文章
共 62 篇 · FDE 范式、方法论与全行业落地实践
深度专题四十六 大模型应用性能调优实战
性能调优是大模型应用从"能跑通"走向"能用、好用、用得起"的最后一公里。一个 RAG 应用在内部 Demo 里回答延迟 800ms,到了客户生产环境却飙升到 10 秒——这种 12 倍劣化在生产中是常态而非例外,根因往往不是模型本身,而是全链路中某一层没有被正确测量和优化。本专题以 FDE 视角,从…
深度专题四十七 对话式 AI 与智能体产品设计
47.1 从"聊天机器人"到"智能体产品"的范式转移 理解对话式 AI 与智能体产品设计的第一步,是先把两件常被混为一谈的事情拆开: 对话 是一种交互通道, 智能体(Agent) 是一种系统能力。前者回答"用户怎么告诉系统要什么",后者回答"系统能不能自己把事办了"。 过去十年,业内经历了三次明显的…
深度专题四十八 AI 项目的组织变革管理
48.1 为什么 70% 的 AI 项目失败是组织问题,不是技术问题 麦肯锡、BCG、Gartner 在 2023—2026 年的多份企业 AI 调研里反复出现一个高度一致的数字:已经投入生产的 AI 项目中,约 60%—70% 未能实现预期的业务价值 ,而其中被访高管把"组织与文化阻力""缺乏变革…
深度专题四十九 FDE 的写作与文档能力
49.1 为什么写作是 FDE 的核心能力 在大多数工程师的直觉里,"硬核能力"是写代码、调模型、压性能。但对 FDE(前沿部署工程师)而言,写作与文档能力是与编码同等——甚至在某些阶段更高——的核心能力。这不是修辞,而是由 FDE 的工作场景决定的。 FDE 的典型工作链条是:进入陌生客户现场 →…
深度专题五十 大模型应用的系统测试策略
大模型(LLM)应用之所以难测,根本原因不在于"测试技术不够",而在于被测对象本身的性质发生了变化。传统软件是确定性的:给定输入,期望输出可枚举、可断言;而 LLM 应用是概率性、组合性、状态依赖的——同一条输入,在不同温度、不同上下文窗口、不同检索结果、不同工具返回下,输出可能完全不同。把传统软件…
深度专题五十一 FDE 的财务与商业素养
为什么 FDE 必须懂财务与商业 很多人对 FDE 的理解停留在"会写代码、能驻场、能把 AI 落地"的层面,这没错,但远远不够。FDE 的核心定位是"跨界翻译官",翻译的两端一边是技术语言(模型、API、推理延迟、召回率),另一边是商业语言(收入、成本、毛利、回报率)。如果一个 FDE 只能讲技术…
深度专题五十二 AI 与就业、社会影响及 FDE 的责任
摘要:AI 对就业的真实影响不是"全员失业"或"全员解放",而是 结构性重构 ——传统软件工程师岗位收缩,AI 增强型与 AI 专属型岗位暴涨,劳动力市场被劈成两轨。FDE 现象本身就是这场重构的缩影与现场。本专题用 2025–2026 年的真实数据拆解替代/增强/创造三条主线,盘点 AI 落地的五…
深度专题五十三 FDE 案例研究方法论
53.1 为什么 FDE 必须会做案例研究 很多人把"案例研究"理解为售前材料里的客户 logo 墙,这是最大的误解。对 FDE 而言,案例研究是一种 结构化的知识生产方法 :它把一次散落的现场经验,提炼成可被组织反复调用的资产。FDE 之所以必须掌握这门手艺,有三层硬理由。 第一,学习标杆的捷径。…
深度专题五十四 AI 系统的容量规划与成本建模
54.1 为什么容量规划是 FDE 的必备能力 在 FDE(前沿部署工程师)的真实交付现场,最常被客户追问的两个问题是:"这套 AI 系统到底要花多少钱?"和"峰值来了扛不扛得住?"这两个问题本质上是同一个问题——容量规划与成本建模。 算力贵是行业级事实。一张 NVIDIA H100(80GB)的按…