19 FDE 职业转型、作品集、面试与 30 天行动计划
章节目标
把系列专栏产物整理成 FDE 作品集、转岗材料、客户提案或企业内部 AI 部署能力建设计划。
开篇问题：你要证明的不是“学过 AI”，而是“交付过闭环”
很多求职者的作品集会列工具：LangChain、Dify、Coze、OpenAI、DeepSeek、Milvus。工具当然重要，但面试官真正想确认的是：你能不能面对一个模糊需求，找到真实流程，设计最小链路，处理权限和失败，用样本证明效果，并把项目推进到用户采用。
所以 FDE 作品集不是技术栈简历，而是一组交付证据。它要让读者相信：如果把你放到客户现场，你知道先问什么、先做什么、哪些事情不能承诺、怎样把 Demo 推向可试用系统。
岗位搜索关键词
最后核对：2026-07-11
海外招聘站常用关键词（建议组合搜索）：
| 关键词 | 常见公司类型 |
|---|---|
| Forward Deployed Engineer | OpenAI、Palantir、Databricks、Cohere |
| Applied AI Engineer | Anthropic、Stripe、各类 AI 创业公司 |
| AI Deployment Strategist / Lead | OpenAI DeployCo、Salesforce |
| AI Solutions Engineer | 云厂商、SaaS、系统集成商 |
| Professional Services Engineer | Databricks、Snowflake、企业软件厂商 |
| Deployment Engineer / Field Engineer | 硬件 + 软件混合交付场景 |
国内可补充：解决方案架构师、AI 实施顾问、智能化项目经理、大模型应用工程师——以 JD 中的 discovery、rollout、eval 职责为准，不以岗位名为准。
职业路径
适合转向 FDE 的背景包括：
- 全栈开发。
- 数据工程。
- 算法工程。
- 解决方案架构。
- 售前和咨询。
- 实施和运维。
- 产品和客户成功。
关键不是原岗位名称，而是你能否证明自己能把真实业务场景做成可验证系统。
不同背景转型路径
| 背景 | 优先补齐 | 作品集证明点 |
|---|---|---|
| 全栈 / 后端 | discovery 访谈、ROI、客户沟通 | 端到端 PoC + 评估样本 |
| 数据 / 算法 | 业务流程、权限、工具治理 | 业务指标 + 系统集成 |
| 售前 / 咨询 | 工程实现、Trace、上线门禁 | 可运行 Demo + 验收表 |
| 实施 / 运维 | RAG/Agent 架构、eval 基础设施 | 部署方案 + 运维交接 |
| 产品 / 客成 | 技术定界、Golden Dataset | 场景卡 + adoption 数据 |
作品集证据
合格作品集应包含可核查证据，而非概念描述：
- 场景卡与流程图（证明 discovery）。
- 架构图与工具清单（证明 system design）。
- Demo 录屏或脚本（证明 build）。
- Golden Dataset 与失败样本（证明 eval）。
- 上线门禁勾选记录（证明 rollout 意识）。
- 复盘文档（证明 feedback 与产品化）。
作品集首页怎么组织
建议你的作品集首页只放 3–5 个高质量项目，每个项目用同一结构：
| 模块 | 写法 |
|---|---|
| 场景一句话 | 谁在什么场景下完成什么任务 |
| 当前痛点 | 用数据描述耗时、错误、返工或风险 |
| AI 介入点 | 说明为什么选择 RAG / Workflow / Agent |
| 交付证据 | Demo、评估样本、Trace、上线门禁 |
| 结果 | 指标、试用反馈、失败复盘 |
| 下一步 | 如何进入生产或产品化 |
不要每个项目都写成长篇论文。作品集首页负责筛选，详情页负责证明。
3 分钟面试叙事
准备每个项目的 3 分钟版本：
- 30 秒讲场景：客户是谁，原流程有什么痛点。
- 60 秒讲方案：为什么选择这个架构，如何处理权限和风险。
- 60 秒讲评估：样本怎么来，指标是什么，失败如何复盘。
- 30 秒讲结果：用户是否采用，下一步如何上线或产品化。
这个结构能避免面试时陷入“我用了哪些工具”的流水账。
作品集项目标准
一个合格项目应包含：
- 业务场景和目标用户。
- 当前流程和痛点。
- AI 介入点。
- 架构选择。
- 数据和工具清单。
- 权限和合规边界。
- Golden Dataset。
- Demo 脚本。
- 失败样本。
- 上线和运营计划。
面试准备
常见问题：
- 给你一个模糊客户需求，你如何拆解？
- RAG、Workflow、Agent 如何选择？
- 工具调用失败怎么办？
- 如何评估一个 Agent？
- 如何向非技术客户解释模型不确定性？
- 如何处理敏感数据和权限？
- 如何把客户现场经验反馈给产品团队？
面试重点维度
| 维度 | 面试官想看什么 |
|---|---|
| Discovery | 访谈结构、范围锁定、JTBD、影子跟随 |
| 系统设计 | 架构选择、权限、工具 Schema、失败恢复 |
| Eval | Golden Dataset、回归、LLM-as-Judge 边界 |
| 安全 | 数据分级、脱敏、人审、审计 |
| 成本 | cost per task、模型路由、缓存策略 |
| 客户沟通 | 预期管理、周度 Demo、变更池话术 |
| Production rollout | 上线门禁、回滚、培训、adoption 指标 |
差旅与客户现场
多数海外 FDE JD 要求 25%–75% 客户现场或差旅。面试中应准备：
- 如何在客户现场建立信任与节奏。
- 如何与业务、IT、合规多方对齐。
- 如何在有限周期内交付可演示成果。
- 如何把现场问题 escal 到产品路线图。
30 天行动计划
| 时间 | 行动 | 产物 |
|---|---|---|
| 第 1 周 | 选择真实业务场景，完成访谈和场景卡 | 场景卡、流程图、痛点清单 |
| 第 2 周 | 准备样例数据、文档和最小知识库 | 样例库、数据字典、权限假设 |
| 第 3 周 | 搭建最小 RAG / Workflow / Agent 链路 | 可演示 Demo、工具清单、日志 |
| 第 4 周 | 完成评估样本、风险清单和复盘文档 | 作品集或客户提案 |
不同背景补齐重点
- 技术学员：补 LangGraph、LlamaIndex、API、Docker、Eval。
- 产品和方案学员：补场景评估、架构图、ROI、验收和商业提案。
- 业务学员：补知识整理、样本准备、验收标准和运营反馈。
30 天之后做什么
完成第一版作品集后，不要停止。继续做三件事：
- 补真实反馈：找 3 个目标用户试用，让他们指出哪里不可信。
- 补评估样本：把失败反馈转成 Golden Dataset。
- 补商业表达：把项目改写成客户提案、岗位面试案例和内部立项材料三个版本。
FDE 成长不是堆更多 Demo，而是让同一个场景不断接近真实交付。
实操任务
把本专栏产物整理成一个公开或半公开作品集页面。
交付物
- FDE 作品集目录。
- 30 天行动计划。
- 面试问题回答草稿。
- 客户提案摘要。
常见误区
- 作品集只展示 UI，不展示业务闭环。
- 只讲技术名词，不讲客户问题。
- 没有评估和失败样本。
- 没有说明上线边界和风险控制。
检查清单
- 作品集是否证明你能交付生产系统？
- 是否有可复用模板和方法？
- 是否能回答客户和面试官的追问？
- 是否有下一步真实行动计划？