如何成为FDE：一条以真实交付为核心的成长路线

不同背景从哪里开始

软件工程师通常需要补业务发现、客户沟通和AI评测；数据或机器学习工程师需要加强前后端、系统集成与生产运维；解决方案和实施人员则需要提升编码深度与测试能力。

先评估自己能否独立交付一个小型生产系统，再决定学习顺序。FDE不是通过记住更多术语获得的职位，而是把工程、业务和推进能力组合起来。

第一阶段：建立工程底座

• 熟练使用一种后端语言和一种前端技术完成完整应用。
• 掌握关系数据库、API设计、身份认证、权限和基本安全控制。
• 能编写单元与集成测试，使用日志定位线上问题。
• 理解容器、Linux、反向代理、持续部署和回滚。
• 在陌生代码库中阅读、修改并解释真实业务链路。

第二阶段：构建可评测的AI系统

选择一个真实任务，例如售后知识检索、合同字段抽取或工单分类。不要从“做一个聊天机器人”开始，而要明确用户、输入、输出、错误成本和人工复核。

实现模型调用、知识检索、工具权限、结构化输出和评测。记录模型版本、提示变更、失败样本、延迟与成本，让改进建立在证据上。

第三阶段：练习业务发现与交付推进

找一位真实用户，观察他怎样完成任务，再把流程画出来。用短周期原型验证最不确定的假设，并主动暴露数据、接口、权限和采用方面的阻塞。

每周用业务语言同步进展：验证了什么、失败在哪里、风险怎样变化、下一步需要谁做决定。这种清晰度是FDE推动复杂项目的重要能力。

一份有效FDE作品集应该包含什么

作品集至少包含问题背景、用户流程、范围取舍、架构、数据与权限、评测、部署、使用反馈和复盘。解释为什么没有选择另一种方案，比只展示最终截图更能体现判断能力。

可以公开脱敏的代码、演示视频、评测样本和交付检查表。不能公开客户资料时，用结构化复盘说明你的责任与决策，避免泄露数据或把团队成果全部归为个人。