AI 公司抢着要的岗位，大学没有专业，有人把学习路径全开源了

有个岗位，AI 公司抢着要，大学里没有对口专业，培训班也开不出像样的课。它叫 FDE，Forward Deployed Engineer，直译是前置部署工程师。

Amit Shekhar 最近在 X 上开源了一条成为 FDE 的完整路线图，放在 GitHub 上，有个主题一篇博客，全免费。

先说清楚这岗位是干嘛的。AI Engineer 负责把产品造出来。FDE 负责把产品塞进某一个具体客户的生产系统里，跑通他们的数据、流程、权限，然后带着踩过的坑回产品团队。前者偏造，后者偏用。

听着像售前，实际要写生产代码，搭 RAG 管道，接 API，还得坐在客户会议室里，把一句“我们想用 AI 优化客服”翻译成能验收的东西。所以它要求广度：LLM、RAG、Agent、评估、推理优化、安全、系统设计，每样都得知道到能当场做判断。

问题在于，这套能力没有对应的专业。计算机系教不了怎么在客户面前做技术决策，培训班教不了怎么用 evals 证明系统值钱。Amit 的路线图就是补这个缺口。

14 步，按 FDE 项目的实际生命周期排：发现需求、学工具箱、做原型、证明价值、加固、部署。每一步下面挂着若干篇博客，讲一个概念，多数配了视频。挑几个说。

Step 2 讲 LLM 内部机制，包括为什么幻觉、为什么长文档会忘、为什么响应慢。这些是客户现场最常被问的。答不上来，信任就没了。

Step 5 整段讲 RAG。从向量数据库、ANN 搜索，到混合检索、reranker、分块策略，再到 GraphRAG 和不用向量的 RAG。RAG 是 FDE 最常交付的东西，这块给得最厚。

Step 8 是评估和可观测性。这一步容易被跳过，但它决定了你能不能拿到验收签字。系统做得再好，拿不出数字，客户不会放行。

Step 13 是压轴：设计一个实时语音 AI agent。语音场景把模型、agent、工具调用、延迟、流式、系统设计全压在一起。端点检测、打断（barge-in）、首字音频延迟、TTS 分块，一条条拆。能把这条链路讲清楚，面试里遇到系统设计题就有底了。

路线图最后一步是面试准备。Amit 说 FDE 面试考三样：用 AI 编码 agent 写代码、AI 系统设计、客户场景。第三步最刁钻，给一个模糊的业务问题，看你问什么问题、怎么定义成功、选什么方案、能不能讲清楚。

仓库里每个链接都指向一篇独立博客，免费阅读，不用注册。作者是 Outcome School 创始人，说会持续更新。

评论区有个网友问，今天刚了解 FDE，要不要报个付费课程学。先跟着这份路线图走一遍，再决定要不要花钱。