FDE 到底是什么角色
最早出现在数据平台团队:工程师被“前向部署”到客户现场,直面真实用户与数据。
要能听懂业务、写生产代码、在不确定中自己判断。 FDE 不是售前,也不是实施顾问:交付系统,不是文档。
懂业务
跟车间主任、财务主管对话,把口头经验翻译成规则。
能写代码
全栈 + AI 工程,从接口、数据处理到 Agent 编排都能自己动手。
会做判断
在时间、成本、效果之间做取舍,并承担结果。
扛得住上线
关注权限、审计与兜底,不只是把 Demo 跑通。
// 现场日志比周报更能说明问题:
// 变化发生在周三下午,而不是下个迭代。
传统项目制 vs FDE 驻场
都有人做得好。区别是需求与现实出现差距时,谁决定、多久能改。
一周是怎么过的
前半周在现场,后半周收口交付。不设“只汇报不产出”的周。
在场
跟岗、旁听、看数据,当场确认优先级。
动手
写代码、调接口、补评测,规则不清随时拉人确认。
自测
跑评测集比对基线,指标下降先查原因。
交付
业务方现场试用,确认下周方向。
4 周
从进场到第一个能在真实业务里使用的版本。
30 天
从诊断到生产上线。前提是接口与数据第二周到位。
90 天
完成 2–3 个场景并沉淀组件,形成内部 AI 能力基线。
需要客户配合的三件事
FDE 的效率依赖客户方给出三样东西。不到位,模式就退化成外包。
- 一位有决策权的业务负责人:能拍板“这个流程以后就这么走”,不用每次请示。
- 接口与账号的绿色通道:第二周内拿到测试环境、只读账号与接口文档。这是最常见的延期原因。
- 每周两小时的共同评审:业务方现场试用并给反馈。缺一次,进度慢一周。
需要提前说清楚的一点
FDE 不适合“全部甩给供应商”的项目,需要客户方真的参与。 组织上无法保证配合时,建议改用产品化方案。
* 客户投入为最小要求,实际视场景复杂度调整。
什么情况下 FDE 最有效
适合
不太适合
关于 FDE 的疑问
标准 3 人:1 名 FDE 主工程师、1 名算法/数据工程师、1 名交付负责人。场景小可 2 人。
前两周全时在场,之后每周 2–3 天现场。外地项目按周集中驻场。
实施顾问配置现有产品;FDE 自己写代码。判断标准:交付物是源码,还是配置说明。
开工前定 2–3 个可量化指标,例如“单笔处理从 12 分钟降到 4 分钟”。以指标验收,不以功能做完验收。
会。交付含源码、部署脚本、评测集、架构文档与运维手册,并培训客户 IT。