# FDE 项目先定“为什么”和“做什么”，再写代码

> Databricks 在动工前用与客户共享的 OKR 锚定项目，一页三层的项目简报也能起到同样作用。

原文: https://fdetimes.net/zh/guides/fde-engagement-why-what-how/

周一上午，客户启动会。运营副总裁开场就是一句熟悉的话：“我们需要一个 AI 智能体来回答客户的问题。”你是会议室里的前线部署工程师（FDE），第一反应大概是琢磨用哪个模型、数据从哪里来、部署在什么基础设施上。

这个直觉方向没错，只是来得太早。客户这句话只是“how”这个问题的一种答案，而在它之前还有两个问题，会议室里没有人回答过：为什么需要改变，以及什么样的改变才算成功。

这里要练的本事，是把每个项目拆成三个问题：why、what 和 how。你要知道哪个问题由你回答，哪些要和别人一起回答；在前两个问题还是空白时，不要写第一行代码。

## 三个问题有什么不同？

“why”是业务原因：客户正在损失什么，或者错失了什么机会。“what”是可衡量的结果，也就是双方约定用来评判项目的那个数字。“how”是你构建的系统：数据管道、模型、智能体、系统集成，以及上线后整套东西如何运行。

三层之所以要分开，是因为每一层的失败方式都不同。“why”错了，你会把一个没人需要的东西打磨得很精致。“what”错了，项目永远结束不了，因为没人知道怎样才算完成。“how”错了，至少你还能在日志里看到错误。

why/what/how 并不是哪家公司的官方术语，只是一种便于思考的分工方式。不过，Databricks 对其 2026 年 6 月成立的前线部署工程（Forward Deployed Engineering）团队的描述，相当清楚地体现了这套逻辑。

## Databricks 用 OKR 锁定“what”

Databricks 在发布文章中表示，客户的需求已经从数据管道和迁移转向业务问题。它给出的使命是用 AI 加速客户实现业务成果。

Pulse 2.0 描述了同样的趋势：客户正在告别“建完就交付”的咨询模式，转向在其组织内部工作、对可衡量结果负责的工程团队。这就是整个模式的“why”。

“what”写得很直接：项目通过共享的 OKR 锚定在客户的业务成果上。在此之前，Databricks 的专业服务部门就已经用基于 OKR 的工作方式和与客户的持续协作，取代了僵化的工作说明书（SOW）。

Databricks 负责 FDE 的副总裁 Jason Martin 在 Insight Partners 的一场活动上说，这项工作不能围绕工时和人头转，必须围绕成果转。

“how”归 FDE。按照 Databricks 的说法，FDE 的工作是拿起原始形态的平台，把它变成在客户环境中真正运行的业务解决方案。当平台暂时做不到客户需要的事情时，FDE 会直接与研发团队合作扩展平台。

那么“why”和“what”由谁回答？不是 FDE 一个人。Insight Partners 对这场活动的记录提到，Databricks 的售前和售后如今已合并为同一条工作流。该公司 FDE 经理（Manager, FDE）岗位的招聘启事要求入职者与客户经理（Account Executive）、项目经理（Engagement Manager）以及现场工程（Field Engineering）负责人合作，规划并交付项目。

合作伙伴能带来更广的专业能力，但 Databricks 并没有说由他们负责“why”或“what”。

**要点:** “why”和“what”不一定归 FDE 负责，但 FDE 必须读得懂这两层，并且在这两层还空着的时候，拒绝动手构建“how”。

## 示例：“我们需要一个聊天机器人”

回到那场启动会，这次把场景放在越南一家假设的消费电子零售商。你不去反驳做智能体的想法，而是一路往上追问。

“现在客服方面最让你们头疼的是什么？”假设对方回答：每到促销季，呼叫中心就被挤爆，客户等得太久，干脆放弃订单。这就是“why”。下一个问题：“如果六个月后这个项目成功了，你会看仪表盘上的哪个数字？”这个答案就成了“what”。

会后，你写一页这样的简报，同时发给客户和客户经理：

| 层 | 内容（假设） | 由谁确认 |
|---|---|---|
| Why | 促销期间呼叫中心被挤爆；客户因等待过久放弃订单 | 运营副总裁 |
| What（Objective） | 不增加呼叫中心人手，也能让客户快速得到答复 | 客户 + AE/Engagement Manager |
| What（Key Results） | 等待时间中位数下降 X%；Y% 的订单问题自动解决；转人工的客户比例不上升 | 双方签字确认 |
| How | 一个读取订单系统的智能体，没把握时转人工，并用呼叫中心日志构建评测集 | FDE |

注意三点。X 和 Y 故意留空，因为这些数字该由客户填，而不是你。“How”一行提到了评测集，因为 Key Result 只有能衡量才有意义。还有，“what”一旦写下来，“how”可能就不再是聊天机器人了。

最有效的办法，也许是自动推送订单状态消息。

## 五步自己动手

第一步：原话记下客户的需求，并给它打上标签。它几乎总是一个“how”。第二步：用关于痛点和维持现状代价的问题一路追问到“why”，不要问技术问题。

第三步：把“why”转化为一个 Objective，配两到三个有衡量指标和截止时间的 Key Result。第四步：确定每一层由谁签字确认。如果你所在的组织有 AE 或 Engagement Manager，现在就把他们拉进来，别等到出现分歧再说。

第五步：只有在“what”签字确认之后，才开始设计“how”。构建过程中如果发现平台缺少所需的能力，把它记录为提给产品团队的需求，不要悄悄打补丁绕过去。

## 常见错误

最常见的错误是把“what”写成产出：“部署智能体”“完成迁移”。这是你要做的工作，而不是客户得到的结果。有个简单的检验方法：如果项目可以“完成”，而客户的处境并没有变好，那你写的就是产出。

第二个错误是让“why”只存在于某一个人的脑子里，通常是签下合同的那个人。这个人一旦调走，团队就不知道自己在优化什么了。第三个错误是把与销售团队的协作当成别人的事。

正如 JPMorgan Chase 消费者与社区银行业务（Consumer & Community Banking）的 CTO 所说，他们不需要更多顾问，需要的是能构建尚不存在之物的工程师。但要构建对的东西，工程师仍然得明白人们为什么需要它。

## 你的简历讲到“what”了吗？

对想转型 FDE 岗位的开发者来说，这项能力在简历和面试中体现得最明显。阅读职位描述时，留意“business outcomes”“OKR”“partner with Account Executives”这类说法，它们表明公司希望你能在三个层面上展开对话。

简历上的每个项目，在“构建了……”之后都应该跟一句“以实现……”。面试中被问到过去的项目时，按 why、what、how 的顺序讲，而不是一开口就讲技术栈。

本周练习：拿出你手上最大的那个工单，试着为它写三行：why、what 和 how。如果“what”那一行写了十分钟还没有一个数字，你下一步该做的是去问给你派这个工单的人，而不是写代码。

**本周动手试试:**

- 拿出你正在做的项目，按 why/what/how 三层在一页纸上重写一遍，然后标出哪些格子是你猜的，而不是经客户确认过的。
- 把“what”改写成一个 Objective 加两到三个可衡量的 Key Result，发给你的客户对接人或 PM，问对方是否同意用它们来评判项目。
- 把简历中的一条要点从“构建了数据管道 X”改为“构建了数据管道 X，以实现结果 Y”。如果说不出 Y 是什么，说明你还没有把握住“what”。

## 信源

- [Databricks Launches Forward Deployed Engineering Organization To Accelerate AI Outcomes](https://pulse2.com/databricks-launches-forward-deployed-engineering-organization-to-accelerate-ai-outcomes/)

- [Forward Deployed Engineering: Delivering Business Outcomes with AI](https://www.databricks.com/blog/forward-deployed-engineering-delivering-business-outcomes-ai)

- [Demystifying the forward deployed engineer](https://www.insightpartners.com/ideas/demystifying-forward-deployed-engineers/)

- [Manager, Forward Deployed Engineering - Databricks](https://www.databricks.com/company/careers/professional-services-operations/manager-forward-deployed-engineering-8445817002)

- [Agile and Flexible Services Deployment with OKR Centric Delivery](https://www.databricks.com/blog/agile-and-flexible-services-deployment-okr-centric-delivery)
