FDE 是 Forward Deployed Engineer 的缩写，可以理解为前置部署工程师。它不只是写代码，而是进入客户的真实业务流程，找出问题、搭建方案、完成集成并推动上线。
大模型和工具是标准化能力，但不同企业的数据、流程和权限结构差异很大。FDE 的价值就在于把通用能力接到具体业务上。
配图 1
配图 2
一、FDE 与普通外包的区别
外包通常围绕明确的交付物执行；FDE 先观察流程，再确认真正的问题。比如客户提出“做一个 AI 客服”，现场可能发现根因是多个业务系统的客户数据没有连通。
判断顺序
先确认业务结果，再决定模型、工具和界面。不要把工具名称当成项目目标。
配图 3
二、一套可复用的落地流程
-
观察跟着业务人员走完整流程，记录重复、等待、录入和交接环节。
-
建模把输入、处理、判断、输出、权限和异常情况画出来。
-
做 Demo只解决一个明确的小问题，先让业务人员现场试用。
-
接入工具连接知识库、表格、CRM、文档或内部系统，并控制权限。
-
灰度上线保留人工确认，记录错误和无法处理的情况。
-
交付复盘用时间、错误率、处理量和用户反馈评估实际效果。
配图 4
配图 5
三、适合小规模试点的场景
-
文档解析：从 PDF、合同或物流单据中提取结构化字段。
-
知识库客服：让 AI 根据企业自己的产品资料和 FAQ 回答问题。
-
内容自动化：批量生成脚本、笔记和营销文案，但保留人工审核。
-
报表自动化：读取表格、发现异常并生成解释性报告。
-
流程审批：提取合同、报销或采购信息，人工完成最终确认。
配图 6
配图 7
四、工具只是执行层
原文以 WorkBuddy、Skill 和 MCP 作为示例。它们可以分别承担任务规划、能力扩展和系统连接，但具体产品能力、权限和可用连接器会变化，使用前应以官方文档为准。
无论使用什么工具，都建议把“确定性程序”和“AI 判断”分开：字段映射、去重、计算和写入需要稳定可检查；内容理解和改写可以交给 AI；最终是否上线由业务人员决定。
五、五天试点计划
-
第 1 天找一个仍在手动处理重复任务的业务流程。
-
第 2 天用真实但经过脱敏的数据做最小 Demo。
-
第 3 天让业务人员试用，记录不理解、出错和缺数据的地方。
-
第 4 天补充权限、异常处理和必要的系统连接。
-
第 5 天确定验收指标、交付边界和后续维护方式。
不要承诺“自动化后一定省多少人”或“保证爆款”。先定义可测量的流程指标，再根据真实结果迭代。
配图 8