FDE Times 数据在招 FDE 职位 882▼2 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 52在招公司 185支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

工具

Foundry 改名不要紧,要紧的是数据在哪里处理

微软默认推荐 Global Standard,但它可能在任意 Azure 区域处理提示词,欧洲合规团队不会接受。

分享微博

要点速览

  • Azure AI Foundry 已更名为 Microsoft Foundry,Agent API 也从 Assistants API 迁移到 Responses API(Agents v2)。
  • 进入客户项目后,第一个要定的是部署类型,因为它决定数据在哪里处理。
  • 标准配置运行在客户自己的 Cosmos DB、Storage 和 AI Search 上。Cosmos DB 至少需要 3000 RU/s,专用终结点必须自己创建。
三张卡片由箭头相连。第 1 张卡片高亮显示数据在哪里处理,列出三种部署类型:Global Standard(默认)、Data Zone(US、EU、APAC)和 Provisioned(PTU)。第 2 张卡片说明谁持有 Agent 状态,即使用客户自有 Cosmos DB(至少 3000 RU/s)、Storage 和 AI Search 的标准配置。第 3 张卡片说明开放哪条网络路径,包括需要自己创建的专用终结点、委派给 Microsoft.App/environments 的子网、关闭公网访问以及专用 DNS 区域。底部横条:把代码从 Assistants API(Agents v1)迁移到 Responses API(Agents v2)。
FDE 应按顺序推进:先确定数据在哪里处理,再搭建标准配置,最后配置专用网络。同时审查客户代码库,找出必须从 Assistants API 迁移到 Responses API 的代码。

一则招聘“Azure Forward Deployment Engineer(架构师级)”的岗位通过 Dice 发布,也出现在 Arc.dev 上,要求候选人有使用 Azure OpenAI、Semantic Kernel 和 Azure AI Foundry 构建 AI Agent 的实战经验。

与此同时,微软文档已经把这个平台称为 Microsoft Foundry。据 Schneider IT 介绍,新名称自 2026 年 1 月 1 日起生效,现有部署已自动迁移。

Leobit 认为,这次更名远不止换个标签。对前线部署工程师(FDE)来说,名称远不如在客户现场要做的三个决定重要:模型用哪种部署类型运行,用哪类 Agent,以及如何搭建标准配置才不会预配失败。

第一个问题:数据在哪里处理?

部署模型时,部署类型决定了数据在哪里处理、如何计费以及性能如何。微软建议大多数工作负载从 Global Standard 起步:新模型最先在这里上线,价格最低,覆盖的区域也最多。

代价是,选择 Global 类型时,数据可能在任意 Azure 区域处理。

假设你在为一家欧洲保险公司做项目,对方的合规团队要求提示词绝不能离开欧盟。这时 Global Standard 就不再是默认选项。Data Zone 会把处理限定在美国、欧盟或亚太某一个数据区内,因此 Data Zone EU 能满足这一要求。

再假设这家保险公司每晚还要对积压的理赔单重新打分。这项任务不需要实时响应,适合 Batch 类型:请求以异步方式分组提交,配额单独计算,目标是 24 小时内完成,价格比 Global Standard 低 50%,但没有实时 SLA。

部署类型 适用场景
Global Standard 默认选项,适用于客户对数据处理位置没有限制的情况
Data Zone(US、EU、APAC) 合规要求处理必须留在同一数据区内
Batch 任务按批运行,可以接受最长 24 小时的等待以降低成本

这个问题要在第一次需求调研时就提出来,写第一行代码之前。演示跑起来之后再改部署类型,付出的精力远比一开始选对要多。

提示词 Agent 还是托管 Agent?

Agent Service 提供三类 Agent。一端是以声明式方式编写的提示词 Agent;另一端是控制力最强的托管 Agent:你带上自己的代码和框架,由 Foundry 在容器中运行,并负责端点、扩缩容和身份。

两端都可以放进专用网络,所以不要按“哪个更私密”来选。微软文档称,提示词 Agent 支持专用网络,托管 Agent 则支持 BYO VNet,也就是运行在客户自带的 Azure 虚拟网络中。真正的区别在于 Agent 的逻辑由谁编写、归谁所有。

假设一家银行已经有一个用 LangChain 写的 Agent。改用提示词 Agent,就得用声明式方式重写逻辑。托管 Agent 则可以把现有代码原样打包进容器;它运行在客户的 VNet 里,当 Agent 需要调用只能在内网访问的系统时,这是更合理的选择。

无论选哪种,客户的 VNet 仍由对方的网络团队负责。建议:对已有 Agent 的客户,优先考虑托管 Agent,第一周就和网络团队约好时间,并列出 Agent 需要调用的所有内部系统。

真正的工作量在标准配置

Agent 标准配置要求客户自带 Storage、AI Search 和 Cosmos DB,让所有 Agent 数据都留在客户的 Azure 租户内。合规团队会满意,但 FDE 往往要逐个创建这些资源并授予权限。

这里有几个具体的坑。Cosmos DB for NoSQL 账户的总吞吐量至少要 3000 RU/s,低于这个值,预配就会失败。在专用网络中运行的 Agent 需要一个委派给 Microsoft.App/environments 的子网,而且 Foundry 资源必须与 VNet 位于同一区域。

最容易忘的一个坑:部署 Foundry 资源时,通往 AI Search、Storage 和 Cosmos DB 的专用终结点不会自动创建。因此不要在门户里逐项点击,而要用 Bicep 或 Terraform 写出全部配置,显式声明每个专用终结点,再以代码形式交给客户的平台团队。

客户现有代码调用的是哪个 API?

据微软介绍,Foundry 把 Agent、模型和工具纳入同一管理组,内置追踪、监控和评测,并共享 RBAC、网络和策略。原先名为 Azure AI Services 的一组服务现在叫 Foundry Tools,基于 hub 的项目已成为旧版。

正在使用 Azure OpenAI 的客户可以就地把资源升级为 Foundry 资源,同时保留现有端点、API 密钥和状态。因此,调用该端点的应用不需要因为升级而修改配置。

更可能出问题的是 Agent API。Assistants API(Agents v0.5/v1)已让位于 Responses API(Agents v2),后者配有统一的项目客户端。如果客户的代码库仍在调用 Assistants,从一开始就把迁移排进计划,不要等到最后一周才发现。

Azure FDE 要匹配这类岗位,先学什么?

这则岗位把 Azure OpenAI、Semantic Kernel 和 Azure AI Foundry 并列,还要求与企业客户紧密合作,在 Azure 上完成完整 AI 解决方案的需求界定、架构设计和交付。雇主要的是既能构建 Agent、又能把它落地到企业 Azure 基础设施里的人。

学习顺序:先学部署类型和数据驻留,再学标准配置,最后学用 Terraform 或 Bicep 配置专用网络。

简历上要写具体成果,例如“用 Terraform 在专用 VNet 中部署 Agent Service 标准配置,模型运行在 Data Zone EU 上”,而不只是在技能栏里列一个“Azure AI Foundry”。新旧两个名称都写上,无论招聘方搜哪个都能找到你。

产品名称可能还会再变。但数据在哪里处理、Agent 状态归谁、哪些网络路径是开放的,这些问题始终需要有人回答,而回答的人通常就是 FDE。

这篇文章对你有帮助吗?

8 个信源
路线图上的下一篇 · 阶段 5: 部署上线无法 SSH 登录客户服务器时,如何调试应用客户只说“坏了”,Sentry 能补上缺失的上下文,前提是配置时别把标签和上下文混为一谈。