大模型不缺了，缺的是把模型“种”进业务流程的人。FDE（前沿部署工程师）为什么突然走红？不是因为会调API，而是因为要同时具备六种能力：定问题、做顾问、选技术、剖业务、改人、学得快。这篇文章把FDE的能力模型拆开讲清楚。
很多公司现在都遇到了一个怪现象：
大模型demo做得越来越漂亮，一进真实业务就“水土不服”。
问答顺溜，接进系统就乱答；原型一天跑通，上线要三个月；领导看完鼓掌，一线员工继续用Excel。
卡住的地方，不是模型不够强，而是从“能演示”到“真能用”之间，缺一种复合能力。
这两年被频繁提起的一个角色，叫FDE——Forward Deployed Engineer，前沿部署工程师。
它不是一个新写代码的岗位，而是一类“把AI推进业务现场”的人。
如果只把FDE理解成“驻场工程师”，就小了。真正难的，是它身上叠着六层能力。任何一层单独拿出来都不稀奇，难的是六层一起用。
一、问题定义能力：先想清楚“做什么”
普通开发者和FDE最大的区别，不是代码水平，而是——谁来定义问题。
开发者拿到需求文档，照着做就行；FDE进场时，往往连“真正的问题是什么”都没人说得清。
客户可能只丢过来一句：“我们想用AI提效。”
FDE得自己把这句话拆开：
提效发生在哪个环节？
现在靠谁在做？卡点在哪？
做错了代价多大？
什么情况下必须转人工？
AI时代有个陷阱：人人都能让AI写代码，“能做”不等于“该做”。
问题定错了，后面搭的模型、知识库、智能体，全是在正确地做错误的事。
所以FDE的第一项基本功，不是动手，是先按住手，把问题问对。
二、顾问能力：不是交报告，是交产品
传统顾问交出去的是PPT、建议书、行动方案，讲完洞察就走。
FDE不一样。他得把建议变成能跑的系统，留在客户环境里继续转。
麦肯锡式的顾问能力，在FDE身上不但没消失，反而被“全栈化”了：
能剖析问题
能协调各方
能判断价值
还能自己写代码把方案做出来
顾问离开时留下“该怎么干”；
FDE离开时留下“已经干起来的东西”。
这也是为什么现在很多AI公司不再满足于售前讲解——光讲方向没用，得有人在现场把方向变成工作流、变成接口、变成业务人员每天在用的按钮。
顾问能力的终点，从“交建议”变成了“交产品”。
三、技术判断力：不选最酷的，只选最合的
FDE首先是工程师，但核心不是“技术栈多全”，而是判断力。
面前摆着一堆路线：
用大模型？
用Agent编排？
用传统机器学习？
其实一个回归模型就够了？
先进不代表合适，炫技不代表见效。
技术判断力的本质就一句话：
看业务是否用得上，而不是看模型是否够新。
这背后要求FDE跨三条线：
数据科学：知道模型能学什么、学不会什么
数据工程：知道数据从哪来、口径怎么统一、权限怎么过
软件工程：知道怎么把东西做成稳定系统
正因为从头到尾走过一遍，他才敢在每个岔路口说：
“这步别上Agent，先写个规则引擎。”
“这个场景别接大模型，检索就够了。”
真正值钱的不是“会用新工具”，是“知道什么时候不用”。
四、业务解剖力：到现场去，读那些没写下来的东西
技术判断力回答“用什么做”，业务解剖力回答“做什么、值不值得做”。
FDE进场第一周，经常不是开会，而是坐在业务人员旁边看他们怎么干活。
比如一个供应链团队：
每天决定船期、卡车的改道、仓配优先级。系统有，数据有，但真正影响决策的，是老师傅脑子里的经验——
哪条航线看似便宜但旺季必堵
哪个客户不能耽误
哪种异常从来没写进SOP
这些事，文档里没有，需求表里没有，API里也没有。
FDE要做的，是把隐性知识捞出来：
谁在做决策？
什么因素在起作用？
哪些数据真的被用？
哪些流程只是“看起来合理”？
业务解剖力，就是蹲在泥里把流程拆开的能力。
不去现场，永远只能做“想象中的数字化”。
五、人的改造力：技术不是最难的，人才是
很多FDE项目，卡住的不是模型，是“人不想用”。
有个真实反差：
一位资深开发，培训完试了智能体，结果智能体出错，他顺手自己把代码改好了。下次他连试都不试——
“还是我自己来。”
另一位一开始说“我不信AI”，团队用真实业务数据，当场帮他解决一个24小时内必须出的活。第二周他主动说：
“把我整个团队都教会。”
这两个故事讲同一件事：
AI落地，不是把系统递过去，而是把人的行为改过来。
人的改造力可以拆成三层：
让人喜欢：体验顺、不添乱
让人用起来：降低尝试成本，给真实场景
让人真受益：在真实数据、真实系统里看到结果
FDE还要承担一层“情绪工程”：鼓励客户、点燃团队、在抵触和惯性之间找缝隙。
技术再好，如果一线的人绕着你走，系统就等于没上线。
六、快速学习 + 跨界沟通：决定上限的那块底子
前五项能力都能练，最后这项决定你能走多远。
FDE常被形容成“外向的书呆子”：
技术上钻得深（书呆子）
和人打交道够开阔（外向）
面对没见过的行业，能快速建立认知（学得快）
他要在机房里写代码，也要在会议室里讲人话；
要懂模型边界，也要懂老板关心ROI、一线关心别增加工作量。
只懂技术的人，看不出决策是怎么发生的；
只懂业务的人，说不清系统为什么做不到。
FDE站在中间：用技术语言理解业务，用业务语言解释技术。
这种“双语能力”，才是AI时代很难被替代的部分。
七、六项能力怎么组合，才叫FDE
单独看，每一项都不神秘：
工程师有技术判断力
顾问有顾问能力
业务分析师有解剖力
培训师懂改变人
聪明人学得快
FDE的稀缺，在于六项要同时在线，而且互相咬合：
没有业务解剖，问题定义就是拍脑袋
没有技术判断，顾问能力就是纸上谈兵
没有人的改造，前四项再强也换不来采用
没有快速学习，能力没法在新行业重新组装
AI落地最怕的，就是“为AI而AI”：
token花出去了，演示很热闹，月底复盘——流程没变，成本没降，人也没用。
FDE存在的意义，是把模型、数据、组织习惯、责任边界拼到一起，逼出一个真实结果：
系统跑起来了，业务指标动了，人才敢继续用。
未来几年，AI行业会分化得很明显：
一半人继续卷“模型能做什么”；
另一半人去解决“怎么让一个组织真的用起来”。
FDE不是某个头衔的专利。
做过实施、售前、产品、后端、数据、咨询的人，其实都在不同位置碰过这六项能力。差别只是——
以前你交方案，以后你要对结果负责；
以前你等需求，以后你要去现场把需求挖出来；
以前你证明“我会用新技术”，以后你要证明“业务因为我改变了”。
AI不会淘汰人，但会淘汰“只停在demo前半段”的人。
真正吃香的，是那种：
懂技术、懂业务、懂人，还愿意蹲在现场把事做成的人。
FDE解决方案工程师，AI前沿部署工程师FDE，北京青蓝智慧科技
马老师13521730416
丁老师13522094648
