AI

AI 前沿与安全

广告位 · header_banner

FDE 技术栈：5 件必备能力 + AI 时代的新工具

FDE 的”必备 5 件套”

FDE 不是某一门语言的专家,而是能在 2 周内切换技术栈的全栈工程师。具体来说,必备 5 个能力:

  1. Python 主力:80% 的客户集成用 Python,数据处理、API 调用、脚本编排都靠它。
  2. 至少一门强类型语言(Java/Go/TypeScript/C#):用于对接客户的核心系统、写定制后端、调试生产代码。
  3. SQL + 至少一种 NoSQL:客户的数据散落在各种地方,要能 SQL 写复杂查询、读懂 ETL 脚本、调通 MongoDB/Redis。
  4. 云平台二选一(AWS 或 Azure):大客户几乎全在云上,要会 IAM、VPC、PrivateLink、KMS 这些云原生概念。
  5. 容器化 + CI/CD:Docker、Kubernetes(读懂 YAML 就够,不用会 operator 开发)、GitHub Actions 或 Jenkins。

加分项

  • 前端基础:不用精通 React,但要能在客户的内部 Web 框架里改改 UI、做内部工具。
  • LLM API 经验:2025 年后 FDE 大量工作是把 LLM 接入客户业务,要懂 prompt engineering、RAG、function calling、token 成本优化。
  • 行业知识:金融、医疗、制造、零售各有各的术语和合规,深耕一个行业比”什么客户都接”的 FDE 更有竞争力。
  • 运维 oncall:客户上线后 3-6 个月的 oncall 不是 SRE 那种标准操作,要懂客户的故障响应流程。

三类 FDE 的技术画像

前端/全栈出身:写应用层 FDE。负责把 AI 模型包成客户能用的 UI、做内部工具、写 demo。适合产品化能力强的 FDE。

后端/平台出身:写基础设施层 FDE。负责部署架构、跨系统集成、性能优化。适合深度技术背景的 FDE。

数据出身:写数据层 FDE。负责 ETL、特征工程、向量库调优。适合数据工程师转型的 FDE。

三类都能做 FDE,差别在第一年最明显——客户会按 FDE 的背景分配任务,3 年后三类会逐渐趋同。

AI 时代的新工具

2024 年后 FDE 工作流发生了两个明显变化:

  • Cursor / Claude Code 是标配:在客户的代码库里快速读懂、定位、改代码,效率提升 2-3 倍。但要注意:不能用客户的敏感代码喂给云端 LLM,必须用本地模型或私有部署。
  • 客户问题诊断被 AI 重构:客户报告”系统异常”,FDE 现在第一反应是用 LLM 分析日志、定位异常模式。LLM 还没聪明到能独立 oncall,但作为”日志摘要助手”已经能省 50% 时间。

反过来,LLM 也能写 FDE 的周报、PPT、内部技术文档——这些以前占 FDE 30% 的”软输出”工作,现在用 Sonnet 4.5/GPT-5 能省一半。

工具链一览

典型 FDE 一周会用的工具(以 SaaS AI 公司 FDE 为例):

  • 代码:VSCode/Cursor + Python + 客户指定语言
  • 协作:Slack + Notion + Linear + 客户指定的协作平台(企业微信/钉钉/飞书)
  • 数据:客户的 BI 工具(Tableau/Power BI/帆软)+ Snowflake/BigQuery
  • 部署:客户指定的云平台 + Terraform/Pulumi
  • 客户沟通:Zoom + 客户内部会议系统 + 邮件(永远留痕)
  • 文档:Notion/Confluence/客户 wiki(选客户在用的那个)

学习路线建议

新人 FDE 入职后 6 个月推荐的学习路径:

  1. 第 1 个月:跟一位资深 FDE 现场实习,看完整一周客户工作。
  2. 第 2 个月:自己独立接一个小型 POC 客户(单部门、6 周内完成)。
  3. 第 3 个月:接管一个中型项目的某个工作流(数据接入或 UI 定制)。
  4. 第 4-6 个月:独立负责一个端到端小型项目,从 kickoff 到上线。

跳过任何一步直接上手,通常会在客户政治环节栽跟头——技术能补,客户政治没法速成。

技能深度的合理预期

FDE 不需要达到 SDE 的代码深度,但需要达到的”最低水位”:

  • Python:能写出能读懂的代码,会用 type hint、pytest、pre-commit。
  • SQL:能写 5 表 JOIN,会用 CTE、窗口函数、explain 调优。
  • 云平台:理解 VPC、子网、IAM 角色,会用 Terraform 写基础设施。
  • LLM:懂 prompt engineering 基础、会用 RAG 框架、能读懂 API 文档。
  • 沟通:能在 30 分钟内把技术方案讲给非技术 stakeholder 听懂。

这五项”最低水位”达不到的 FDE,会在前 6 个月被客户识别出来,后期成长会受限。

FDE 的”反学习”陷阱

新人 FDE 经常犯的学习错误:

  • 学得太深:花 3 个月精通 Kubernetes operator 开发,结果 80% 的客户根本用不上。
  • 学得太广:什么都学一点,什么都不精,客户问深一点就露馅。
  • 学得太慢:跟项目 1 个月才开始学新工具,错过最佳上手期。
  • 不学”软技能”:写代码比学客户业务更舒服,但客户业务才是 FDE 长期价值所在。

推荐学习节奏:30% 时间学客户业务,40% 时间学客户技术栈,30% 时间学公司产品。这个比例比大多数 FDE 实际做的更偏业务,但回报最大。

相关阅读

广告位 · footer_banner
广告位 · sidebar_rect