文章
共 85 篇 · FDE 范式、方法论与全行业落地实践
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…
深度专题五十五 FDE 的持续学习与信息素养
专题定位 :FDE 是一个"半衰期极短"的角色——你去年精通的 Agent 框架,今年可能已被官方重写;你上季度在客户 A 跑通的行业方案,下季度在客户 B 可能就要换技术栈。本专题不讲"AI 会取代谁",只回答一个具体问题: 一个被丢进陌生行业、陌生客户的 FDE,如何在不被信息淹没的前提下,持续…
深度专题五十六 AI 项目失败案例集与深度复盘
写在前面：本专题不讨论"AI 还有哪些想象空间"，只讨论"为什么我们以为会成功、最后却砸了"。所有内容基于行业公开现象（公开复盘、技术博客、监管通报、财报披露、学术论文复现实验）综合提炼，不杜撰任何未公开的公司机密。案例描述以"现象—根因—教训—防范"四段式呈现，目的是让 FDE 在下一次进现场前，…
深度专题五十七 FDE 的可持续工作与健康
FDE 这个角色的底色，是被塞进客户的真实战场：现场环境陌生、需求每天都在变、甲方等着看结果、上线当晚就要有人值守。它是少数"以业务结果计绩效、却以工程师身份派驻"的岗位，天然把人推向高负荷。本专题不谈方法论的正确性，只谈一件事—— 怎么在这种负荷下活下来，并且活很多年 。一个两年就透支退场的 FD…
深度专题五十八 FDE 的演示(Demo)与汇报艺术
8.58.1 为什么 Demo 与汇报决定 FDE 能否拿单/续约 FDE 的工作链路可以粗略地拆成三段: 做出来、看得见、说得清 。绝大多数工程师默认第一段最难,但在真实的客户现场,真正决定一个项目能否签下来、能否续约、能否被客户自传播的,往往不是代码本身的复杂度,而是后两段——演示(Demo)与…