FDE ở Handshake: đọc ba tin tuyển dụng và chuẩn bị bằng chứng cho từng dòng

Bạn mở tin tuyển dụng Forward Deployed Engineer của Handshake AI Enterprise, và giữa những dòng quen thuộc có một câu dễ đọc lướt qua: vị trí này không phải vai trò triển khai hay tư vấn. Nếu bạn đang muốn chuyển sang FDE, đừng lướt qua câu ấy, vì nó cho thấy khá rõ Handshake tìm kiểu kỹ sư nào.

Handshake là trường hợp đáng học vì công ty đã đăng tin FDE ở nhiều cấp, mỗi tin viết khá cụ thể, dù tin cấp Staff nay đã đóng. Mảng AI của họ mọc ra từ mạng lưới chuyên gia học thuật mà các phòng lab AI hàng đầu rất cần.

FDE ở đây vì thế gặp hai kiểu khách hàng: các phòng lab AI đối tác trong tin cấp trung, và khách hàng doanh nghiệp trong tin Enterprise AI.

Đọc kỹ các tin này, bạn có một bản đề bài rõ ràng để chuẩn bị, dù bạn có nộp vào Handshake hay không.

Cách học hiệu quả nhất là coi mỗi dòng yêu cầu như một câu hỏi phỏng vấn sẽ gặp, rồi chuẩn bị sẵn một bằng chứng đã chạy thật để trả lời nó.

Ba tin tuyển dụng, ba nấc của cùng một nghề

Tin FDE đời đầu ở cấp trung đặt kỹ sư làm việc với các phòng lab AI đối tác và các đội nội bộ, tự chịu trách nhiệm từ ý tưởng tới deployment.

Theo phần tóm tắt trang tuyển dụng, tin này đòi 2–4 năm kinh nghiệm, ReactJS/TypeScript, và hiểu vững cơ sở dữ liệu quan hệ như PostgreSQL cùng data modeling. Nó cũng yêu cầu dựng prototype nhanh, thử và sửa theo phản hồi trực tiếp, rồi viết playbook để lần triển khai sau lặp lại được.

Tin Enterprise AI đẩy trọng tâm sang agent. Kỹ sư ngồi hẳn với khách hàng doanh nghiệp trong một đội deployment nhỏ, thiết kế và chạy eval để đo hiệu năng agent, rồi cải tiến dần cho tới khi kết quả thực sự nhích lên.

Tin này nói rõ họ cần người đã đưa ứng dụng AI vào production, không chỉ fine-tune hay làm prototype, và hiểu kiến trúc agent cùng cách đo và cải thiện AI có hệ thống.

Tin Staff, đăng ngày 9/2/2026 ở San Francisco và hiện đã đóng, thêm hai lớp nữa. Ứng viên phải từng dẫn dắt những dự án mơ hồ, rủi ro cao từ con số không với rất ít chỉ dẫn. Kinh nghiệm làm việc trực tiếp với cấp VP hoặc C-level phía khách hàng là một điểm cộng được ghi trong tin.

“Không phải tư vấn” thay đổi công việc hằng ngày ra sao?

Một tư vấn viên có thể viết đề xuất rồi để đội khác hiện thực. Một kỹ sư triển khai có thể cài đặt sản phẩm theo kịch bản có sẵn.

Vì thế, kỹ năng giao tiếp ở đây không phải phần phụ. Tin cấp trung ghi hẳn yêu cầu giao tiếp và cộng tác tốt với cả người kỹ thuật lẫn người không kỹ thuật. Khi bạn ngồi trong đội của khách hàng, một buổi demo prototype thất bại vì bạn giải thích kém cũng tốn chi phí như một bug.

Thử hình dung tuần đầu ở một khách hàng doanh nghiệp: họ muốn một agent trả lời câu hỏi nội bộ. Người làm tư vấn sẽ mang về một tài liệu kiến trúc. FDE mà Handshake mô tả sẽ mang về một bản prototype, một bộ eval cho biết agent đúng bao nhiêu phần trăm, và kế hoạch đẩy con số đó lên.

Ví dụ: một dự án, bốn bằng chứng

Giả sử bạn từng làm một chatbot trả lời câu hỏi về tài liệu nội bộ ở công ty hiện tại. Trong CV, dòng đó thường viết là “Xây dựng chatbot RAG bằng LLM”. Dòng này không trả lời được câu hỏi nào trong tin của Handshake, vì nó không nói chatbot có chạy thật không và tốt đến đâu.

Hãy mổ xẻ cùng dự án đó theo từng yêu cầu. Bảng dưới đây là một cách ghép, với các con số chỉ mang tính minh họa để bạn thay bằng số của mình.

Dòng trong tin tuyển dụng	Câu hỏi thực sự	Bằng chứng nên chuẩn bị
Đưa AI vào production, không chỉ prototype	Có người dùng thật không?	Số người dùng, thời gian chạy, một sự cố bạn đã xử lý
Thiết kế và chạy eval, cải tiến tới khi kết quả nhích	Bạn đo bằng gì?	Bộ câu hỏi chuẩn, tỉ lệ đạt trước và sau từng thay đổi
PostgreSQL và data modeling	Dữ liệu được tổ chức thế nào?	Schema bạn thiết kế và lý do chọn nó
Playbook cho triển khai lặp lại	Người khác dựng lại được không?	Tài liệu một trang, có bước kiểm tra cuối

Phần eval đáng đầu tư kỹ nhất, vì nó biến lời tự nhận thành con số. Thử hình dung bạn soạn 40 câu hỏi có đáp án đúng, chạy chatbot và thấy đạt 22 câu. Bạn đổi cách chia đoạn tài liệu, chạy lại được 27 câu; thêm bước lọc nguồn, lên 31 câu.

Chuỗi 22, 27, 31 chính là “hill-climb” mà tin Enterprise nhắc tới. Dòng CV mới có thể viết: “Đưa chatbot nội bộ vào production; xây bộ eval 40 câu, nâng tỉ lệ đạt từ 22/40 lên 31/40 qua hai vòng cải tiến.” Người phỏng vấn sẽ hỏi tiếp về hai vòng đó, và bạn đã có sẵn câu chuyện.

Chuẩn bị theo thứ tự nào?

Bắt đầu từ nấc bạn đang đứng. Nếu bạn 2–4 năm kinh nghiệm, nền móng của tin cấp trung đến trước: viết được một ứng dụng React/TypeScript gọn gàng nối với PostgreSQL, và giải thích được vì sao schema có hình dạng như vậy.

Tiếp theo là eval, kỹ năng đặc thù AI mà tin Enterprise đưa vào cả phần mô tả công việc lẫn phần yêu cầu. Lấy bất kỳ agent hay chatbot nào bạn từng làm, viết bộ câu hỏi chuẩn, chạy, ghi số, sửa một thứ, chạy lại. Lặp vài vòng là bạn có một câu chuyện đo lường thật thay vì một lời tự nhận “hiểu về evals”.

Sau đó viết playbook. Tin cấp trung coi việc ghi lại giải pháp để triển khai lặp lại là một phần công việc, không phải việc làm thêm. Một playbook tốt nêu điều kiện đầu vào, các bước dựng, cách kiểm tra là đã chạy đúng, và những chỗ hay hỏng.

Cuối cùng, nếu bạn nhắm cấp cao hơn, hãy gom những lần bạn tự nhận một vấn đề chưa ai định nghĩa và đưa nó tới kết quả. Tin Staff không hỏi bạn giỏi làm theo đặc tả; nó hỏi bạn đã từng tự viết đặc tả trong mơ hồ hay chưa, và đã thuyết phục được ai ở cấp lãnh đạo khách hàng.

Những lỗi khiến hồ sơ trượt

Lỗi phổ biến nhất là kể prototype như thể đó là production. Handshake viết rõ họ không tìm người chỉ fine-tune hay dựng bản thử, nên một portfolio toàn demo trên notebook sẽ trả lời sai đúng câu hỏi quan trọng nhất.

Lỗi thứ hai là tự giới thiệu như tư vấn viên. Những cụm như “tư vấn giải pháp”, “làm cầu nối” nghe hay, nhưng va thẳng vào câu “không phải vai trò tư vấn”. Hãy kể bằng động từ của người xây: viết, đưa lên, đo, sửa.

Lỗi thứ ba là nói về eval mà không có con số. “Có kinh nghiệm đánh giá LLM” không chứng minh được gì; một chuỗi tỉ lệ đạt qua từng vòng thì có. Và đừng bỏ qua giao tiếp: chuẩn bị sẵn một ví dụ bạn đã giải thích một quyết định kỹ thuật cho người không làm kỹ thuật, vì tin tuyển dụng đặt nó ngang hàng với PostgreSQL.

Bài tập cho tuần này

Chọn một dự án AI bạn đã làm, dù nhỏ. Viết 30 câu hỏi có đáp án, chạy một lần, ghi tỉ lệ đạt, sửa đúng một thứ rồi chạy lại. Đến cuối tuần, bạn sẽ có hai con số và một lý do giải thích khoảng cách giữa chúng.

Ứng viên FDE nào cũng nói mình cẩn thận và hướng tới khách hàng. Hai con số đo được đó mới là thứ phân biệt bạn với họ.