景观设计出身，曾任蚂蚁集团高级技术专家（11年技术经验），现聚焦 AgentOS；合著有《人人皆可 Vibe 编程》《零基础 AI 编程》《人人都是 AI 产品创客》三书，联合创办 Mixlab Launchpad 一人公司孵化器。
Shadow：FDE最近持续火爆，也让我重新思考真正的价值所在。先抛几个观点：
- 95% 的公司招不来 FDE，哪怕开出 30 万美金年薪。
- AI 时代最稀缺的从来不是技术栈，而是把业务体感翻译成工具能力的人。
- 未来不是 FDE 越来越稀缺，而是它越来越隐形：赢家，是让自己被绕过的人。
- 95%的公司招不来FDE，但100%的公司都能从内部长出FDE思维。把AI交到干活的人手里，就是这种思维最终的归宿。
重新认识下
前线部署工程师
FDE，Forward Deployed Engineer
2026 年这个岗位在硅谷和全球科技圈火起来了，在 OpenAI、Anthropic、Palantir 这些 AI 公司里很受重视。
Palantir 23 年长出的 FDE 体系
为什么FDE只能从企业内部"长"出来？
先讲两个Mixlab实践里的故事。
一位杭州设计师，2天做出一套公司系统
小刘是杭州的室内设计师，训练营25期学员。他自己开设计公司，也是我早年从景观设计转程序员时候的早期读者。
他所在的行业里有现成的物料管理和报单价系统，但那是给行业里别人用的通用版。
小刘想要一套完全围绕自己公司真实业务的系统。
他不是程序员，没IT背景，从没写过代码。学了2天AI编程，真做出来了。
这套系统完全贴合他的需求：
管物料是一方面，更核心的是管住了"报价单"里那些行业暗语和计算逻辑——
这些是外面通用软件覆盖不到的细节。
他用2天换来的，是再也不用迁就通用软件的能力。
再也不用迁就通用软件
这就是 FDE 从企业内部长出来的人。
产品经理的下一步
如果说小刘代表"零基础老板自己长出系统"，那第30期的这位产品经理代表的是另一种典型：
有专业背景的人，把业务体感持续翻译成工具能力。
他公司里有多套设备配置（基础版、各种版），每套设备牵扯着硬件参数、招投标参数、报价方案、课程方案。
供应商一换，要走"招标参数→标准化参数→报价方案→课程方案"整套替换。
现在全靠Excel维护，改错、漏改是家常便饭。
他的应对是，用 Agentic Coding 搭了一个网页端的参数维护与报价管理系统。
所有设备参数集中承载，售前工程师直接基于参数导出投标方案，领导在线审批。
听完他的路演，我当场判断：这就是典型的企业数字化转型、一人公司闭环、FDE模式。
我给他下一步建议是，把"权限管理"这块也用AI设计—— 不同角色能看什么、能改什么、能审批什么，全部结构化进系统。
FDE 的价值不在一次性交付系统，在持续把业务体感翻译成工具能力。
"权限管理"就是这位产品经理下一轮要翻译的体感。
FDE 模式与外包模式的本质区别：
外包交付完就走了，FDE 永远在前线。
这两个案例都在说明同一件事：
企业内部从来不缺会做系统的人，缺的是让他们动手的入口。
但行业整体是什么状态？远没有这么乐观。
行业真相—— 95%的公司招不来FDE
FDE 成了 AI 圈最热的词。根据 Paraform 2026 年 4 月报告，2025 年 1-9 月 FDE 招聘需求暴涨 800%[3]，Anthropic 开出了 20-30 万美金的年薪 [4]。一时间，从硅谷到上海，所有公司都在抢 FDE。
但真相：95%的公司，根本招不来FDE。
95% 招不到 vs 内部生长
Flybridge 近期的文章 《Why 95%+ of Startups Get the Forward Deployed Engineer Role Completely Wrong》[7]。核心观点是：
绝大多数公司在 FDE 这件事上只是在"套概念"—— 把售前改个 title，派初级工程师去 5 万美金的客户那里，用空降模式建信任。
结局可想而知。
Gartner 的判断：2027 年之前，40% 的智能体项目会被取消[1]。而存活下来的项目有一个共同特征——
有人专门负责。
但那个人是懂业务的，不是技术部门出身。
再看Palantir。
这个把FDE模式做得最深的公司，用了整整23年，在"数据不出门+客户不知道要什么+平台需反向定义"三重约束下，才长出了自己的FDE体系。
23年。
如果你的公司没有 ARR（年度经常性收入）1000 万美金以上的客户，没有 23 年的耐心，没有任务式指挥（把任务意图讲清楚、由前线自主决策的指挥文化）的文化 —— 外部招 FDE 这条路，注定走不通。
Agent部署经理才是真风口
《哈佛商业评论》2 月提出一个更落地的岗位：Agent Manager（智能体经理）[5]。
这个新岗位的核心要求是业务sense（业务判断力），不是写代码。
没有业务sense的人当不好智能体经理；
技术背景的人反而容易踩坑 ——
他们太习惯用技术方案去回答业务问题，结果做出来的工具"技术很牛，业务用不上"。
招聘标准也在变。
过去面试工程师的核心问题是"候选人能不能独立解决问题"，今天这个问题变成了候选人能不能通过AI协作高质量地解决问题。
HackerRank 2025 Developer Skills Report 与《Evolving Hiring in the Age of AI》白皮书均强调：
AI 编排能力正成为新的考核维度[6]。
会写代码的人会越来越多，能把 AI 编排成业务解决方案的人，永远是少数。
哪些人最容易迁移到这个新岗位？
- 业务分析师、运营经理、项目经理
：最容易迁移，因为他们已经具备流程梳理能力——而这恰恰是智能体部署最稀缺的底层技能。 - 技术背景的工程师
：反而要警惕，太习惯用技术方案解决业务问题，是这个岗位上最常见的踩坑姿势。
外部招一个"会写代码的FDE"几乎注定失败 —— 你买回来的是一堆技术栈，不是业务sense。
只有内部那些泡在行业十几年的人，才同时拥有业务sense、流程梳理能力和对客户的深度理解。
"前线FDE"的更多案例
小陈（15期）—— 餐饮创业者的多智能体选址
她做出了多智能体选址决策系统，输入品类、客群，多个AI并行分析居住人口、竞品、租金，最终生成PDF报告。成果是把餐厅选址从2周缩短到2小时。
她的金句：只有专业的人用的时候，才知道专业的痛点在哪里。
精准说明了行业经验对AI工具定义的价值。
如果不是干餐饮的人，根本不知道选址要看哪几个维度的数据。
小琳（20期）—— 入境游旅行社的"动态报价单"
入境游旅行社从业者，20期学员。
她最头疼的是：一份入境游行程，涉及地区、车型、酒店月度价、景点淡旺季价、导游语言、人数、天数——7个变量叠加。以前做一份报价，手工要干2-3天。
她把Excel报价的痛点直接搬进AI工具。
系统输入变量，自动按行程叠加交通、住宿、景点价格，瞬间生成报价表。
路演之后，她给我的启发挺深：
7 个变量的复杂报价单，从"2-3 天手搓"到"瞬间生成"，AI 把旅行社从业者的报价效率直接拉满。
餐饮选址、旅行社报价，都是典型的智能体落地点。
传统行业的复杂表格，往往是 AI 工具最直接的起点。
2天，足够完成思维的"惊险一跃"
为什么是2天？
因为我们不教编程语法，我们教的是用AI解决问题的思维方式。
这次"惊险一跃"最关键的标志，是工作方式本身被重新定义 —— 不是你写出了多漂亮的代码。
从"结对编程"到"委托编程"：Agentic工作关系
过去我们用 AI 的方式，本质上是结对：人和 AI 肩并肩，你写一行我补一句，互相审阅，你的时间和 AI 的时间同步绑定。这种方式在 Copilot（AI 结对编程工具）时代是合理的，但在智能体编程（Agentic Coding）时代已经过时。
现在更高效的工作方式是委托（delegation）：跟AI一起定计划、定规范，然后让它自己跑，它在跑，你可以去休息聊聊天。
你可以同时把多个任务委托给多个代理，自己只负责在关键节点介入、做判断、做合并。
这种工作方式才真正符合人机工效：把机械的执行交给机器，把稀缺的判断留给人。
在委托模式下，针对规范和计划的审查比代码审查更重要。
代码是机器写的，写错了可以改。
但规范定歪了、计划排错了，AI就一错到底。
审查的重心从"事中"前移到"事前"，从"代码"上移到"规范"。
FDE角色的升级方向在这里 —— 去定义更清晰的标准，比写更多代码更重要。
结语：让听得见炮火的人，指挥AI
上面案例里的人，共同身份不是"程序员"，是自己业务的"前线FDE"。
他们自己就是总部，已经在行业泡了十几年，每一次系统迭代都是"现场认知回流产品" —— 业务一线的体感直接转化为工具逻辑，中间没有任何翻译损耗。
Palantir用23年证明FDE模式有效，Mixlab学员用2天证明FDE思维可以从内部生长。
但故事到这里还没完。
FDE的最终归宿，是把AI直接交到干活的人手里 —— 而不是通过FDE"部署"，也不是把自己变成企业内部最会写代码的那个人。
部署是中心化的 —— FDE懂技术，AI的工具链经由FDE传递到业务人员手里，中间永远隔着一层翻译损耗。
真正的FDE，是让AI绕过自己、直接抵达业务现场的那个人。
FDE角色要再升一级：
以前是"翻译者"，把业务需求翻译成技术方案；
下一步是"让AI直接走到业务现场的人"，自己不再当中间商。
OpenAI Codex 负责人也表达了类似判断：现在的关键是把 AI 直接交到干活的人手里[8]。
这正是 FDE 进化的下一站。
当这件事真正发生时，企业内部会冒出一批又一批"听得见炮火"的人 —— 他们不用等 IT 排期，也不必求外包报价，Excel 同样困不住他们。
各自身上背着自己客户的深度理解，问题由他们自己定义，AI 由他们自己指挥，结果也由他们自己交付。
主动性的稀缺，是 AI 时代最确定的真相之一。
把 AI 交到干活的人手里，也正是把这种稀缺放大到极值的方式。
