关于 FDE 与 AI 落地，先说清楚的几件事
下面这些问题，大多来自销售和社区「周问周答」里被真实问过的场景。每条都先给结论，再展开。
FDE（前沿部署工程师）是什么？＋
FDE 即 Forward Deployed Engineer（前沿部署工程师），是站在客户业务现场、直接对业务结果负责的工程师：把 AI 能力翻译成企业生产力，而不是隔着需求文档交付、验收完就走人的外包。
FDE 和传统软件外包、乙方实施有什么不同？＋
核心差别在「对结果负责」与「源码归谁」：FDE 驻场办公、需求当面确认，验收标准写的是业务指标（漏检率、响应时长、人效）而非功能清单；且代码、数据、文档全部归客户，零 Vendor 锁定。传统外包常按人头/模块计费、交付即失联。
企业 AI 项目为什么常常做完却没人用？＋
问题大多不在技术，而在交付方式，反复出现三个坑：License 绑架（按人头/模块层层加价，系统还没用起来预算先被吃掉）、定制如填坑（标准产品套你的业务，改不动就让你改流程）、交付即失联（验收签字后供应商消失，没人迭代）。FDE 模式用驻场 + 业务指标验收来规避这三点。
一套企业 AI 系统从需求到上线一般要多久？＋
典型 6–12 周，远短于传统软件项目普遍 6 个月起的周期。关键是先用 2–4 周做出可运行的最小闭环（POC）验证价值，确认后再扩到全量、驻场陪跑至业务指标达成。
AI 落地 POC（概念验证）应该怎么做、多久出结果？＋
用最短路径做出能跑的东西让客户先看到，再谈要不要继续。建议 2–4 周内交付一个最小闭环，把「能不能做、大概怎么做」变成可验证的结果，而不是停在方案文档里。
什么场景其实不该上大模型（LLM）？＋
规则稳定、输入输出可穷举、对确定性要求高的环节，用传统规则引擎或小型模型往往更稳更省，不一定需要大模型。是否上 LLM 要看「不确定性是否真的高、是否能接受偶尔出错、是否有可靠的人工兜底」，而不是「这个需求听起来很 AI」。
中小企业也用得起 AI 落地吗？＋
可以。FDE 模式没有 License 溢价、没有冗长驻场计费，同等功能下总成本约为传统软件的 1/3–1/2；并且先免费现场诊断、再用小步 POC 验证价值，确认值得再做整体投入。
想成为 FDE 或加入社区，怎么开始？＋
工程师可在「FDE 入驻」页提交履历，3 个工作日内初筛回复，兼职 / 全职 / 项目制均可；同行可在「FDE 社区」免费加入，参与案例复盘、工具模板库与周问周答。