FDE - AI工程化岗位的技能要求变化 —— 从几个真实JD说起

FDE今年火热的要烂掉了。 最近在看市场上AI相关的岗位，发现一个挺有意思的趋势：纯research的岗位在变少，但“能把AI真正落地到产品里”的工程岗位需求在爆发。分享几个最近看到的JD，想和大家讨论一下这类岗位的技能栈和职业发展路径。
第一个是Forward-Deployed Software Engineer，要求5年以上经验，核心是LLM API、Agent和RAG在生产环境中的落地。这里有个问题想请教各位：现在市面上真正把Agent做上生产的公司多吗？大家在实际落地中遇到的最大坑是什么？是context window不够用，还是tool calling的稳定性问题？
第二个是Forward-Deployed Full-Stack Engineer，7年以上，强调“在企业级规模下交付可靠系统”。这个让我有点好奇——AI时代全栈工程师的技能树和传统全栈有什么本质区别？除了常规的分布式系统、高可用架构，现在是不是还得懂prompt engineering和embedding pipeline？
第三个是Forward-Deployed Solution Engineer，同样是7年以上，需要consulting/solutions背景，能把业务问题转化为AI-native的解决方案。这类岗位感觉像是“AI时代的解决方案架构师”，不知道大家怎么看？这种角色在组织里到底该放在工程团队还是业务团队？
最后一个是Applied AI Research Engineer，3-5年经验，focus在LLM post-training（SFT、RLHF、DPO、GRPO），base在Menlo Park，需要in-office。这个岗位倒是比较接近传统research engineer的定位，但post-training现在越来越工程化了，想问问大家：现在做post-training的团队，是不是更多在调inference pipeline和RL系统，而不是真正在“做research”？
这几个岗位都是US-based，除了Menlo Park那个需要in-office之外，其他都需要travel。细节我就不多贴了，主要想和大家探讨一下：

• 这类“Forward-Deployed”岗位的未来发展空间——是做几年就转产品/管理，还是可以一直走技术路线？
• 技能转型问题——传统backend engineer想转这类岗位，最大的gap在哪里？
• 面试准备——这类岗位的面试更偏向系统设计还是更偏向AI应用场景的case study？

欢迎有相关经验的朋友分享一下看法，也欢迎正在面这类岗位的同学聊聊体验。

. Χ
个人观察，FDE类的岗位，对沟通能力的需求，大于对技术能力的需要。都是client facing的项目，要会哄客户开心，要会管理项目和客户预期。项目上一般会有个PM，但实际上人人都要是PM。

普通sde想转这个应该怎么转？ 感觉FDE职业寿命会比普通sde还长几年。

OPC (One Person Consultant)
FDE = PM + Functional/Solution Consultant + Developer + QA