AI 实验室开始为 FDE 写评测的本事买单
Prime Intellect 和 Labelbox 招 FDE,把客户的真实工作流做成 RL 环境和自动验证器。
要点速览
- Prime Intellect 和 Labelbox 都在招 FDE,主要工作是搭建 RL 环境、评测框架和验证器。
- Epoch AI 认为企业工作流是 RL 环境的重要增长领域;Wing VC 指出,企业通常通过前线部署工程获得这类服务。
- Wing VC 同时提醒:缺乏研究深度的环境公司,可能沦为驻场外包团队。
Labelbox 正在招聘一个名为“Forward Deployed Engineer, RL Environments”的岗位。根据招聘信息,这个岗位的主要工作是搭建隔离、可复现的执行环境,供 AI 智能体在训练中使用。
单看这一条,不过是又多了一个职位名称。但把它和 Prime Intellect 的一则招聘以及近期的市场分析放在一起看,趋势就清楚多了。
前线部署工程师(FDE)的看家本领,是坐在客户身边,弄懂对方的真实工作,再把它变成可衡量的东西。如今,这项本领正被打包成产品,卖给 AI 实验室。
对已经在做 FDE 或想做 FDE 的工程师来说,随之而来有两个问题:如果市场要买的正是为客户写评测的能力,这门手艺该学到多深?部署工作会不会正在变成数据外包?
招聘信息描述的是另一种产品
Prime Intellect 把这个岗位称为前线部署研究工程师(forward-deployed research engineer)。核心职责之一,是为每个客户量身设计和搭建强化学习(RL)环境、评测框架(eval harness)和验证器。方法仍是典型的 FDE 做法:深入战略客户的团队,了解他们的智能体架构、失败模式和产品目标。
最值得细读的一句在技能要求部分。Prime Intellect 希望候选人对评测设计有很强的直觉,也就是看一眼客户的智能体,就能很快判断需要衡量什么。公司把评测列为这个岗位的核心能力,而不是部署完成后的附加杂活。
Labelbox 则从数据厂商一侧走向同一个方向。旗下的 Alignerr 部门直接与头部 AI 实验室合作,制作 RL 环境和评测基准,客户中也有财富 500 强企业。
在同一家公司里,数据厂商和 FDE 之间的界线正在变得模糊。
实验室为什么需要贴近真实工作的人
Labelbox 在招聘信息里给出了自己的理由:RL 环境的质量,是当前训练智能体 AI 的最大瓶颈之一。糟糕的环境会让智能体养成坏习惯。好的环境,则需要一个懂得智能体在真实世界里要做什么工作的人来搭。
Epoch AI 在一篇关于 RL 环境的问答中,把企业工作流称为一个重要的增长领域,并举了 Salesforce、报表和电子表格等例子。
Epoch 还认为,产品公司是围绕自家软件搭建环境的天然合作方。合作方提供工作流,FDE 搭建环境,客户的真实工作就直接进入了训练循环。
实验室的需求相当可观。据 TechCrunch 报道,Anthropic 管理层曾讨论在未来一年内投入超过 10 亿美元用于 RL 环境。据 Epoch 介绍,这类合同通常每季度达到六位数到七位数美元。
TechCrunch 还报道,老牌数据标注公司 Surge 已在内部成立专门的 RL 环境部门。数据厂商正在涌入这一细分市场。
一个 CRM 工作流如何变成环境
用一个假设的例子说明这项工作包含什么。某 CRM 客户希望智能体在销售通话后读取记录,更新每个商机的阶段,并创建下一步跟进任务。按传统方式工作的 FDE 会接好 API、写好提示词、用几十条记录测试一下,然后交付。
要把这个工作流变成 RL 环境,还要多做三步。第一步是搭建一个隔离的 CRM 副本,预置固定数据,保证第一千次运行与第一次完全一致。
第二步是把任务写成具体用例。比如,如果记录里写着“客户同意签试用合同”,商机阶段就必须改为谈判,且必须恰好有一条分配给客户负责人的跟进任务。
第三步最难:编写验证器。验证器只给 CRM 的最终状态打分,不看智能体的回复。智能体可以流畅地汇报“已更新完成”,但只要记录还停在旧阶段,或者生成了两条重复的跟进任务,得分就是 0。
坐在客户身边观察到的失败模式,比如重复记录、负责人错误,都会变成测试用例。
这个例子说明了 Prime Intellect 为什么把评测直觉放在首位。Docker 和 RL 算法是容易的部分。难的是界定“把一项工作做对”意味着什么,而这项工作只有客户行业内部的人才完全懂。
| 维度 | 部署产品的 FDE | 搭建 RL 环境的 FDE |
|---|---|---|
| 主要产出 | 在客户生产环境中运行的系统 | 可复现的沙箱、评测框架、验证器 |
| 智能体的失败用来 | 在交付前修复 | 变成测试用例和训练信号 |
| 谁使用成果 | 客户的运营团队 | 客户,以及训练智能体的 AI 实验室 |
| 最被看重的技能 | 集成、沟通、上线生产环境 | 评测设计、选择衡量对象、自动评分 |
| 职业风险 | 被当成听指令干活的集成团队 | 缺乏研究深度,困在外包团队的角色里 |
企业先买人,再买环境
Wing VC 在对 RL 环境市场的分析中观察到,大多数企业并不直接购买环境,这类工作通常经由前线部署工程进入企业。换句话说,FDE 就是分销渠道。没有人坐在客户身边,真实工作流就进不了环境。
Wing 也给出了反面提醒:缺乏研究深度、或尚未赢得实验室信任的环境创业公司,可能停滞为单纯的前线部署团队。
这条路是可能走不通的:人在现场,却没有设计优质训练信号的能力,公司最终卖的是工时,而不是产品。
把 Wing 的两点观察放在一起,开头提出的担忧就有了相当明确的答案。部署工作并没有变成卖数据,而是长出了一条新分支,其价值在于把对客户工作的理解转化为可信的衡量。好的衡量值钱,单纯的工时不值钱。
想走这条路,要准备什么
看招聘信息时,留意 RL environments、evaluation harness、verifier、reproducible sandbox 或 failure modes 这类说法。出现这些词的岗位,招的是设计衡量方法的人,即使职位名称仍写着 FDE 或 applied research。如果招聘信息只提集成和交付,那就属于传统部署路线。
要练的技能,就是 CRM 例子里那条链路:把模糊的工作流拆成具体任务,搭建可复现的环境,再基于最终状态编写评分程序。简历上不要只写“做过评测”,要写清衡量了什么、抓到了哪些失败模式、评测推动了什么决策。
有一个习惯值得从一开始就养成:在把客户的工作流做成环境之前,先问清合同究竟允许它用于什么用途。
当一家公司的真实工作可能变成别人模型的训练材料时,FDE 应当第一个去问这个工作流归谁所有,而不是等法务替他们问。
上一代 FDE 的评判标准,是系统能不能上线生产环境。下一代可能还要回答一个更难的问题:你能证明智能体把工作做对了吗?
这篇文章对你有帮助吗?
感谢你的反馈!
5 个信源
- Applied Research - Forward-Deployed @ Prime Intellect | Menlo Ventures Job Board
- Forward Deployed Engineer, RL Environments at Labelbox | JobMinglr
- An FAQ on Reinforcement Learning Environments (Epoch AI) · 2026-01-12
- Who Will Win the RL Environment Market—and Why · 2026-01
- Silicon Valley bets big on 'environments' to train AI agents · 2025-09-16