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

技能指南 · 指南

凌晨 3 点的 CSV,分开了解决方案工程师和 FDE

把一个简短 PoC 改写到生产标准,就能看清差距具体在哪,可逐项补齐,也值得写进简历。

分享微博

要点速览

  • 从解决方案工程师转为 FDE,意味着从演示代码转向生产代码,并对部署结果负责。
  • 最有效的练习:拿一个现成的 PoC,补上错误处理、测试和架构文档,再部署到真实环境。
  • FDE 面试中,你必须讲清为什么选择某种部署方式,而不只是证明代码能跑。
一张前后对比表,涵盖四种真实数据场景。空工单:PoC 演示照样发给模型,生产版本标为 other。模型返回纯文本:PoC 让管道停止,生产版本把工单送进 needs_review。模型编造标签:PoC 中该标签悄悄流过,生产版本送进 needs_review。API 超时:PoC 陷入死循环,生产版本按退避策略重试。
生产版本并不比演示更聪明,它只是把每一种可能的失败都当成一定会发生,并把处理不了的情况送进 needs_review 队列,交给人工检查。

你刚演示完一个基于 LLM 的支持工单分类工具,客户非常满意。下周一,它上线进入生产环境。凌晨三点,一个 CSV 文件传进来,里面有一行空白,模型回了一句问候而不是 JSON,整条数据管道随之停摆。

如果你是解决方案工程师,工作通常在合同签下那一刻就结束了。如果你是前线部署工程师(FDE),凌晨 3 点爬起来修的人就是你。

fde.academy 的转岗指南把两者的区别归结为两个转变:你写的是生产代码而不是演示代码;你要对部署结果负责,而不是成交后就交出去。

好消息是,这个差距轮廓清晰,每一块都可以单独练习。下文拿一个极短的概念验证(PoC),一步步改到生产标准,再讲如何在简历和面试中展示这项能力。

对设计负责,不等于对系统负责

Aced 在比较这两种岗位时写道,FDE 一周的大部分时间都在写生产代码。解决方案架构师则只对设计负责,不对运行中的系统负责。系统一旦出故障或没能带来价值,修复它就是 FDE 的直接责任。

Sundeep Teki 在他 2026 年的 FDE 面试指南里说得更直白:你不提工单,也不怪别的团队,而是自己动手修。对咨询出身的人来说,这是最大的变化,比学新语法、新框架都大。

fde.academy 有一句话值得记住:PoC 只需证明一个观点,生产代码却要经得起现实的考验。这里的“现实”指脏数据、不稳定的网络、返回意料之外内容的 API,以及六个月后读你代码的另一个人。

一个六行的 PoC 会在哪里出问题?

设想上面那场客户会议用的演示代码:

import csv, json
from llm import client

for row in csv.DictReader(open("tickets.csv")):
    out = client.complete(f"对这个工单分类:{row['text']}")
    print(row["id"], json.loads(out)["label"])

(提示词字符串的意思是“对这个工单分类:”。)在十个精心挑选的样例工单上,它运行得很顺。可一放进真实环境,至少有五处会出问题。空工单照样发给模型,长达数页的工单可能超出上下文长度上限,一次 API 超时就能让整个循环崩掉。

如果模型返回纯文本,json.loads 会抛异常。如果模型编出一个并不存在的标签,这个标签会悄无声息地流进下游系统。

改写后的代码不需要更聪明,只需要把每一种可能的失败都当成一定会发生。首先,显式声明合法标签,并配一个专用 logger:

import json, logging, time
from llm import client

LABELS = {"billing", "bug", "account", "other"}
log = logging.getLogger("triage")

接着,把单次模型调用拆成独立函数,截断输入、设置超时并校验返回的标签:

def call_model(text: str) -> str | None:
    out = client.complete(f"对这个工单分类:{text[:4000]}", timeout=20)
    label = json.loads(out).get("label")
    if label in LABELS:
        return label
    log.warning("未知标签:%r", label)
    return None

警告内容是“未知标签”。最后,classify 函数处理空输入,按退避策略重试,并在所有尝试都失败时给出一条出路:

def classify(text: str, retries: int = 3) -> str:
    if not text or not text.strip():
        return "other"
    for attempt in range(retries):
        try:
            label = call_model(text)
            if label:
                return label
        except (TimeoutError, json.JSONDecodeError) as e:
            log.warning("第 %d 次尝试失败:%s", attempt + 1, e)
            time.sleep(2 ** attempt)
    return "needs_review"

注意最后一行。系统不会崩溃,而是把工单送进 needs_review 队列,交给人工检查。

这是一个业务决策,必须和客户商定:他们每天能接受多少工单落进这个队列?生产代码里到处是这类问题,演示代码则统统跳过。

然后,针对刚才列出的情况写测试:

def test_empty_ticket_goes_to_other():
    assert classify("   ") == "other"

def test_non_json_reply_goes_to_review(monkeypatch):
    monkeypatch.setattr(client, "complete", lambda *a, **k: "你好呀")
    assert classify("我被重复扣费了", retries=1) == "needs_review"

这里模拟的模型回复“你好”,测试工单内容是“我被重复扣费了”。这两个测试写起来不到十分钟,却能把一次凌晨 3 点的事故变成你早上 9 点在日志里读到的一行警告。

PoC 走向生产的四个步骤

fde.academy 最实用的建议是:拿一个现成的 PoC,按生产标准重建。他们把工作分成四步:加错误处理、写测试、写架构文档、部署到真实环境。上面的例子只完成了前两步。

第三步常被低估。架构文档不必长,只需回答:数据从哪里进来,流向哪里,调用了哪些外部服务,出故障时去日志的哪里找。对这个工单分类器来说,下面这样一页就足以起步:

# triage-service
输入:来自客户系统的工单(id, text)
输出:{billing, bug, account, other, needs_review} 中的一个标签
外部调用:LLM API,超时 20 秒,最多重试 3 次
出故障时:查看 "triage" logger,统计每天的 needs_review 工单数
运维负责人:你的名字,以及出问题时如何联系你

这几项分别是:输入(来自客户系统的工单,含 id 和 text);输出(集合中的一个标签);外部调用(LLM API,超时 20 秒,最多重试 3 次);出故障时(查看 “triage” logger,统计每天的 needs_review 工单数);运维负责人(你的名字,以及事故期间如何联系你)。读这一页的很可能是客户那边要和你一起运维系统的工程师。最后一行最重要,因为它写明了系统归谁负责。

第四步才真正检验能力。Coursera 介绍 AI 工程师的文章把“将模型做成其他应用可集成的 API”和“管理生产基础设施”列为核心职责。对上面的例子,在名为 api.py 的文件里把 classify 包装成一个接口,只需几行:

from fastapi import FastAPI
from pydantic import BaseModel
from triage import classify

app = FastAPI()

class Ticket(BaseModel):
    id: str
    text: str

@app.post("/classify")
def classify_ticket(t: Ticket) -> dict:
    return {"id": t.id, "label": classify(t.text)}

@app.get("/health")
def health() -> dict:
    return {"ok": True}

/health 接口用来接入监控,确认服务还活着。但留在笔记本上的代码不算部署。下一步是把服务打包,让它在任何地方都以同样方式运行,比如用一个简短的 Dockerfile:

FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
CMD ["uvicorn", "api:app", "--host", "0.0.0.0", "--port", "8000"]

然后构建、运行,并以外部用户的身份亲自测一遍:

docker build -t triage-service .
docker run -d -p 8000:8000 -e LLM_API_KEY="$LLM_API_KEY" triage-service
curl http://localhost:8000/health
curl -X POST http://localhost:8000/classify \
  -H "Content-Type: application/json" \
  -d '{"id": "t-1", "text": "   "}'

注意 -e 参数:API 密钥通过环境变量传入,从不写进代码或镜像。最后一条 curl 发送的是空工单,正是当初让演示管道崩掉的那种情况,这次你应该拿到 other 标签。

镜像在本机跑通后,把它放到别人能通过网络访问的服务器或容器服务上,并把 /health 接入监控。在客户那里,这通常是对方已经在用的基础设施,所以第一个要问的问题是:服务部署在哪里,谁有权限看日志。

面试考的正是这个差距

根据 Sundeep Teki 的指南,FDE 的编码面试难度大致相当于 LeetCode 中等题,但放在客户场景中。在 Palantir,题目会围绕你为终端用户构建的东西来设定。

技术深挖环节时长 60 分钟,不写代码,评分看澄清问题的能力、根因分析,以及你如何权衡取舍。

Coursera 对 AI 工程师面试也有同样的观察:你得解释为什么选择某种方式来开发、部署和扩展方案。深挖环节不要求你敲代码,但仍然考验运维经验。

如果你从没亲手部署过任何东西,取舍这一环会立刻暴露出来:你能说“应该加重试”,却说不出重试几次、为什么。

读职位描述时还有一个陷阱。Teki 的指南指出,Anthropic 不用 FDE 这个头衔,而是为 Applied AI 团队招聘 Solutions Architect。这是一个售前岗位,职责是成为客户信赖的技术顾问。头衔并不能告诉你谁对生产环境负责。

读职位描述(JD)时,留意 “own deployment”“on-call”“ship to production” 这类表述。如果通篇都是 “workshop” 和 “demo”,那仍然是咨询岗位。

转岗者常犯的错误

最常见的是在简历上放一个打磨精美的演示,而不是一个正在运行的系统。“为 5 家客户搭建聊天机器人演示”所传达的信息,不如“部署了一个带测试、重试和人工复核队列的工单分类 API,目前在运行中”。

FDE 招聘方想看到的是你对一个运行中的系统负过责,而不只是做过设计。

第二个错误是用 try/except 吞掉所有错误,让代码蒙混过关。这是在掩盖错误,而不是处理错误。每个兜底分支都应该写日志,并且通向一个有人能看到的状态,比如例子里的 needs_review。

第三个错误是以为转岗必须有学位。Coursera 谈的是 AI 工程整体而非 FDE,它认为学位并非必需,转岗者可以靠项目和认证入行。

如果目标是 FDE,就选一个像上面例子那样的项目:一个你亲手部署的服务,配上测试和文档。

最后一个错误更隐蔽:出了事故,你的第一反应是去找负责的团队。作为 FDE,那个团队就是你自己。

咨询顾问和 FDE 的差距,在于演示结束后你问自己的那个问题。一个问客户喜不喜欢;另一个问今晚什么会把这个系统弄垮。

这篇文章对你有帮助吗?

4 个信源
路线图上的下一篇 · 阶段 8: 职业发展数据科学家转 FDE,建模只是入场券ML 基础和调试直觉可以沿用,要补的是拆解模糊问题、写生产代码,并对部署端到端负责。