AI 落地失败率 95%但有人把「解法」写成了一本开源书我们组去年搞了三个 AI 项目两个死在了联调阶段一个上线了但没人用。这不是我一个人的故事。MIT NANDA 实验室 2025 年发布的报告说全球企业过去三年在生成式 AI 上烧了三四百亿美元95% 的项目没能产生任何能写进财务报表的价值。与此同时硅谷招聘市场上有个岗位的发布量一年涨了七倍多——「前线部署工程师Forward Deployed Engineer简称 FDE」。OpenAI 在招Anthropic 在招YC 孵化器里一百多家创业公司都在招。把这两条新闻放在一起不难看出一个判断正在被越来越多人接受模型已经不稀缺了能把模型真正塞进客户业务跑起来的人才稀缺。FDE 到底是什么把概念说清楚先把常见的误解排除掉FDE 不是换了个名字的售前不是技术顾问也不是客户成功经理。FDE 起源于 Palantir。这家公司 2003 年成立从一开始就干一件在软件行业看来相当「轴」的事把最顶尖的工程师直接派到客户现场——情报机构、战场、油田、工厂——蹲在客户的数据泥潭里写代码不给方案直接上手。华尔街看了很多年看不懂觉得它「更像咨询公司」。然后 2025 年Palantir 市值突破了 4000 亿美元。所以 FDE 的核心是三件事同时成立写生产代码不是写 Demo驻场在客户环境里不是在自己公司的机器上对部署成功负责不是对交付文档负责这三件事单独拆开来每个岗位都能对应上其中一条。三件事同时成立市场上才有了这个空缺。角色写生产代码驻场客户对部署结果负责FDE✓✓✓后端工程师✓✗产品功能售前/SEPOC 级别跟着销售走拿单咨询顾问基本不写✓可交付文档客户成功✗✓续约OpenAI 的 FDE 岗位 JD 里有一句话我觉得写得最准「从第一个原型到稳定的生产环境全程拥有多个部署的技术交付。」Palantir 的版本更直白「类似初创公司 CTO 的职责——小团队、有限监督、端到端高风险项目。」为什么偏偏是现在这个问题值得想一下因为 Palantir 2003 年就在干这件事了为什么 FDE 是在 2024、2025 年才突然成为硅谷最热门的岗位原因是 AI 产品的特殊性。传统 SaaS 软件装好基本就能用顶多配置一下。AI 产品不是这样——同一个模型接进 A 公司的数据系统可能效果很好接进 B 公司的遗留架构就开始幻觉乱飞。每个企业的数据质量、系统现状、合规要求、使用习惯都不一样。这造成了一个现有岗位都无法填满的空洞需要有人既能写代码、又肯去客户现场、还愿意为最终能不能跑起来扛责任。结果是OpenAI 2024 年悄悄组建了 FDE 团队2026 年 5 月联合 19 家顶级资本成立了一家专门做 AI 落地的「部署公司」估值百亿美元起步Anthropic 几乎同一天被爆出跟黑石集团在搞对标的合资公司。两家顶级 AI 公司同一时间押注同一个方向这不是巧合。有人把这件事系统写成了一本书说到今天真正想推荐的东西《前线部署工程师——人工智能时代的客户价值交付秘籍》作者是范冰XDash《增长黑客》的作者。这本书已经开源发布在 GitHub 上全文免费当前版本 v1.0.24。我觉得这本书的价值不只是「介绍了 FDE 这个岗位」。更重要的是它做了一件费力不讨好的事用第一手材料说话。作者在写这本书的时候翻遍了能找到的原始资料Palantir 早期高管在播客里 51 分钟的复盘、前员工回忆录、风投行业分析、MIT 那份报告原文、几十份招聘 JD、薪酬报告、论坛里从业者的吐槽还有国内第一批实践者的经验谈。全书 165 个案例每一条来源都整理在附录 C 里经得起核查。这种做法我很尊重。不是二手信息的搬运是系统研究后的沉淀。书的结构沿着一次真实交付走完全程全书 8 章不是随机罗列的知识点是按照一次完整的 AI 落地项目从头到尾走一遍第 1 章FDE 的崛起— 把这个角色的来龙去脉交代清楚为什么是 Palantir 发明了这个打法为什么 AI 时代它又爆了第 2 章解决正确的问题— 驻场之后第一件事怎么在客户的混沌里找到真正值得解决的问题而不是被推着做错误的事第 3 章赢得客户— 如何建立技术信任让客户愿意真正配合交付第 4 章激活部署— 从 POC 到生产环境这段路为什么死了这么多项目怎么走过去第 5 章守住续约— 上线不是终点续约才是这章讲怎么守第 6 章扩大收入— 一个客户如何从小项目做到大合同第 7 章规模化复制— 把一个客户的成功变成可以批量复制的方法论第 8 章完整案例集— 165 个案例Palantir、OpenAI、Anthropic、Harvey、Sierra还有中国本土第一批实践者后记谈 FDE 的职业道德附录是可以直接用的指标清单和人物名单。这个结构设计得挺好它本质上是在回答一个问题如果我明天就要去做一个企业 AI 落地项目我应该怎么干适合谁读三类人我觉得读这本书收益最大想做 B 端 AI 产品的创业者。很多人用 To C 的打法做企业软件不断碰壁。这本书里有一套更适合 AI 时代 B 端交付的思路是硅谷正在验证的打法中文世界还没多少人系统讲过。想转型或已经在做 FDE 的工程师。如果你是一个写内部系统觉得离业务太远、但又不想完全放弃技术的工程师这本书基本是目前中文世界能找到的最完整的参考。顺便说FDE 的薪酬在硅谷普遍比普通工程师高 20-40%不是没原因的。甲方的技术负责人。如果你的公司正在推 AI 项目书里对「为什么 95% 的项目会死」的分析可能比你买的咨询报告更值得看。为什么作者选择开源免费范冰在自序里说了一段我觉得挺真诚的话这本书首先是我写给自己的学习笔记。研究一个陌生领域最好的验收方式就是把它讲成一本别人也能读懂的书——讲不清楚的地方就是自己没弄懂的地方。整理完之后把它锁在硬盘里多少有些可惜。知识的价值在于流动而不在于囤积。这话我信。《增长黑客》当年干的事情就是把一个硅谷正在发生、但国内还没有名字的东西研究清楚再讲出来。FDE 现在正卡在同一个时间点上——硅谷已经把它写进组织架构图了中文世界的讨论还停在「这是不是换了个名字的售前」。这本书把这个空白填上了而且是免费填的。怎么获取官网在线阅读fde4.ai手机端友好大陆访问更快有持续更新的案例库GitHub 仓库github.com/xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer每章独立 Markdown可直接在线读PDF 下载GitHub 根目录里有完整合并版当前 v1.0.24如果觉得有价值去 GitHub 点个 Star。开源、免费、认真做这种组合不多见Star 是对作者最直接的支持。最后说一句。FDE 这个职业的本质其实就是一句大实话复杂的问题没法隔着屏幕解决总得有人到场。AI 的演示很容易演示变成业务价值才是硬功夫。这本书把那个硬功夫的过程尽量写清楚了。你所在的公司或项目里AI 落地最大的卡点是什么欢迎评论区聊聊。谢谢你阅读我的文章我是顾北我们下去再见 前线部署工程师 FDE 完全指南：中文版开源书，165 个真实案例!
AI 落地失败率 95%但有人把「解法」写成了一本开源书我们组去年搞了三个 AI 项目两个死在了联调阶段一个上线了但没人用。这不是我一个人的故事。MIT NANDA 实验室 2025 年发布的报告说全球企业过去三年在生成式 AI 上烧了三四百亿美元95% 的项目没能产生任何能写进财务报表的价值。与此同时硅谷招聘市场上有个岗位的发布量一年涨了七倍多——「前线部署工程师Forward Deployed Engineer简称 FDE」。OpenAI 在招Anthropic 在招YC 孵化器里一百多家创业公司都在招。把这两条新闻放在一起不难看出一个判断正在被越来越多人接受模型已经不稀缺了能把模型真正塞进客户业务跑起来的人才稀缺。FDE 到底是什么把概念说清楚先把常见的误解排除掉FDE 不是换了个名字的售前不是技术顾问也不是客户成功经理。FDE 起源于 Palantir。这家公司 2003 年成立从一开始就干一件在软件行业看来相当「轴」的事把最顶尖的工程师直接派到客户现场——情报机构、战场、油田、工厂——蹲在客户的数据泥潭里写代码不给方案直接上手。华尔街看了很多年看不懂觉得它「更像咨询公司」。然后 2025 年Palantir 市值突破了 4000 亿美元。所以 FDE 的核心是三件事同时成立写生产代码不是写 Demo驻场在客户环境里不是在自己公司的机器上对部署成功负责不是对交付文档负责这三件事单独拆开来每个岗位都能对应上其中一条。三件事同时成立市场上才有了这个空缺。角色写生产代码驻场客户对部署结果负责FDE✓✓✓后端工程师✓✗产品功能售前/SEPOC 级别跟着销售走拿单咨询顾问基本不写✓可交付文档客户成功✗✓续约OpenAI 的 FDE 岗位 JD 里有一句话我觉得写得最准「从第一个原型到稳定的生产环境全程拥有多个部署的技术交付。」Palantir 的版本更直白「类似初创公司 CTO 的职责——小团队、有限监督、端到端高风险项目。」为什么偏偏是现在这个问题值得想一下因为 Palantir 2003 年就在干这件事了为什么 FDE 是在 2024、2025 年才突然成为硅谷最热门的岗位原因是 AI 产品的特殊性。传统 SaaS 软件装好基本就能用顶多配置一下。AI 产品不是这样——同一个模型接进 A 公司的数据系统可能效果很好接进 B 公司的遗留架构就开始幻觉乱飞。每个企业的数据质量、系统现状、合规要求、使用习惯都不一样。这造成了一个现有岗位都无法填满的空洞需要有人既能写代码、又肯去客户现场、还愿意为最终能不能跑起来扛责任。结果是OpenAI 2024 年悄悄组建了 FDE 团队2026 年 5 月联合 19 家顶级资本成立了一家专门做 AI 落地的「部署公司」估值百亿美元起步Anthropic 几乎同一天被爆出跟黑石集团在搞对标的合资公司。两家顶级 AI 公司同一时间押注同一个方向这不是巧合。有人把这件事系统写成了一本书说到今天真正想推荐的东西《前线部署工程师——人工智能时代的客户价值交付秘籍》作者是范冰XDash《增长黑客》的作者。这本书已经开源发布在 GitHub 上全文免费当前版本 v1.0.24。我觉得这本书的价值不只是「介绍了 FDE 这个岗位」。更重要的是它做了一件费力不讨好的事用第一手材料说话。作者在写这本书的时候翻遍了能找到的原始资料Palantir 早期高管在播客里 51 分钟的复盘、前员工回忆录、风投行业分析、MIT 那份报告原文、几十份招聘 JD、薪酬报告、论坛里从业者的吐槽还有国内第一批实践者的经验谈。全书 165 个案例每一条来源都整理在附录 C 里经得起核查。这种做法我很尊重。不是二手信息的搬运是系统研究后的沉淀。书的结构沿着一次真实交付走完全程全书 8 章不是随机罗列的知识点是按照一次完整的 AI 落地项目从头到尾走一遍第 1 章FDE 的崛起— 把这个角色的来龙去脉交代清楚为什么是 Palantir 发明了这个打法为什么 AI 时代它又爆了第 2 章解决正确的问题— 驻场之后第一件事怎么在客户的混沌里找到真正值得解决的问题而不是被推着做错误的事第 3 章赢得客户— 如何建立技术信任让客户愿意真正配合交付第 4 章激活部署— 从 POC 到生产环境这段路为什么死了这么多项目怎么走过去第 5 章守住续约— 上线不是终点续约才是这章讲怎么守第 6 章扩大收入— 一个客户如何从小项目做到大合同第 7 章规模化复制— 把一个客户的成功变成可以批量复制的方法论第 8 章完整案例集— 165 个案例Palantir、OpenAI、Anthropic、Harvey、Sierra还有中国本土第一批实践者后记谈 FDE 的职业道德附录是可以直接用的指标清单和人物名单。这个结构设计得挺好它本质上是在回答一个问题如果我明天就要去做一个企业 AI 落地项目我应该怎么干适合谁读三类人我觉得读这本书收益最大想做 B 端 AI 产品的创业者。很多人用 To C 的打法做企业软件不断碰壁。这本书里有一套更适合 AI 时代 B 端交付的思路是硅谷正在验证的打法中文世界还没多少人系统讲过。想转型或已经在做 FDE 的工程师。如果你是一个写内部系统觉得离业务太远、但又不想完全放弃技术的工程师这本书基本是目前中文世界能找到的最完整的参考。顺便说FDE 的薪酬在硅谷普遍比普通工程师高 20-40%不是没原因的。甲方的技术负责人。如果你的公司正在推 AI 项目书里对「为什么 95% 的项目会死」的分析可能比你买的咨询报告更值得看。为什么作者选择开源免费范冰在自序里说了一段我觉得挺真诚的话这本书首先是我写给自己的学习笔记。研究一个陌生领域最好的验收方式就是把它讲成一本别人也能读懂的书——讲不清楚的地方就是自己没弄懂的地方。整理完之后把它锁在硬盘里多少有些可惜。知识的价值在于流动而不在于囤积。这话我信。《增长黑客》当年干的事情就是把一个硅谷正在发生、但国内还没有名字的东西研究清楚再讲出来。FDE 现在正卡在同一个时间点上——硅谷已经把它写进组织架构图了中文世界的讨论还停在「这是不是换了个名字的售前」。这本书把这个空白填上了而且是免费填的。怎么获取官网在线阅读fde4.ai手机端友好大陆访问更快有持续更新的案例库GitHub 仓库github.com/xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer每章独立 Markdown可直接在线读PDF 下载GitHub 根目录里有完整合并版当前 v1.0.24如果觉得有价值去 GitHub 点个 Star。开源、免费、认真做这种组合不多见Star 是对作者最直接的支持。最后说一句。FDE 这个职业的本质其实就是一句大实话复杂的问题没法隔着屏幕解决总得有人到场。AI 的演示很容易演示变成业务价值才是硬功夫。这本书把那个硬功夫的过程尽量写清楚了。你所在的公司或项目里AI 落地最大的卡点是什么欢迎评论区聊聊。谢谢你阅读我的文章我是顾北我们下去再见