# 策展 · X (Twitter) 🔥🔥🔥🔥

> 作者：PostHog (@posthog) · 平台：X (Twitter) · 日期：2026-05-13

> 原始來源：https://x.com/posthog/status/2054265505482195127

## 中文摘要

# 到底什麼是 Forward Deployed Engineer？（以及為什麼每家公司都在徵才）

根據 a16z 的說法，這個職位被稱為「新創圈最熱門的工作」，在 2025 年成長了 800%，而且直到今天依然是熱門話題，發展勢頭強勁。目前正在（或已經）招募此職位的公司包括 OpenAI、Anthropic、Databricks、Ramp，甚至我們自己。但為什麼呢？

# 到底什麼是 Forward Deployed Engineer？

Forward Deployed Engineer (FDE) 是一位會被派駐到客戶團隊中的工程師，旨在填補你的產品功能與客戶實際需求之間的落差。這可能意味著需要連續幾週在客戶辦公室現場工作、直接加入客戶的 Slack workspace，或是為了進行 onboarding 和實作而存取客戶的實際基礎設施。

這個職位起源於 Palantir。他們發現，即便是針對情報軟體客戶進行簡單的產品展示，也可能需要耗費數週的時間來處理保密協議 (NDA) 和安全審查。他們後來成功建立了一種模式：工程師被「前線部署 (forward deployed)」到客戶現場，在取得適當授權與流程的前提下，與客戶並肩工作，進行產品探索與開發。

透過深入客戶團隊，FDE 能熟悉客戶現有的技術堆疊、痛點以及實作上的挑戰。這些學習成果隨後會被核心產品團隊採用，並將其通用化，以服務其他客戶。這是一個雙贏的局面：客戶獲得了高度客製化的解決方案，而 FDE 則獲得了寶貴的實戰經驗。

舉例來說，當 OpenAI 正在開發語音模型時，他們派遣了 FDE 到一家從事客服中心自動化的客戶公司。他們建立了評估機制 (evals) 來驗證模型效能，並將這些資料帶回核心研究團隊以進一步優化。最終，該客戶成為首個將其部署到生產環境的企業，而這些改進也成為 OpenAI Realtime API 中廣泛提供的功能。

# Forward Deployed Engineer 實際上在做什麼？

FDE 的生活與其他軟體工程師相當類似，差別在於他們是「駐點」在客戶端，為客戶的需求進行開發。這意味著他們需要參與大量的會議與客戶端工作，且通常需要 20-50% 的時間出差（除非他們只進行虛擬訪問）。

在 Palantir，FDE 的日常工作大致如下：

1. 與客戶開會，了解問題所在。

2. 根據這些需求設計、撰寫並測試軟體。

3. 設定現有產品（例如 AI 模型或穩定性改進），為客戶解鎖功能。

4. 與「後方」的產品團隊溝通客戶回饋。

話雖如此，每家公司的情況都不盡相同。隨著職位演變，FDE 的工作內容現在涵蓋了從產品開發到銷售，甚至是 RevOps。FDE 的原始概念依然核心在於實際的實作與工程，但在某些公司，FDE 的角色更接近技術顧問或銷售工程師。

# 為什麼現在感覺每家公司都在徵求 Forward Deployed Engineer？

最顯而易見的答案是 AI。在 Palantir 工作超過七年的 FDE Anjor Kanekar 是這樣說的：

> AI 公司面臨一個 FDE 非常適合解決的問題。基礎模型的能力與企業應用場景之間存在落差，而這正是 AI 能創造價值的地方。FDE 模式是一種非常有效的方法，用來進行研發工作，找出「應用層 (app layer)」該如何建構。AI 公司擁有模型，但他們需要弄清楚到底該利用這些模型建構什麼，才能打入大型企業或公共部門。

不過，除了需要大量客製化之外，還有其他因素：

## 1. AI 隱私風險是真實存在的。

企業不希望在未建立信任的情況下（特別是針對 AI 用途），將客戶資訊、財務紀錄或專有資料交給供應商。FDE 因為合約是針對產品而非僅僅是服務，因此能取得與這些資料直接工作所需的權限與長期存取權。

## 2. AI 合約金額非常龐大。

AI 交易金額巨大。動輒六位數、七位數甚至八位數。當 AI 公司收取如此高額的費用時，他們有能力派遣工程師駐點數月，以確保產品能如預期般運作。過去，這類工作通常由顧問完成，但 AI 公司為了確保更好的合約並獲得第一手知識，願意承擔這些財務成本。

## 3. 決策者對 AI 持懷疑態度。

大多數人——特別是傳統企業的高層——尚未完全相信 AI 的實用性，需要眼見為憑。當涉及重大利益時，單靠銷售電話和展示是不夠的。FDE 透過與客戶共同作業，直到他們看到實際資料產出的真實成果，從而填補了這段信任落差。

# 他們與軟體工程師有什麼不同？

FDE 依然在進行軟體工程，但他們花費比其他軟體工程師更多的時間與客戶溝通並定義專案範圍，以決定要建構什麼以及如何建構。他們的首要任務是深入理解客戶的問題，以便開發出能解決這些問題的方案。

另一方面，軟體工程師專注於建構可通用且易於維護的功能。他們較少參與直接的客戶對話，更專注於能大規模運作的解決方案。

Palantir 的早期高管 Bob McGrew 將 FDE 描述為那些為產品目標鋪設「碎石路」的人。接著，核心產品團隊的軟體工程師會負責將這條碎石路轉變為鋪設好的高速公路，讓接下來的十位客戶也能使用。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778641359266-iaHII2ay6XwAA0is8jpg.jpg)

關鍵差異在於，FDE 一次針對一位客戶進行產品探索與開發，通用性是次要考量。而軟體工程師通常從一開始就以服務眾多使用者為目標進行建構，思考規模化是他們流程中不可或缺的一部分。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1778641359261-diaHII2lHSW8AA5n0jpg.jpg)

> 等一下，那產品工程師呢？產品工程師與 FDE 的相似之處在於，他們都能在與使用者溝通的同時快速建構，並交付能解決問題的精簡方案。差異在於環境與目標——產品工程師旨在解決許多人共同面臨的問題，以便在過程中創造出可重複使用的解決方案；而 FDE 則是一次專注於一位客戶。

# 什麼樣的人適合成為 Forward Deployed Engineer？

公司在招募 FDE 時，通常會尋找具備以下特質的人才：

- 紮實的工程經驗。具備 5 年以上工程或技術部署經驗，且包含客戶端工作經驗 (OpenAI)。

- 客戶同理心。謙遜、樂於合作，並能以同理心協助他人 (OpenAI)。

- 出色的溝通技巧。具備高層對話能力，並能在客戶端場合代表公司 (Lambda)。

- 協作態度。具備強大的溝通技巧，能與客戶進行需求探索，並能向不同背景的利害關係人傳達技術概念，同時保持低姿態與協作精神 (Anthropic)。

- 產品敏銳度。能貢獻加速器、框架與最佳實踐，擴大在各個帳戶中的影響力，並影響產品路線圖 (Databricks)。

- 領域專業知識。在生物科技、製藥、臨床研究或科學軟體領域具備客戶端負責經驗；鼓勵具備生命科學相關領域的博士、碩士或同等應用經驗 (OpenAI)。

- 對流程的熱情。熱愛結合工程、顧問與交付工作，並對旅程中的每一步負責 (HackerRank)。

Palantir 總裁兼 CTO Shyam Sankar 曾表示，那些在各自領域中被視為「異端」或「叛逆者」的人，是完美的 FDE 人選，因為他們擁有獨特的深度、背景知識與能量，能為企業解鎖 3 到 10 倍的成長。

（如果你還沒發現，這些特質同時也是優秀產品工程師與創辦人所具備的。難怪這麼多前 Palantir 員工後來都創立了自己的公司。）

# 我們什麼時候應該招募 Forward Deployed Engineer？

如果常見的產品市場契合度 (product-market fit) 策略已經對你奏效，答案是你不需要。FDE 策略始於解決一個問題，並爭取解決更大問題的機會，這對於單一客戶來說可能需要耗費數年。目標是簽下隨時間推移價值越來越高的合約，但這在初期有巨大的成本。

在以下情況，FDE 對公司來說是有意義的：

## 1. 產品需要大量的實作投入，且你負擔得起成本。

如果你的產品需要與現有基礎設施進行深度整合，且利潤空間巨大，那麼 FDE 的成本就是合理的。這就是為什麼現在這麼多 AI 新創公司都在招募他們。

## 2. 產業有嚴格的法規限制。

醫療保健、金融、政府與國防等產業有許多合規要求，使得大規模交付與迭代變得困難。FDE 在這裡很有價值，因為他們可以專精於這些標準、審核與流程（就像他們在 Palantir 所做的那樣）。

## 3. 你正在鎖定新的垂直領域或市場區隔。

當你的公司正在探索全新的客戶輪廓與 ICP (理想客戶畫像) 時，你無法預知自己不知道什麼。FDE 可以深入早期客戶團隊，了解該領域並進行所有進入市場所需的產品探索。

這就是 Ramp 的情況，他們最初是為小型企業進行建構，但在嘗試滿足企業級需求並遇到技術挑戰時，加入了 FDE。

# 為什麼我們 PostHog 剛招募了一位 Forward Deployed Engineer？

我們以擁有「開箱即用」的工具為榮，但「任何開發者都能在 10 分鐘內使用 PostHog」與「這家財富 500 強公司可以在不花費數月的情況下遷移其整個分析堆疊」之間是有區別的。

我們招募了第一位 FDE 來協助這些大規模遷移，但我們是以 PostHog 的方式進行。我們的 FDE 是完全遠端、非同步的，並專注於建構自動化。對於習慣典型 FDE 設定的人來說，這是一個奇怪的實驗，但對我們來說是有意義的。如果我們利用現有的大量使用資料，而不是從零開始進行產品探索，那麼許多好處（深度的客戶知識、更快的迭代等）依然可以實現。

隨著 AI 能力的提升，人們對企業軟體能達成什麼目標有了更高的期望。我們認為 FDE 職位將會成長並演變以滿足這些需求。歸根結底，我們依然將此視為一個產品工程問題，透過與客戶保持密切聯繫來解決——只是我們不再只是與使用者對話，而是直接與他們並肩工作。

> PostHog 是一個用於建構成功產品的一站式開發者平台。我們提供產品分析、網站分析、工作階段重播、錯誤追蹤、功能旗標、實驗、問卷調查、LLM 分析、日誌、工作流程、端點、資料倉儲、CDP 以及 AI 產品助手，協助你除錯程式碼、更快交付功能，並將所有使用與客戶資料保留在同一個堆疊中。

作者：@jinayoon_，PostHog 技術內容行銷人員

## 標籤

產業趨勢, 其他, OpenAI, Anthropic, Databricks