lite-FDE工程师

一、核心定义 把顶尖工程师直接派驻客户现场，把通用大模型/AI产品，落地成客户业务能用、能产生价值的系统。 • 不是纯研发、不是纯咨询、不是纯实施，是三者混合。 • 口号：Eat pain, excrete product（消化业务痛点，产出可用产品） 二、AI 场景下 FDE 做什么（大模型时代） 1. 业务翻译 把客户“想做智能客服、智能投研、智能质检”这类模糊需求，转成可落地的AI方案。 2. 全栈交付 ◦ 私有化部署大模型（Qwen、Llama、GLM 等） ◦ 做 RAG、微调、提示词工程 ◦ 对接企业内部系统（ERP/CRM/数据库） ◦ 写生产代码、做服务化、性能优化 3. 驻场迭代 长期在客户侧，持续调优效果、控幻觉、保证稳定可用。 4. 反向产品化 把场景经验带回公司，反哺通用产品。 三、FDE vs 传统角色（一眼看懂区别） • 普通AI工程师：做通用模型/组件，面向所有客户 • 咨询顾问：讲方案、不写代码、不落地 • 实施/交付：按产品配置，不深度定制、不解决复杂问题 • AI FDE：懂技术+懂业务+写代码+驻场落地+对效果负责 四、必备技能（AI FDE） • 编程：Python 为主 • AI基础：大模型、RAG、微调、提示词、LangChain等 • 云与部署：AWS/Azure/阿里云、容器、分布式 • 业务理解：能跟客户高管、业务专家对话 • 抗压：现场排障、快速迭代、解决混乱问题