驻场工程师（FDE）：AI 价值交付的最后一公里

"驻场工程师"（Forward Deployed Engineer，简称 FDE）这个角色，最早因为一些以交付复杂系统著称的公司而被业界熟知。它的核心理念其实很朴素：不要等客户把需求想清楚、写成文档、再隔着一纸合同交付，而是把最优秀的工程师直接派到业务现场，和客户坐在同一间办公室里，边理解、边构建、边交付。需求不是一开始就写好的剧本，而是在现场一点点被发现、被验证、被打磨出来的。

在 AI 落地这件事上，FDE 模式正变得前所未有地重要。原因很直接：AI 要解决的问题，往往连客户自己都还没完全说清楚。当你问一个招商负责人"你们到底是怎么判断一条线索值不值得跟"，他能告诉你一些规则，但更多的判断藏在他十几年的直觉里——而 AI 要替他分担工作，恰恰需要把这些说不清的直觉，变成机器能执行的逻辑。

为什么需求无法被"文档化"

传统软件交付里，需求是相对稳定的：客户要一个审批流，你就建一个审批流，字段、节点、权限都能写进文档。但 AI 要做的是"理解业务、替人决策"，而业务的真实逻辑，大量存在于老员工的经验、部门之间的默契、以及那些"我们一直就是这么干的"隐性规则里。

这些东西写不进需求文档，因为它们大多从未被显式地表达过。一个资深医护知道哪类长者的夜间数据"看着正常但其实危险"；一个老练的仓储调度员凭经验就知道大促前哪几个货位会先堵；一个招商老手扫一眼企业名录，就能感觉到"这家值得马上打电话"；一个经验丰富的机电造价师，看一眼复杂的管线交叉区，就知道哪里最容易漏算工程量。这些判断，只能在现场被观察、被追问、被一遍遍还原成可执行的规则——而这正是 FDE 的工作。

更麻烦的是，这些隐性知识还会随着人的流动而流失。一位干了十几年的老招商员退休，他脑子里那套"什么项目值得抢"的直觉也跟着走了；一位熟悉设备脆弱点的老维修师离职，那些"这台设备一到雨季就容易出问题"的经验也随之蒸发。FDE 做的事，本质上是把这些装在个人脑子里、随时可能消失的经验，沉淀成企业可以长久持有、跨项目复用的数字资产。从这个意义上说，驻场不仅是在交付一个系统，更是在为企业打捎一座不会走的经验仓库。

最关键的业务知识，往往不在系统里，而在人的脑子里。你必须到现场，才能把它一点点挖出来。FORWARD DEPLOYED

FDE 在 AI 落地中具体做什么

把 FDE 简单理解为"出差到客户现场的程序员"是一种误读。在一个真实的 AI 落地项目里，他们的工作横跨理解、翻译、构建与取信四个层面：

• 把模糊的业务痛点，翻译成清晰的 Agent 任务。客户说"我们招商效率太低"，FDE 要拆解出：线索从哪些渠道来、谁在初筛、卡在哪个环节、什么样的结果才算"好线索"、判断错了又会有什么后果。模糊的抱怨被拆成一连串可定义、可衡量的小问题，AI 才有了着力点。
• 打通最后一公里的系统集成。让 Agent 真正读到 CRM 里的客户数据、写回 OA 里的审批流程，处理掉那些文档里从不会提及、却足以让项目搁浅的接口细节、字段口径与权限边界。这一公里看似不长，却是大多数项目真正摔倒的地方。
• 在现场快速迭代。当天发现问题，当天就调整、当天就让业务方再试一次。这种"看见—修改—再看见"的迭代速度，是任何"需求—开发—验收"的瀑布流程都无法企及的。现场的反馈回路越短，方案逼近真实需求的速度就越快。
• 建立客户的信任。当业务人员看到工程师就坐在身边，愿意听他们吐槽、理解他们的难处、并真的把问题解决掉，AI 才会从一个"被怀疑的黑盒"，慢慢变成一个"被信赖的同事"。信任不是靠 PPT 讲出来的，是靠一次次把事办成攒出来的。

FDE 不是"高级实施"，而是"产品的延伸"

一个常见的误解，是把 FDE 当成传统的实施顾问。两者的区别在于交付物的本质：实施顾问交付的是"把一套标准产品正确地装好、配好"；而 FDE 交付的是"在现场创造出客户真正需要、但市面上还不存在的东西"，并把现场学到的一切——新的场景、新的边界、新的失败模式——反哺回产品本身。

正因如此，优秀的 FDE 是稀缺的：他们既要懂工程，能亲手把系统搭起来；又要懂业务，能听懂一线的言外之意；还要懂沟通，能在客户的会议室里赢得信任。他们是产品团队伸进真实世界的触角，每一次驻场，都在让产品离真实业务更近一步。

一个驻场现场的真实切片

抽象的描述很容易让人觉得 FDE 只是"多跑几趟客户现场"。不妨看一个真实的切片。在一个招商线索研判的项目里，客户一开始只能给出一句话："帮我们把值得跟的企业挑出来。"但"值得跟"三个字背后，藏着几十条从未被写下来的隐性规则：是不是本地重点产业链的上下游、股权结构是否干净、有没有近期扩产或迁移的迹象、创始人是不是本地人、甚至“这家之前谈过但没谈成，不要再推”。

FDE 做的，就是坐在招商员边上，一条一条把这些直觉追问出来、还原成可执行的打分逻辑，再接入产业图谱与政策知识库，让 Agent 按这套逻辑去筛。最后的效果是招商线索的发现与转化效率提升 60% 以上——但这个数字背后，是工程师在现场一次次追问"为什么这条你会跳过"攒出来的。这些东西，永远不会出现在一份需求文档里。

结语

AI 时代，模型是共享的，工具是相似的，能力的获取从未如此容易。真正稀缺的，是"把通用能力转化为具体业务价值"的人——是那个愿意坐到客户身边、把模糊问题一点点啃清楚的工程师。FDE 模式之所以重要，是因为它承认了一个朴素却常被忽略的事实：价值产生在现场，而不在会议室。谁能更快地到达现场、更深地理解现场，谁就能更好地交付 AI。