FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

分析

招聘 FDE,生产级代码只是入场券

Anthropic 要求 4 年以上面向客户的技术岗位经验,而这恰是你现有工作安排让你远离的另一半技能。

分享微博

要点速览

  • 在 FDE 招聘中,技术能力只是最低门槛,候选人的排序看的是别的东西。
  • 很多软件工程师缺三样东西:直接面对客户的经验、挖掘未成文工作流程的能力,以及把 LLM 落地到生产环境的经验。
  • Anthropic 的招聘启事要求 4 年以上技术类、面向客户的岗位经验,所以应当从现在的工作开始积累这类经验。
表格列出 FDE 工作的六个维度。软件工程师已具备生产级代码能力,这是通过面试的门槛;工作范围、客户、业务领域和模糊性需要靠经验补齐;只有以橙色突出的应用 AI 可以靠学习技术补上。
软件工程师已具备生产级代码能力,但 FDE 招聘方只把它当作门槛。其余五项差距中,只有应用 AI 主要靠进一步学习就能补上,另外四项必须在真实工作环境中积累。资料来源:本文综合 Paraform、Futurense、Data Conversationalist 上的一份实战手册及 Anthropic 招聘启事整理。

Anthropic 招聘应用 AI 方向前线部署工程师(FDE)的启事里,有一行要求连资深工程师看了也会犹豫。它问的不是你写了几年 Python,而是要求 4 年以上技术类、面向客户的岗位经验,例如 FDE 本身。

这一行道出了转型 FDE 的悖论。软件工程师花多年磨炼的最难技能,也就是写出能在生产环境运行的代码,在招聘方眼里是理所当然的。招聘平台 Paraform 说得很直白:技术能力是门槛,不是给候选人排序的标准。

对于有 2-8 年经验、瞄准 FDE 岗位的开发者,这既是好消息,也是坏消息。好消息是,你已经具备一半的技能。坏消息是,另一半不会因为多写代码而到来,因为你现在的工作分工,本来就是为了让你远离它。

你已有的那一半,比你想的更多

先说优势。Palantir 式的 FDE 模式常被概括为:写生产级代码,但要在客户内部写。前半句本来就是你的本行。

Paraform 列出了五项核心技能:一门后端语言、云基础设施、数据工程、应用 AI 和客户沟通。前三项就是后端工程师的日常工作。Anthropic 的启事同样把这份工作描述为在客户系统中用 Claude 模型构建生产应用。

Data Conversationalist 上发表的一份 FDE 实战手册,把 FDE 描述为这样的人:知道该做什么,知道它为什么对业务重要,也知道如何在生产环境中部署和扩展。第三点正是资深工程师相对于只擅长与客户沟通的人的明显优势。理解客户是一回事,让系统在客户的真实环境里稳定运行是另一回事。

那么差距在哪里?

软件工程师通常欠缺的是前两点:做什么,以及为什么做。不是因为能力弱,而是因为从来不需要做。手册作者认为,传统工程师的职业路径不要求这些技能,因为后台部门替工程师挡住了业务问题。

Futurense 从另一个角度看待同一现象:在多数组织里,软件工程师很少直接与客户打交道,反馈通常经由技术支持或产品经理转达。工单到你手里时,已经有人把用户的问题改写成了需求,你拿到的只是转述后的版本。

FDE 必须亲自完成这种转述,而直接倾听用户并不容易。手册指出,员工很少主动说出那些未成文的工作流程,或者仍在手工处理的例外情况,除非有人问起。想要弄清楚,你得懂得怎么问,还得赢得足够的信任,对方才愿意告诉你。

设想你被派到一家物流公司,构建一个处理单据的智能体。需求文档写的是“读取发票,录入 ERP”。也许要到你第三次和财务团队坐在一起时,才会知道有一家大客户总是把发票拆成两个文件发来,团队负责人每周都要手工拼合,而需求文档对此只字未提。

广度胜过深度,再加一层 AI

下一个差距在于工作性质。Futurense 指出,FDE 的技术范围很广,而软件工程师通常专注于打磨单个组件。专精型工程师习惯问“怎样把这个模块做到最好”,FDE 则要问“客户下周需要什么能跑起来,系统里哪一块在卡着它”。

更新的一项是应用 AI。Anthropic 要求有把 LLM 落地到生产环境的经验,包括高级提示工程和 Agent 开发。这是最具体的差距,也最容易补上,因为它仍属于技术范畴:可以自学、自己动手做、自己评测。

剩下的是工作方式。Anthropic 的启事强调高度的主动性,以及在复杂组织中应对模糊状况的能力。Paraform 观察到,参加过黑客马拉松、在早期创业公司工作过或者背过值班寻呼机的工程师,往往适应得最快。

这三种环境有一个共同点:没人给你一份完整的需求文档,而犯错会带来真实的后果。

维度 软件工程师的习惯 对 FDE 的期望 如何在现有岗位补齐差距
生产级代码 后端、云、数据:已有优势 在客户系统中编写生产级代码 保持手感,这是通过面试的门槛
工作范围 深挖,打磨单个组件 横跨系统多个部分 承接跨越技术栈多个层次的端到端工作
客户 反馈经由技术支持或产品经理转达 直接倾听,亲自建立信任 申请参加需求澄清会
业务领域 有后台部门挡着 挖掘未成文的工作流程和例外情况 花时间坐在终端用户旁边
应用 AI 往往没有把 LLM 落地到生产环境 高级提示工程、Agent 开发 做一个有真实用户、真实评测的小项目
模糊性 有现成的需求文档 在复杂组织中主动推进 加入值班轮岗,参加黑客马拉松

别等着被派去见客户

表格里值得注意的一点是:只有应用 AI 这一行,主要靠多学技术就能补上。其余各行都是经验,而经验必须在真实的工作环境中积累。这也是转型 FDE 无法打包成一门课程的原因。

Anthropic 的 4 年要求说明,转行者很难直接进入这个岗位。但仔细读措辞:他们认可的是技术类、面向客户的岗位经验,FDE 只是其中一个例子。

因此,务实的路径是在现在的工作中积累这类经验,求职时再用准确的说法把它讲出来。

如果你在服务或外包公司,申请参加需求澄清电话会,而不是事后才接工单。如果你做产品,申请跟技术支持坐一次班,或者加入值班轮岗。每发现一个需求文档漏掉的隐性需求,就记下来。

这些记录会成为简历的素材。“实现了功能 X”这样的描述只能证明你达到了门槛。写清楚你发现了哪个例外情况、通过哪次交流发现、部署后带来了什么结果,才能展示门槛之上的能力。

回到前面假设的物流案例。修改前:“构建了一个读取发票并将数据录入 ERP 的智能体。”修改后:“与财务团队交流三次后,发现一家大客户总是把发票拆成两个文件发送;在智能体录入 ERP 前增加文件合并步骤,免去了团队负责人每周的手工合并。”

同一个项目,只有第二种写法能让招聘方看到你三点都做到了:做什么、为什么做、把它做成。

阅读职位描述时,留意“客户系统”“模糊性”“LLM 生产环境经验”这类措辞。它们告诉你,这个岗位需要你已经用实践经验补上哪些差距,而不只是需要掌握哪些技术。

生产级代码能让你跨过门槛。职位描述里的其余部分,从直接面对客户的经验、应对模糊状况,到把 LLM 落地到生产环境,才是你和其他候选人拉开差距的地方。

这篇文章对你有帮助吗?

5 个信源
路线图上的下一篇 · 阶段 8: 职业发展标着“Remote”的 FDE 岗位,是越南工程师走错的门一则“Remote”岗位要求美国国籍,坚持到岗办公的 AI 大厂反而提供签证或搬迁支持。