工程师）讲得最系统的材料。今天我把它提炼成一篇架构干货。先给结论：FDE 不是新岗位，而是交付模式的范式重塑；判断是不是 FDE，只看项目结束后留下了什么。PS：FDE 更多案例深入免费学习去这里，扫码直达：
1.打开 AITutor 新一代 AI 原生学习伙伴：www.aiaitutor.com 2.在首页输入"FDE” 就能看到更详细更丰富案例。3.包含了图文、视频、播客、闪卡、代码、测验等9种学习模态。
一、FDE 为什么突然火了
企业正从"买模型、接 API、做 Demo"，转向"做 Agent、接系统、改流程、过合规、跑指标"。传统 SaaS 靠标准化规模扩张，却覆盖不了企业里大量非标、跨系统、强流程的工作。企业要的不是一个模型，而是一个能把事情做完的流程。超过 70% 的企业已尝试生成式 AI，但超过 60% 仍停在试点。模型能力按季度跃升，组织采用却跟不上，瓶颈从"工具"转到了"人"。招聘数据很说明问题：Indeed 上 FDE 职位一年从 643 条涨到 5330 条；2026 年 5 月，OpenAI 成立 Deployment Company 并收购 Tomoro，Anthropic 同日组建部署团队。模型再强，也不会自己走进客户现场。国内更难也更有机会。很多企业是"对话驱动"的，流程写在默契里而不在系统里，而 AI 的入口恰好是自然语言，适合"一边跑、一边修路"。但国内项目多在十万到百万级，必须同时解决两件事：用 AI 和平台压低交付成本，用 Skill、连接器和行业模板抬高复用率。二、80/95/99 规律：FDE 的战场在哪
区间 | 难度 | 典型工作 |
|---|
0 到 80% | 一天出原型 | 通用模型加简单 Prompt |
80% 到 95% | 真正的难点 | 术语、边界情况、规则补充、测试集 |
95% 到 99% | 最难 | 合规、权限、审计、回滚、人工接管 |
FDE 不做 0 到 80% 的活，做的是 80% 到 99%。客户付费，是因为 Demo 到生产之间有一条很长的沟。为什么不是 100%？LLM 是概率系统，再往上边际成本指数级增长。AI 覆盖可规模化的 99%，人工守住不可自动化的 1%，这是工程经济学的最优解。三、FDE 的本质：一套前线学习机制
重交付的根本矛盾是：做得越深越依赖个人，规模越大利润越薄。FDE 试图在交付的同时完成学习，关键是三步闭环：重新定义客户问题，交付可验证的业务结果，把现场经验带回来。缺了第三步，就是高端外包。能力上拆成两类角色：Echo 负责"该做什么"，判断钱从哪里来、流程卡在哪里；Delta 负责"怎么做出来"，快速原型、接系统、调模型。再配一个 FDPM 管客户沟通和节奏。AI 会让 Delta 变便宜，却不会让组织自动更懂客户，谁能系统性培养 Echo，谁就能规模化。交付变成学习靠"双向蒸馏"：面向客户，把员工经验变成知识库、工作流和 SOP；面向厂商自身，把行业场景、接口和失败案例变成 Skill、模板和测试集。两层蒸馏的共同载体是本体层，把各家系统的差异翻译成统一业务语言，让同行业客户可以复用。项目结束后留下了什么 | 定性 |
|---|
只留一个系统 | 外包 |
经验带回来但无法复用 | 项目制 |
沉淀为 Skill、模板、产品能力 | FDE |
下一个客户成本显著下降 | 可规模化 FDE |
一句话的度量标准：第一个客户需要 10 个人月，第十个同类客户还要 10 个人月，模式就没跑通。另外要警惕：AI 抽取的本体可能 98% 是对的，但为了找出 2% 的错误，人必须读完 100%。四、Palantir 的验证：本体层是护城河
Palantir 2025 财年毛利率约 82%，远高于咨询公司的 30% 到 40%。秘密在 Ontology：底层只保留对象、属性、媒体、链接四类原语，上层分为语义层（世界里有什么）、动势层（可以做什么）、动态层（正在发生什么）。AIP 让大模型通过 Ontology 理解业务，而不是裸读数据库。配合 5 天驻场的 Bootcamp，用客户真实数据搭原型，转化率高达 70%。成本曲线是关键：项目制交付做到第 10 个客户，累计成本是第 1 个的 8 到 9 倍；本体化交付第一单是 3 倍，累计到第 10 个只有 4 到 4.5 倍。前者只关心这一单能不能验收，后者关心这一单能不能让下一单更便宜。但国内不能照搬：数据治理底子薄，客单价撑不起十年打磨，0.3% 的录用率也难以复制。要抓住核心逻辑：在数据与业务之间建统一语义层，用 Skill、连接器加行业知识库的轻量方式逐步逼近。五、AI 改变了什么：从 Skill 到本体
FDE 不是新概念，这次火起来，是因为 AI 同时压低了三项成本：行业知识蒸馏、定制开发、复合型人才供给。前线可以用 AI Coding 现场封装工具、生成测试用例，把问题很快变成 Skill 雏形。本体层过去不流行，是因为最后一公里编码太贵；现在AI 负责把清晰描述变成原型，本体层负责让描述稳定可复用。这和我一直讲的 SDD 是同一个逻辑。三类资产各管一件事：Skill解决能力如何复用，连接器解决系统如何操作，行业知识库提供专业内容。单个 Skill 是明文的，容易被复制，不构成护城河；要把三者封装成完整应用。演进顺序也很明确：先有项目里的 Skill，再有跨项目的模板，最后才是系统化的本体层，顺序不能反。六、一线打法：从 Demo 到生产
四步打法：业务理解，协作搭建，用测试集和 A/B 测试保障质量，用 AI 组对比人工组验证业务结果。核心原则只有一条：卖成果，不卖软件。阶段 | 核心任务 | 典型时长 |
|---|
L0 场景识别 | 业务诊断、价值排序 | 1 至 2 周 |
L1 原型验证 | 跑通核心路径 | 2 至 4 周 |
L2 试点运行 | 接真实数据、建测试集 | 1 至 3 个月 |
L3 生产部署 | 权限、审计、监控、回滚 | 1 至 2 个月 |
L4 规模扩展 | 模板化、Skill 复用、伙伴赋能 | 持续 |
多数项目死在 L1 到 L2。原因往往不是技术：试点用户没纳入考核，数据质量在 Demo 阶段被回避，审批和合规没有提前打通。Bob McGrew 说得更直白："要么进入高管前五大优先事项，要么失败。"商业上走 Land and Expand，先用小试点证明价值，并在第一个项目里埋好扩展的种子。七、组织与机制：让"沉淀"算绩效
最常见的死法是本体层缺失的恶性循环：忙着交付没空沉淀，没有沉淀下一单又从零开始。报告给的解法很具体：- 绩效双轨制：Delta 交付占 85%、经验积累占 15%，逐步提到 20% 至 25%；Echo 平台质量占 70%、前线支持占 30%。
- 内部结算：Delta 使用本体要记账，反馈被采纳可以抵扣；Echo 的内部收入取决于使用率，倒逼它保持质量。
- 反馈标准化：每条反馈写清场景、现状、建议和通用性，分 A、B、C 三级评审。
- 矩阵制归属：行政上连产品保证回流，业务上连销售保证贴近客户，避免沉沦为签单赠品。
腾讯云的实践沉淀为平台、工具、生态三层赋能：原厂做标杆，伙伴做复制，客户逐步自助。其中最有说服力的是 CodeBuddy/WorkBuddy 团队，已有头部客户在工具之外单独为 FDE 陪跑付费百万到五百万。人才上不要全靠招聘，要从深耕行业的 SA 里选拔，用项目制培养从 Delta 走向 Echo；也别让"干得好就调回总部"让一线持续失血。八、一个 ERP 推演：账是怎么算过来的
报告用虚构案例推演了全过程：5 人 Echo 团队用 6 个月构建 ERP 本体 V1.0，覆盖 70% 主流场景，前线每做一个客户就提交一份本体反馈单。指标 | 第 1 个客户 | 第 5 个客户 | 第 8 个客户 |
|---|
Delta 交付工时 | 8 人天 | 3 人天 | 2 人天 |
客户上线周期 | 6 周 | 2 周 | 1 周 |
项目毛利率 | 25% | 55% | 70% |
从零定制需要 38 到 45 人天。冷启动投入约 150 万元，到第 8 个客户累计节省约 300 万元，正式回本。客户担心数据被带走？一句话讲清：本体像会计准则，是公共知识；您的数据像账本，始终是您私有的。（案例数字为报告估算值。）九、未来展望与思考
Agent 越强，FDE 不会消亡，而会分化：技术执行被持续压缩，场景定义、组织推动、知识沉淀越来越值钱。平台方要记住 a16z 的提醒：FDE 是脚手架，不是房子，90 天冲刺上线，每季度回收定制代码。- FDE 本质是一个工程闭环。交付是执行，反馈单是观测，评审是评估，版本发布是进化，和自进化 Harness 是同一套思路。
- Skill、连接器、知识库就是"轻量本体"。从今天开始，把重复能力封装成 Skill，把业务规范用 SDD 写清楚。
- 度量决定生死。从第一个项目就画"人天曲线"和"复用率"，曲线不往下走，就该改机制，而不是加人。
大模型不会自动落地，它需要一种新的工程方法，深入业务的前线。如果你对企业级 AI 原生研发体系（Skills、SDD、Harness、Loop、知识飞轮、治理度量）感兴趣，去 AITutor 领取福利。AITutor 福利：AITutor 每个人的 AI 原生学习伙伴，业界最丰富 AI 实践和案例，4500+ 门多模态 AI 课程、7×24 小时 AI 导师已全面开放，快来免费体验吧。- 打开 AITutor，新一代 AI 原生学习伙伴：www.aiaitutor.com
- 在首页输入「你想学习的 AI 知识」，就能看到更详细、更丰富的案例
- 包含图文、视频、播客、闪卡、代码、测验等 9 种学习模态
PS：AI 落地点击预约直播。
十、加我微信
扫码加我👇有很多不方便公开发公众号的我会直接分享在朋友圈，欢迎你扫码加我个人微信来看👇
加星标★，不错过每一次更新！
⬇戳”阅读原文“，立即体验 AITutor