1000 份简历招 1 个人，他们要找什么样的 FDE？

斯塔克成为钢铁侠，不是因为一个普通人穿上了盔甲，他就成为了钢铁侠。是因为他想成为钢铁侠，所以他穿得起那身盔甲。

图由 AI 生成

文 | 崔强

编辑 | 燕子

排版编辑 | 唐山惠

甘艺凡说了一句话，让我停下来想了一会儿。

“FDE 是一种代表结果的职位，而不是一个代表过程的职位。”

此前我采访其他六家公司时，大家谈得最多的是 FDE“做什么”：有人让 FDE 搭建 Agent，有人让他们驻场与客户共创，也有人让他们收集需求、设计方案。

但甘艺凡追问的是一个更根本的问题：这些工作最终要指向什么结果？FDE 又该为这个结果承担什么责任？

甘艺凡和刘开是 Rolling AI 的联合创始人，都曾就职于 BCG Digital Ventures。一个是设计师出身，一个是工程师出身。他们可能是到目前为止最“较真”的一组采访对象。两个人不仅较真 FDE 怎么做，更较真它到底是什么。

01

三个误读

甘艺凡把 FDE 的三个字母分别拆开，解释了大家对这个角色最常见的三个误读。

第一个误读，是对E（即 Engineer）的理解。

“中国大部分人对engineer这个词是有误读的。大家认为工程师就是会写代码的人，其实不是。工程师真正要做的，是把一件事情变成可复用的能力，再通过工程化的方式，让它在组织里系统地运行起来。”

甘艺凡说，自己几乎看不懂超过10行的代码，但他在公司的代码量排名却很高。这看起来有些矛盾，背后其实是 AI 改变了“工程能力”的实现方式：一个人未必需要亲手写出每一行代码，但他要知道如何借助 AI，把业务需求变成能够运行的系统。

刘开在旁边补了一句：“如果以一家普通软件企业的研发水平为参照，阿甘现在产出的代码，质量已经高于研发团队的平均水平。准确地说，不是阿甘本人的编码水平超过了研发团队，而是他借助 AI 生成的代码，质量超过了团队的平均水平。”

第二个误读，是对D（即 Deployment）的理解。

刘开的说法很直接：“大家通常认为，Deployment 就是把代码部署到服务器上。但在我们看来，它指的是一套新的生产力进入企业，并真正运转起来的过程。”

代码部署到服务器，只是技术层面的上线。AI 要在企业里真正产生结果，还要进入具体的业务流程，与原有组织协同，并与业务目标保持一致。

甘艺凡说，AI 时代的 Deployment 有一层很厚的业务工作。实际落地时，大部分阻碍并不来自技术，而是来自组织协同、业务流程，以及目标没有真正对齐。

第三个误读，是对F（即 Front End）的理解。

这里的 Front End 不是软件开发中的“前端”，而是客户业务发生的真实一线。

“一线有两种定义。我们说的一线，是真正的业务现场。比如客户的业务发生在门店，我们就要到门店去，而不是只待在客户公司的总部。总部并不是真正的 Front End。”

三个词，对应三个误读：Engineer 不只是写代码，Deployment 不只是部署系统，Front End 也不是坐在客户总部对接需求。它们共同指向了 FDE 的本质，FDE 不是一个完成技术交付动作的角色，而是一个深入业务现场、推动 AI 真正产生结果的角色。

02

能力之外，

还要看心力和愿力

我问他们怎么招人。甘艺凡给出了三个词：聪明、勤奋和“穷”。

“穷其实是开玩笑。我的意思是，他看见一个机会时要有饥饿感，要有一股往前冲的劲儿。这种原生动力，来自于内心的渴望”

刘开给了个数字：他们大约每收到 1000 份简历，最终招 1 个人。在人工筛选之前，还有一轮 AI 面试。

1000:1。这个比例是目前我所有的采访企业里筛选比例最高的一家。

但甘艺凡真正看重的，并不只是候选人当下具备什么能力。他以自己为例：设计师出身，代码能力“极差”，但有足够的心力去做一件原本不擅长的事。

“能力是一个层次，再往下看，其实是心力和愿力。一个人在能力上有一点短板没有关系，只要方向基本匹配、心力足，我们也愿意要。”

这让我想了很久。之前的采访对象都在谈“能力”，包括战略咨询、人机协作、工程动手。而甘艺凡直接在能力下面又挖了两层：心力是你敢不敢干，愿力是你想不想干。能力可以靠AI补，心力补不了。

什么样的人很难留下来？甘艺凡回答得很干脆：

“只要这个人ego太大，就没有办法在我们这里待下去，一点办法都没有。”

因为在 AI 参与工作的环境里，人需要不断试错、快速学习，也要接受自己的能力边界。如果一个人过于在意自我证明，很难真正融入这样的协作方式。

甘艺凡还提到一个出乎我意料的用人偏好：他觉得家里做过小生意的人，通常“常识性会更好”。他们更早接触真实的生意和人情，也更习惯自己面对问题、想办法解决。相反，那些一直特别听话、只擅长读书的人，在这样的环境里未必适应。

03

人都搞不清楚的事情，

AI 怎么能搞清楚

我追问了一个很多人关心的问题：Palantir 的FDE模式，在中国能复制吗？

甘艺凡给出了一个明确的答案：不能。

在他看来，全世界只会有一个 Palantir。首先，Palantir 服务着全球最有支付能力的一批客户。这些客户拥有巨额预算（全年超过一万亿美金），在解决关键问题时，可以不计成本地投入。更重要的是，中美企业运行的底层逻辑不同，Palantir 的模式很难原样搬到中国。

“美国商业运行的底层是契约制，企业按照合同文本和岗位职责来运转。中国不是这样。很多中国企业依赖人情和信任来管理，重要的事情往往集中在少数自己信任的人身上，岗位也可能因人而设。”

这会给 AI 落地带来一个很现实的问题：企业内部的职责、流程和规则，本身就没有被清晰地定义下来。很多事情由谁负责、如何协作、出了问题找谁，依靠的是长期形成的默契，而不是明确的制度和流程。

甘艺凡接着说：

“人都搞不清楚的事情，AI怎么能搞清楚？人都说不清楚这个人到底负责哪些事情，AI又怎么会知道？”

这句话让我想起桑文锋说的"连接是没办法传递的"。两个人从不同角度指出了同一个问题：中国企业的组织现实，是AI落地的真正障碍。不是技术问题，是人的问题。那些大量依赖关系、经验和默契运行的部分，很难直接交给 AI。

04

不会消失的桥梁

采访快结束时，我问了一个所有FDE实践者都要面对的问题：当AI越来越强，FDE还有存在的必要吗？它会不会只是模型能力不足阶段的一根“小拐棍”？

甘艺凡认为，模型能力不同，FDE 要解决的问题也会随之变化。

“当模型不够强时，需要通过工程化的方式弥补模型的短板。当模型足够强以后，它仍然无法直接探索现实空间里正在发生的很多事情。这时，FDE 要做的是另一种工程：为模型提供足够多的上下文。”

在他看来，FDE 是连接 AI、现实世界与业务目标的中间人。模型可以处理信息、生成方案，但现实中发生了什么、企业究竟要解决什么问题，仍然需要有人告诉它。

“FDE 消失的那一天，就是所有人都不再需要工作的那一天。”

刘开把这个角色放在一条更长的时间线上：

“过去 20 年，这个角色可能叫产品经理，也可能叫数字化 BP；今天，我们叫他 FDE；再往后，可能叫上下文环境提供师，甚至人类心情抚慰师。数字世界与实体世界之间，永远需要这样一个桥梁。”

产品经理、数字化 BP、FDE、上下文环境提供师、人类心情抚慰师，名字一直在变，所处的位置却没有变：理解现实世界的问题，再把这些问题转化为数字世界能够理解和处理的任务。

写完这篇手记，我又想起甘艺凡说过的一个比喻：

“斯塔克成为钢铁侠，不是因为一个普通人穿上盔甲，就能成为钢铁侠。是因为他想成为钢铁侠，所以他穿得起那身盔甲。”

AI 就像那身盔甲。工具再强，也不能自动把一个人变成 FDE。FDE 也好，GAB 也好，工头也好，叫什么并不重要。真正重要的是，这个人有没有意愿走进现场，面对那些模糊、复杂的问题，并把事情真正做成。

栏目介绍

本文是「FDE在中国」系列访谈的文章之一。我们正在系统研究FDE（前沿部署工程师）在中国的落地实践，欢迎相关从业者交流。相关白皮书《FDE落地在中国 2026》已发布，感兴趣的朋友可下滑点击阅读原文获取。