编者按：随着 OpenAI、Anthropic 等公司开始组建 AI Forward Deployed Engineer（AI 前线部署工程师，简称 FDE）团队，一个源自 Palantir 的旧岗位正在硅谷重新走红。FDE 的核心价值，是进入客户现场，将通用大模型改造成符合具体业务流程的 Agent 工作流。
但这篇文章真正讨论的，并不只是 FDE 这一新职业，而是 AI 时代岗位结构如何重新分化。作者认为，相比少量被派驻到客户内部、服务于特定供应商产品落地的 FDE，未来需求更大的会是企业自己的 AI Engineer。他们需要懂提示词、Agent 框架、评估体系，也要会使用 Claude Code、Codex 等 AI 编程工具，把 AI 能力真正嵌入软件和业务系统。
这也意味着，AI 对就业市场的影响未必是简单的「替代」。它更可能先制造出一批新的通用型岗位，再像过去软件工程师分化出前端、后端、移动端、DevOps 一样，继续演化出 LLMOps、Evals Engineer、AI Data Engineer 等更细分的职业。真正稀缺的，将是那些既懂工程实现，又能理解业务场景的人。
以下为原文：
硅谷最近出现了一个颇受关注的新岗位：AI 前线部署工程师（AI Forward Deployed Engineer，简称 FDE）。这类工程师会被派驻到客户组织内部，帮助客户定制解决方案，例如搭建和调优符合客户具体需求的 Agent 工作流。自从 OpenAI 和 Anthropic 开始组建新团队，将 FDE 派驻到客户组织之后，我也听到不少人重新开始关注 FDE 这条职业路径。
AI 工作负载推动 FDE 岗位兴起，是 AI 正在创造新工作的一个例子。这也说明，所谓即将出现就业市场崩塌的「jobpocalypse」叙事并不成立——未来仍会有大量 AI 与非 AI 相关岗位。不过，正如下文所解释的，我认为 AI 工程师岗位的数量会远远多于 FDE。
FDE 这一角色大约在二十年前由 Palantir 开创。当时，Palantir 会派工程师前往政府机构现场，在安全、与外部网络隔离的环境中工作。除了扎实的技术能力，FDE 还需要具备沟通能力，有时也需要一定的商业判断力。比如，他们可能需要与客户沟通，理解客户需求；制定项目优先级策略；解释复杂技术；以及在客户提出不现实需求时，以尊重但坚定的方式进行反馈。如今 FDE 再度受到关注，主要是因为将一个现成的大语言模型真正嵌入企业业务、改造成符合特定业务需求的定制化 Agent 工作流，需要大量实际落地工作。
不过，我认为 AI 工程师岗位的规模会大得多。一家公司也许会接受少量 FDE 进入内部协作，但大多数公司会希望让更多自己的员工参与项目建设。以我的机构为例，我们确实会招聘 FDE，但招聘的 AI 工程师数量要多得多。此外，客户常见的一个担忧是，很难找到真正「厂商中立」的 FDE。毕竟，FDE 的任务本质上是把某一家供应商的产品深度整合进企业系统。在当下这个阶段，很难预测一年后哪一种 AI 服务会成为最佳选择，因此「可选性」非常重要，也就是企业能够在未来选择最适合自己的供应商。相较之下，如果让 FDE 将公司的业务流程与某一供应商深度绑定，就会显著削弱这种可选性。
目前，我看到市场对 AI 工程师的需求正在快速上升。这类工程师能够使用 AI 软件组件构建应用，例如 LLM 提示词、Agent 框架、评估系统等；同时也能高效使用 AI 编程 Agent，比如 Claude Code、Codex、Antigravity CLI 和 OpenCode。随着 AI 工程师这一角色逐渐成熟，我预计它会进一步拆分为更细分的岗位。类似几十年前「软件工程师」这一通用岗位，后来逐渐分化出前端、后端、移动端、数据工程、DevOps 等方向。
未来会出现哪些专门化的 AI 工程岗位？我还无法确定。也许会有 AI FDE、LLMOps 工程师、评估工程师、AI 数据工程师、Harness 工程师，以及一些我们现在还没有命名的新岗位。但至少目前来看，许多通用型 AI 工程师已经在创造巨大价值。优秀的 AI 工程师正处于高度紧缺状态。随着这个领域在未来十年继续成熟，我也期待 AI 工程内部出现更多专业分工，并由此创造更多新的就业机会。
[原文链接]
