文章
共 62 篇 · FDE 范式、方法论与全行业落地实践
深度专题二十八 中国 FDE 市场深度拆解
把"FDE"这三个字母放到中国语境里,它不再是 Palantir 在伊拉克沙漠里拆 IED 的浪漫叙事,而是另一套完全不同的游戏规则:信创全栈的硬约束、央国企冗长的决策链、等保与算法备案的合规门槛、私有化部署的执念,以及"关系驱动"胜过"代码驱动"的现场工作方式。本专题把中国 FDE 市场从规模、玩…
深度专题二十九 海外 FDE 模式运营深度
海外的 FDE 不是一个岗位，是一套把模型/平台"塞进客户真实业务流"的运营系统。本章拆解 Palantir、OpenAI DeployCo、Anthropic Applied AI、Databricks/Snowflake、IBM Forward Deployed Units、Salesforce…
深度专题三十 AI Agent 的评估、测试与红队
30.1 为什么 Agent 比单次 LLM 更需要系统化测试 把一个 RAG 问答系统测好,不等于把一个 Agent 测好。两者之间隔着一条鸿沟,这条鸿沟就是 "自主性带来的状态爆炸" 。 单次 LLM 调用是一次纯函数: prompt → response 。它的失败模式是有限的:幻觉、拒答、格…
深度专题三十一 FDE 的数据科学与统计基础
FDE 不是数据科学家，但 FDE 若没有数据科学功底，就只能在客户的 BI 报表和算法同事的结论之间做"翻译搬运工"，永远拿不到对结果的话语权。本专题把一名合格 FDE 必须内化的统计与评估素养压缩成可操作的清单。 31.1 为什么 FDE 必须有数据科学功底 前沿部署工程师的核心动作是"在客户真…
深度专题三十二 多模态 AI 落地实战
一、多模态 AI 的 2026 现状 2026 年的"多模态"已经从 2023 年的"文生图 demo 大爆发"走向了一个更冷静、也更工程化的阶段。其特征可以用三句话概括： 生成质量过了"能用"门槛、理解能力过了"准用"门槛、成本过了"敢用"门槛 。 具体来看五条主线： 文生图 全面收敛到三档：闭源…
深度专题三十三 FDE 的云原生与基础设施
一句话定位：FDE 把 AI 系统塞进客户机房的那一刻，"模型好不好"就退居二线，"GPU 调度得动不动、Pod 起得来不起来、向量库撑不撑得住"才决定项目能不能活。云原生与基础设施是 FDE 在 Engineer 阶段绕不开的硬骨头，也是国产化/信创浪潮下最容易被客户"卡脖子"的环节。本专题把传统…
深度专题三十四 大模型应用架构演进
一句话定位:大模型应用不是"调一次 API"就完事的产品,它是一种会随业务复杂度持续生长的架构形态。从单点调用到企业 AI 中台,每一阶段的拆分都不是为了好看,而是为了把上一阶段爆掉的某个属性——延迟、成本、上下文、权限、可观测——单独拎出来治理。FDE 在客户现场要做的事,就是判断客户当前在哪一阶…
深度专题三十五 FDE 的知识管理与资产沉淀
35.1 为什么知识沉淀是 FDE 团队的复利 FDE 的业务模型有一个天然特征：项目是离散的、行业是横跨的、客户现场是异构的。一个 FDE 团队今年可能在做某银行的智能风控，明年转到某三甲医院的影像辅助诊断，后年又去做某港口的调度优化。如果每次项目结束只交付了系统、没沉淀经验，那么下一个项目几乎等…
深度专题三十六 AI 项目的需求工程
专题定位 :AI 项目的失败,70% 死在需求阶段——不是技术做不出来,而是从一开始就没搞清楚"到底要解决什么问题、AI 是不是对的锤子、数据够不够支撑"。本专题把"需求工程"从产品经理的 PRD 写作,还原成 FDE 在客户现场的实战方法:怎么从老板一句话里挖出三层需求、怎么辨别真伪痛点、怎么判断…