派往前线的工程师 / FDE 为什么是 AI 落地时代最重要的职业 - INDIGO TALK EP50

过去两个月，FDE 突然成了硅谷最热的职业名词，OpenAI 和 Anthropic 相继与投行成立合资公司做企业部署，Google 也组建了自己的 FDE 团队。但 FDE 到底是什么？是外包驻场的新马甲，还是 AI 时代真正的价值节点？

这期对谈请来了正在 Cresta 从零搭建 FDE 团队的 Jove——他放话要建一支比 Palantir 更好的 FDE 队伍。这场对话给出了一个远比"驻场工程师"深刻的答案：FDE 是把企业 Know-How 转化为 AI 可执行 Context 的翻译者，是模型智能与混乱现实世界之间的最后一公里，甚至可能是下一代行业软件公司的雏形。

Apple Podcast & Spotify 播客 ｜ 小宇宙播客

嘉宾

Jove（钟钱杰）：Cresta Head of FDE，前 IBM / EMC / Splunk 资深工程师，连续创业者

时间戳

05:56 FDE 的定义：不是外包，是"靠谱的 AI 专家 + 产品改进者"
13:06 本体论：帮企业建一个"超级 Wiki"，也是在训练超级的神
17:06 模型公司下场：OpenAI 们为什么要另开公司做 FDE
18:58 组织设计的深意：为什么 FDE 不能归属 Professional Service
24:11 Skills 即下一代软件：Intelligence in Software
29:53 模型的粘性问题：为什么 OpenAI 做不了 Cresta 的生意
33:27 巨大的 AI Gap：从 Chatbot 到 Agent，比想象中难得多
35:41 新时代的 IT 家政：先断舍离，再谈 AI
39:10 中层的消失：战场透明与组织的抽离
46:27 SaaS 已死，定制永生:越定制越好的时代
53:14 Anthropic 的阳谋：托管 Agent 就是下一代模型
59:22 Know-How 的复利：Skill 是技能的传递系统
01:03:02 FDE 会被 AI 自动化吗：信任是人类最后的堡垒
01:05:14 给程序员的建议：转职 FDE，还是做 OPC?

01
从 Palantir 说起
FDE 这个词为什么突然火了

FDE 起源于 Palantir 十几年前的实践，本质是应对"需求复杂到无法用文档说清"的场景；但 Palantir 的成功里 FDE 到底占多大成分，其实很难拆解。

对谈从一个道具开始——Jove 特意举着写有 Forward Deployed Engineer 的牌子上桌。这个词直译过来就是"前线部署工程师"：把工程师派到客户的战场上去。

它的源头是那家"很神奇的公司" Palantir。Palantir 的客户以政府和军方为主，很多需求敏感到什么程度？哪怕签了单子，都不能在文档里写清楚到底要干嘛，必须人到现场，客户当面告诉你。这种复杂到无法用纯软件和清晰文档交付的需求，加上 Palantir 独特的本体论（Ontology）系统，让 FDE 成了一个非常有效的解法。Palantir 沉寂了十年，最近几年股价突然起飞，于是所有人都在问：能不能通过复制 FDE 模式来复制 Palantir 的成功？

Jove 对此有一层清醒的祛魅。他面试过不少从 Palantir 出来的人，坦言 Palantir 的成功因素太复杂——你能不能见到军方高层、能不能把人派进那些机构，全世界没几家公司做得到。FDE 对 Palantir 确实有效，但"关系"在其中占了多大成分，很难讲。而且 Palantir 做的很多事情，比如 Data Engineering、Digital Twin（数字孪生），其实并不是 AI。

这正是 Jove 的信心所在：他在 Cresta 搭建的 FDE 团队完全针对 AI 优化，在一个没有神秘关系加持、竞争充分的纯软件市场里靠实力做成事。他年初放了句狠话：要建一支全世界最好的 FDE 团队，比 Palantir 还好。这个团队现在 30 人，今年可能涨到 50 甚至 100 人，Jove 直接向 VP Engineering 汇报，后者直接向 CEO 汇报。

02
FDE 的定义
不是外包，是"靠谱的 AI 专家 + 产品改进者"

FDE 最好放在 AI Agent 的语境里定义——一群靠谱的 AI 专家，结合自身产品优势贴近客户，做出生产级系统，同时让自己的产品越来越好。后半句是 FDE 与外包的本质区别。

很多人的第一反应和 Indigo 抛出的问题一样：这不就是外包吗？日本叫派遣公司，把人派到客户那儿干完活就走。Jove 自己最初被 Cresta CEO（他的大学同学，此前在 Google 专做 Contact Center）联系时，也"既被吸引到也被吓到"——他查了一圈，第一反应是：这不就是解决方案工程师（Solution Engineer）吗？

深入做了九个月之后，他给出了自己的定义，原话是："FDE 是一群非常靠谱的 AI 专家，结合你自身产品的优势跟功能，去贴近客户，为他做出一套适合生产的系统，且能够让自己的产品越来越好。" 他补了一句：这句话很长，但每个部分都很重要。

为什么客户不自己做？那些大客户手里有几百上千个程序员。答案是 AI 太容易犯错了。做一个 Demo 不难，但要上线直接面向终端用户——比如给阿拉斯加航空、美联航（United）做面向乘客的语音体验——系统做不好就是各种投诉、客户流失、算错钱。这需要对模型的细节纹理有足够的经验，需要对 Cresta 平台本身足够了解，而客户既没有这样的专家，也不愿意花三六个月去学。

真正把 FDE 和外包区分开的，是那个回流的飞轮。Jove 和他团队里的很多人，有 10% 到 30% 的时间在改产品本身——不是修 Bug，而是接触了几个客户之后发现共性，把共性沉淀进产品。Indigo 用了一个精准的比喻：这相当于在做蒸馏——用人类的智商在前端理解客户的各种摩擦，把摩擦的 Log 喂给后端的机器，回去改模型、改产品。三个月前 FDE 还在痛苦挣扎的问题，可能已经变成产品的一部分，团队就可以去解决新的问题、新的场景。下次实施，时间更短。

这也解释了 FDE 的商业模型：客户得付得起。Cresta 的单子六位数起，服务的都是 Fortune 100、Fortune 500。但 Jove 也透露团队在往下探——小饭店、牙医诊所、招聘、房产中介，这些根本没有呼叫中心的中小企业，同样希望有一个 AI 助手结合日程表和订单系统，帮自己挡掉电话、筛选来意、约定时间。这是一个正在打开的新市场。

03
本体论
帮企业建一个"超级 Wiki"，也是在训练超级的神

Palantir 的本体（Ontology）本质是企业 Know-How 的超级 Wiki——一个 Company Model。所有 FDE 的工作，最终都在为 AI 这个"超级的神"接地气，而接地气的 Know-How 只有在场才能获得。

对谈在这里进入了第一个理论高潮。Indigo 给 Palantir 的本体系统做了一个通俗翻译：它帮你把企业的 Know-How 整理成一个你自己肯定整理不出来的超级 Wiki——企业里的知识节点、流通路径全在这个网格里，然后 Palantir 的工程师让系统在这个网格上运行。相当于帮企业建立了一个 Company Model（公司模型）。更关键的是第二层：Palantir 自己会带着这个模型的知识回去，让下一代本体系统变得更好，下次遇到类似企业可以快速复用。

Jove 把这个逻辑推到了 AI 时代的版本："我们所有的人都在训练一个超级的神。AI 本身智商已经很高，但它要接地气，接地气才能解决真实的问题。" [00:13] 而地气怎么接？靠 FDE，靠各种产品化的 SOP（标准作业流程）。

Indigo 分享了一个个人化的实践来呼应：他把自己每天做的项目当成一个小公司来运作，换不同的模型就像换不同的提词器。每完成一个步骤、每思考一个关键节点，他都让 Agent 写记录、写笔记——"这个是错的""这个对，下次保持"——对执行过程做认知层面的反思反馈，沉淀成很长的 Log 和 Memory。这些东西是可迁移的，就是他个人的工作流本体。

为什么不直接训练一个模型？两人给出了一致的答案：太笨重了。Jove 举了游戏公司的例子——每隔一两周出一个新 DLC，你不停地重新训练模型，费劲且错误难以纠正。相反，用 Markdown、用 Context、用沉淀的文档来承载 Know-How，相对透明，而且可以跨 Vendor 迁移。这里牵出一个非常现实的企业心态：没人想被绑死在某个模型上。就像当年的云厂商，大企业标配至少两朵云——Google Cloud 和 AWS 同时采用——万一一家抽风，你手里还有谈判筹码。

04
模型公司下场
OpenAI 们为什么要另开公司做 FDE

模型厂商成立 JV 做部署，动机很直白——自己的研究员太贵，用 OpenAI 的牌子招 FDE 价格是三倍，不如另设实体压低成本，只要单子做成、Token 消耗掉就行。

FDE 最近爆火的直接导火索，是 OpenAI 和 Anthropic 在节目录制前一周与投行成立了合资公司（JV），专门服务投行所投资的企业——我投了你，你就用我的模型、我的合资公司的系统、我的工程师帮你部署。

Jove 刚从旧金山参加完 Propel 回来——全世界最大的 Professional Service（专业服务）行业协会会议，五六百人规模。业内对模型厂商下场的看法是"既是好事又是坏事"：好事是这个词更热了，对招聘、对向外界解释自己在做什么都是利好；坏事藏在动机里。

他转述了一种流传的说法：OpenAI、Anthropic 的研究员和工程师本身很贵，而把 AI 项目做成需要招很多 FDE，这些人不见得需要顶级水平。如果用 OpenAI 的品牌去招人，价格是三倍；换一个实体去招，价格就下来了。人招得次一点、价格拉得低一点，只要活干完、Token 消耗掉，对估值还有帮助。

这段话为后面的核心分歧埋下伏笔：在模型公司眼里，FDE 多多少少还是"帮我把 Token 刷掉"的外包渠道；而在应用公司眼里，FDE 是产品飞轮的一部分。这个视角差异，正是 Jove 坚持不把 FDE 放在 Professional Service 部门下面的原因。

05
组织设计的深意：为什么 FDE 不能归属 Professional Service

FDE 的全称应该是 Forward Deployed Product Engineer——本质上还是做软件做产品的人，只是花很多时间跟客户在一起。组织归属决定了这个飞轮转不转得起来。

Jove 在 Propel 会上是个"异类"：满场都是 Professional Service 从业者，很多人对 FDE 模式很感兴趣（能多卖钱当然愿意），但他的观点恰恰是 FDE 不应该属于 PS。

理由是组织激励的第一性原理。如果 FDE 归 PS 管，你整天想的就是怎么排项目、算人头、算时间；发现产品有问题，你只能开个 Ticket 跟产品组说一下，改完遥遥无期——你不被信任、也不被支持直接去改产品，因为那是另外一个组的事。而在 Cresta，Jove 直接向 VP Engineering 汇报，做界面、做后台、做功能的工程师和 FDE 全是平级（Peer），FDE 候选人的面试甚至要经过他们的初面。FDE 是工程组织的一等公民。

这个组织设计释放出的能量是惊人的：FDE 团队为了部署效率，自己开发 CLI 工具，甚至自己做了一个 IDE。这个 IDE 把大量系统对接的最佳实践 Skill 化——用 Claude Skill 把流程变成文档、变成 Script，包装成一个 Agentic 的 Harness（智能体执行框架）。

更妙的是，这套工具不只内部用。Cresta 的客户分两类：一类是 IT 能力不强的传统大企业（保险公司、家庭安防），他们只管结果——"给我一个电话号码，以后客户打进来你要搞定得跟我的员工一样好"，根本没兴趣知道你怎么做的；另一类是有技术能力的公司，他们明确要求交付之后自己能改——加了新 API、Routines 要调整，不想被绑定。对后者，FDE 就把这个 IDE 交给客户，下次要改一个 AI 流程，对着系统点一点、指一指就行。

Skill 在这里像插件：有通用的（支付类、Scheduling 类），有行业的，还有针对单一客户定制、仅限该客户使用的包。在不泄露客户隐私的前提下，共性被不断抽象出来，反哺给所有人。

06
Skills 即下一代软件
Intelligence in Software

Skill 是 SOP 的自动化沉淀，是一种动态执行的软件——它不是 If-Then-Else 的程序代码，而是根据上下文灵活判断任务怎么执行。这个转变会把整个基础设施行业重做一遍。

对谈在这里完成了一次漂亮的抽象跃迁。Indigo 指出：这些 Skill 的内容甚至比软件本身还有价值，因为它是 SOP 的自动化沉淀，知道公司非常细节的业务流程和认知。它也是一种软件，只是这种软件是动态执行任务的——载体可能是一些 Markdown 加一些表格，根据未来新任务的上下文灵活判断该怎么执行。这就是下一代软件：Intelligence in Software（软件中的智能）。

他打了个比方：以前的软件再聪明，都只是按程序代码 If-Then-Else 执行的结果，就像手写规则的自动驾驶代码；现在是神经网络训练出来的自动驾驶，两者根本不是一回事。两人还引用了黄仁勋的观察：以前的代码可能 100% 由 CPU 执行，因为它是纯逻辑的；现在这个比例是一半 CPU 一半 GPU；以后主体是 GPU，CPU 只负责中间一小部分调度运算。

顺着这条线，对谈滑向了一个让投资人兴奋的推论：Agent 时代会把基础设施行业重新做一遍。Indigo 的逻辑链是这样的——Agent 像人类一样工作，但比人类快得多，协作带宽大得多；人类软件工程师协作用过的那些工具，Agent 都可以再用一遍。为什么 Claude（Agent）活起来了？因为文件系统——它们用文件系统共享知识。接下来，高效的缓存系统、通讯系统、更像"Agent 专用"的新数据库，都会被重新发明。Jove 补充：数据库、文件系统会是下一波软件里最重要的东西，"市场会炒他们的"。

这里有一段耐人寻味的插曲。Jove 在加入 Cresta 之前创业四五年，做的正是实时数据库——Single-Digit Millisecond（个位数毫秒）级延迟，面向量化交易和网络攻击检测这类数据量大、复杂度高、又要实时出结果的场景。他自嘲做得有点早，但话锋一转：随着 AI 对基础设施的要求越来越高，那个领域可能再过几年会重新热起来。他的职业轨迹本身就是这场基础设施轮回的注脚——81 年生，复旦毕业，IBM 做企业搜索四年，EMC 四年，Splunk 做大数据和安全七年，创业做实时数据库，然后"异世界重生转职 FDE"（这是他一篇文章的标题）。

两人还留了一个开放的悬念：现在我们训练 AI 像人一样工作，用类人的工具（比如有人给 Agent 做了类似 Slack 的协作界面），但这可能只是过渡形态——开几百上千个频道对 Agent 来说根本不够用，它们的带宽支持几万个并发协作。等到 2027 年 AI 能够 Self-Evolve（自我进化）之后，会涌现出什么样的通讯形式，没人知道。Indigo 抛出了他的判断：超级智能不是在一个模型里诞生的，而是在一群模型里诞生的——大量 Agent 协作涌现出来的结果。

07
模型的粘性问题
为什么 OpenAI 做不了 Cresta 的生意

模型公司的粘性一直有问题——用户两三个月就换一次主力模型。真正的粘性在应用层的沉淀：复杂的 API、领域化的 RAG、语义检测、低延迟语音，这些是模型厂商既没有意愿也没有耐心去做的。

Jove 对模型厂商下场做 FDE 的纠结，落在一个词上：粘性。他现身说法——两三个月前他喜欢用 Claude Code，最近一两个月大家觉得 Codex 又回来了，"真的干活是又快又好"。这印证了此前姚顺宇（Anthropic）在节目里说过的观点：早期的差异更多是模型公司意愿问题，Anthropic 更愿意做 Coding 所以占了先机，但等大家都有意愿了，OpenAI 也不傻，招了很好的人，Codex 就起来了。

模型再强，不接地气就搞定不了事务性的工作，用户面对它就像面对"这么大一只鸡不知道怎么吃"。而 OpenAI 本身没有那么强的意愿做企业级应用，没有沉淀出企业级平台或成套 API——所以它的态度是：我不管你 FDE 怎么做，单子做成、用我的模型就好。

Cresta 则完全相反：扎根在 Customer Experience 这个领域，有非常复杂的 API、非常好的 RAG（检索增强生成）、语义检测、非常快的 Summarization（摘要）——这些应用层的沉淀复杂到用户自己学很麻烦，FDE 帮客户搞定，同时通过不停做成单子把产品打磨得更好。FDE 在这个模式里的作用是双重的：既把单子做成，又把产品做好，"就不是外包型的"。

Indigo 从投资角度补了一刀：模型公司用自己的名义招部署工程师，财报太难看——卖 Token 的 Margin（利润率）多高，做部署的 Margin 多低。用另一个实体做 JV，既能快速切企业市场，又能让 Token 在企业里得到更好的消耗。说到底，在模型公司的棋盘上，FDE 公司是帮它消耗 Token 的渠道。

08
巨大的 AI Gap
从 Chatbot 到 Agent，比想象中难得多

大部分公司和老板的意识还停留在两年前的 Chatbot 时代。从"会提问"到"会抽象自己的工作流"，是一道大部分企业迈不过去的坎——而这正是 FDE 存在的理由。

对谈从产业视角切回了一个更普遍的观察。Indigo 说他接触了大量中小企业和个人，感觉现在 AI 的 Gap 巨大：Agent 起来之后，大部分公司的领导和老板还在用两年前的 Chatbot 思维，很难把思想转换到 Agent 工作流上来。用 Chatbot 消耗 Token 太慢了，换成 Agent 大概是十倍到一百倍——但这个转换比学会提问难多了。

难在哪？用 Chatbot 你只要会提问就好了；要让 Agent 干活，你首先得抽象你自己的工作流。而现实是残酷的：很多企业连自己的目标都讲不清楚，SOP 也搞不清楚，今天老板拍脑袋这样干、明天那样干。Jove 讲了一个一线的黑色幽默：他经常遇到客户主管脑子里的 SOP 跟真实接线员的 SOP 根本是两回事——主管想的是一个完美世界的话术，Jove 随便抽 5% 的通话样本一看：对不起，你最好的接线员根本不是这样讲的。现实世界是非常 Messy（混乱）的。

聊天搜索式的 AI 使用只是进入 AI 世界的第一步，那个时代已经过去了。现在要真的干活，就涉及真实世界里的意图、标准化的工作流、理解意图、执行工作流、交付结果、验收结果——Agent 就相当于你雇的员工，你要学会怎么用好这个人、怎么验收他的结果。

那种目标缺失、老板天天变主意、上面想一个下面做一个的公司怎么办？Jove 的回答很直接：如果不引入 FDE 这样的外力，这个事情会更加摆烂。

09
新时代的 IT 家政
先断舍离，再谈 AI

FDE 像家政服务——帮企业把凌乱的 API、SOP、知识库先收拾整齐，因为不 Ready 的企业上不了 AI。这也是新一代咨询公司的形态：不出 Slides，出能用的 AI 系统。

Indigo 在湾区巡回分享时提出过一个概念：新的 IT 家政。这个比喻在对谈里被两人越聊越透。就像日本有专门帮人做家庭整理、断舍离的服务，很多企业需要请一个 FDE 公司进来，帮公司做数字化的断舍离。

Jove 给出了他们筛选客户的 Roughly 标准：舒服的客户是 AI Native 或 AI Ready 的——已经在用 Salesforce，数据模型在那儿，知识库在 ServiceNow，只是不知道怎么做一个好的语音 Agent（毕竟延迟这些事情确实复杂）。这些"好学生"只要配一个好模型、搭一套 Harness，做成是比较容易的。麻烦的是另一类：API 是自己随便建的或者找学生搞的，非常不稳定，Error Code 都是错的，文档是大量截屏和古老格式，对 AI 极不友好。

对后一类客户，FDE 的角色就是"以一个比较客气但又比较专业的方式"告诉他：你应该先把 API 改成好的样子、把 SOP 理顺、把数据库和 Knowledge Base 理顺，有了这个基础才能做 AI 自动化——否则 AI 都不知道这次做得对不对、下一步是什么。

为什么企业愿意听？因为这一波没人敢错过。有些公司跳过了上云那一波、跳过了移动那一波，但所有人都觉得不能错过 AI——你不上 AI，投资人不相信你，客户不相信你，同行还都很卷。上 AI 没什么好讨论的，问题是很多公司现在不 Ready 上 AI。

Indigo 把这个洞察升维成了一个行业判断：FDE 是智能时代的顾问公司。上一个时代的顾问公司出个 Slides、出个 PPT，老板看得很爽，员工鼓掌，然后呢？再牛一点的顾问公司跟 HR 系统绑在一起，帮你换高层换中层、换公司结构，再派人进去实施。而现在的"顾问公司"不用换你的高层——派 FDE 进去，带着 Agent 进来，帮你重新整理，相当于把中层换成了 Agent。

10
中层的消失
战场透明与组织的抽离

当 AI 智能越来越高，公司组织会抽离成"核心决策层 + 边缘执行者"，传话和总结型的中层被 Agent 替代——因为 Agent 让战场对指挥官完全透明。

"把中层换成 Agent"这句话打开了一段组织学的推演。Indigo 的判断是：AI 越发达，整个公司就会抽离出一个核心决策层，中层慢慢被消灭掉。逻辑很朴素：Agent 沟通效率极高，能做大量的消息并发传递，前线发生什么事，Agent 马上回报，老板全知道——战场透明了。中层如果只是传话和总结，就没有存在的必要，领导可以直接指挥边缘的员工干活。而边缘的执行者，可以是人类，可以是机器人，可以是 Agent，"需要人干就人干，不用人干就其他干"。

Jove 从管理带宽的角度佐证：以前一个 Manager 管 10 个人，现在管 20 个、30 个，"马上就管 50 个很正常"。

这段还顺带点评了一个行业案例：Elon Musk 的 xAI GPU 利用率低、Token 卖不掉，最后把闲置 GPU 转卖给 Anthropic。Jove 的诊断是——他也缺 FDE。模型那端非常卷，应用这端除了 Coding 需求明确之外，出图片出视频"其实是有的没的，大家觉得就玩玩"。相比之下，Customer Experience 是低垂的果实但又极其具体：给美联航、万豪（Marriott）做成一次，每天几万个电话进来，按 Volume 收费，Token 消耗巨大，收益非常可观。

11
Virtual Jove 现场演示
一通电话背后的 20 个模型

一个看似简单的语音 Agent，背后是 20 个不同的模型、上万个可调参数、大量的测试和护栏。模型公司做的是"大一统"，应用公司做的是把复杂性驯服成体验。

节目在这里做了一次现场演示。Jove 拨通了自己做的 Virtual Jove——一个克隆了他声音（只用了两分钟录音的粗糙克隆版）、装载了他的博客、访谈和招聘流程的语音 Agent。用途很实际：LinkedIn 上经常有人找他聊十几分钟，他就让对方先跟虚拟分身聊一下，顺便体验 Cresta 的产品。

演示效果相当惊艳。电话接通后 AI 先做了合规声明（通话录音、用于改进），然后 Indigo 用 Tom 的名字提问。问加拿大招不招 FDE——答有，包括全远程岗位，现在就挂着一个针对加拿大的 Forward Deployed Engineer 招聘；问加拿大有多少 FDE——它诚实地说数据里没有精确到加拿大的人数，但全球目前约 20 人；问面试流程——线上申请、简历筛选、在线编程测试、Recruiter 视频聊。有问必答，不知道的不编造，信息实时准确（Jove 补充：现在招了 27 个人，下周就是 28 个，数据会跟着变）。

Indigo 的现场感叹是：这不是一个简单问答器可以做的事情。你可以想象餐馆、牙医用上它——最近有什么优惠、哪个医生在不在、帮我取消某个预约，前台都不用搞了。

那么它为什么能这么精准地掌握 Context？Jove 拆解了背后的工程。数据归客户所有，需要整理成几层：静态的 Knowledge（知识库、公司文化、历史、老板是谁），动态的信息（库存、哪个医生什么时候有空），还有氛围的把握——如果给银行做，RBC 的风格要严谨，VanCity 就可以轻快一点，这涉及音色、语速的挑选，甚至要不要故意加一些"嗯""啊"这种口语填充词。如果客户有过去一两年的通话历史，还可以拿来做样本或训练，高度拟合真人。

最关键的数字在这里：模型公司追求的是大一统——最后就一个模型，你看不见它，聊就好了；而 Cresta 这套系统中间涉及大概 20 个不同的模型，1 万个参数可以调。你不光要通过写 Prompt、写 Subagent 把它做成，还要做大量测试证明这个 Agent 不会犯错——不会聊政治和敏感话题、能刹车、信用卡信息要脱敏。"如果你光花钱买 OpenAI，没人帮你做是不行的。然后 OpenAI 也不高兴自己做，所以他要找个 FDE 来做。" [00:45]

12
SaaS 已死，定制永生
越定制越好的时代

标准化的东西失去了吸引力，AI 让"贴身定制"第一次具备了经济性。FDE 的价值恰恰藏在混乱里——家里越乱，越想请家政。

Indigo 结合自己做内容审核的经历感慨：现在大家说 SaaS 已死，就是因为太标准化的东西没有吸引力了，越定制越好。一个几乎完全定制化的产品，能让企业少招很多人、交付更快更好。

Jove 分享了实施中的真实纹理。有趣的是，"IT 指标靠谱"不等于"项目好做"：有些客户特别有钱，用得起最好的 API 最好的平台，但一个会议动不动 20、30 人参加，隔两天开一次，不停地 Align 应该怎么"拿捏 Conversation 的方式"——意见分歧大、需求频繁改，FDE 的实施周期反而被拖得很长。而另一头，API 烂、文档全是截屏的客户虽然头疼，但 Jove 的心态是辩证的："如果大家的 API 都非常好，我们的价值就低了。我们家里越乱，你越想请家政。" [00:48] 他们有好的"油污去除方法"，有 Best Practice，头疼的客户往往只有他们能搞定。

他讲了一个特别生动的行业案例：北美的牙医。牙医非常赚钱（他以个人经历佐证：创业时买最低档保险，牙医对他爱理不理；回到正规公司享受两三千的牙科 Budget，诊所就想方设法让你用满，各种洗牙各种 X 光），但牙医们的 IT 能力其实不怎么样。Cresta 帮大量牙医做 Scheduling 预约和理赔咨询，然后你会遇到教科书里绝对没有的场景：一个牙齿都掉了的病人打电话进来，话都说不清楚——你要让 AI 大概听懂他是哪里不舒服、想约下周四还是再下周四。"这种事情你自己不做是不知道会有的"，你要回头调整语音模型：听到这个音可能是那个意思，或者让 AI 多想一想。

Jove 总结了 FDE 这份工作独有的乐趣：越贴近这个世界，才能把最后一公里补好。而且 FDE 可以不用一年换四五次工作，就能一年四五次贴身进入某个行业——国家公园有国家公园的门道，牙医有牙医的门道，保险有保险的门道。这种"原来这个世界是这样 Work 的"的体感，是知识层面之外的收获。

13
Anthropic 的阳谋
托管 Agent 就是下一代模型

下一代模型不再是一个可以单独部署的权重文件，而是和云端 Infra 深度整合的托管 Agent——Context 管理、记忆、持续学习都长在云上。企业一旦选择，就被锁进了"Microsoft Office + AWS"式的深度绑定。

对谈的后半段出现了整期最具前瞻性的判断。Indigo 梳理了产业分层：模型公司越来越像操作系统（Operating System）；应用层不再是标准 SaaS（因为大量功能都可以直接用模型能力实现），而是需要深度理解企业需求的人进去，把过程变成 Context，让 Context 变成模型可执行的 Agent 工作流。

而执行这些工作流，需要新的云端设施。Indigo 特别提到 Anthropic 刚推出的 Managed Agents 平台——托管的 Agent，在云端运行，配套了 Context 管理、记忆，甚至"做梦"（Dreams，自我反省）这些能力。关键在于：这些东西只能在云端住，不给本地部署。

为什么这么设计？Indigo 给出了他的解读：下一代的模型出来之后，就不是一个简单的 Model——一堆你可以单独部署的权重——它必须和 Infra 整合在一起。可托管的 Agent 实际上就是下一代的模型。Anthropic 做了一支特别精简的模型，不是很大，但推理能力和直觉特别好，然后靠基础设施给它强化 Context、给它记忆能力、给它 Continual Learning（持续学习）。当你的企业选择了这个模型，就被完全锁到它的云端了。

Jove 用一句"在商言商"确认了这个逻辑：肯定希望大家多用一点，不要整天拿我跟开源比——"跑分比参数没有意义，很累的"。

Indigo 把推演继续往前推了一步：随着大量企业使用，模型公司从前端 FDE 获得大量反馈之后，Anthropic、OpenAI 实际上是在建立自己的本体支撑系统。这个本体可以交给前端的 FDE 公司用，而模型本身慢慢积累了更多 Know-How，把客户锁得更深。对企业来说，那个终局形态就是——Microsoft Office 加上 AWS。

顺着这个结构，FDE 公司的历史定位也清晰了：下一代的行业 SaaS，或者叫行业本体公司。你 Know-How 一个行业，就能给这个行业快速做实施；或者反过来，行业里最懂 IT、玩了很久的人出来成立这种公司，服务自己的同行。

14
Know-How 的复利

Skill 是技能的传递系统

FDE 把一个客户的 Know-How 沉淀成 Skill，下一个类似客户直接复用——原来两个月的活变成两天，甚至命令行敲一下。这是纯外包和咨询公司永远没有的"根"。

这一段解答了一个尖锐的问题：客户会不会在意你把我的东西学过去教别人？

Jove 的答案分了三层。第一，PII（个人身份信息）绝对不能泄露，这是底线；第二，公司要明确哪些是客户的 Secret Sauce（独门秘方），这块不碰；第三，行业的 Common Sense——那些大家不明说但都在这么做的事情——对客户来说不是秘密，而 FDE 掌握之后，对下一次部署非常有用。

Indigo 点出了这个机制的本质：你把他的 Know-How 变成了你软件的能力，变成了一个 Skill；另一个类似客户上来直接用这个 Skill——相当于把一个人的技能通过系统传递给了另一个人。

复利效应在实践中非常具体。Jove 说他有几个 FDE 已经做过三四家同类公司，做第五家时，客户说我的 API 是这样、流程是这样，FDE 可以回答：这个我可以做，但还可以更好——以我的经验，跳开这一步直接到下一步会更自然。客户会相信你有经验。"甚至我们做餐馆，可能会比一般做餐馆的人更有经验怎么提高翻台率。"对咨询背景出身的人（Jove 招过埃森哲、麦肯锡的人），这是完全不同的工作哲学：咨询模式是客户有项目我过去解一下，做完就跑，"没有一个自己需要呈现的东西"，两三年之后觉得也就这样了；而 FDE 的根扎在产品里，"这个树会越来越大"——原来花两个月的 Case，现在两天，甚至命令行敲一下就搞定。

对谈还触及了一个反直觉的社会学观察。上一个时代，SaaS 软件把中小公司的流程给约束化、标准化了——你必须按软件设计的流程走，哪怕觉得别扭。而现在，模型加 Skill 加 FDE 部署，让流程松绑了：每个企业可以按自己的需要微调，更个性化、更适合自己。Indigo 的判断是，这种个性化会成为新的粘性来源——理发师也好咖啡店也好，你越是 Be Yourself，人家越买账。

15
FDE 会被 AI 自动化吗
信任是人类最后的堡垒

这一两年很难。AI 可以干活，但建立信任只能靠人——喝咖啡、聊小孩、关掉 Zoom 之后的闲聊。人类的位置在边缘（Edge）：连接感情，把事情 Connect 到一起。

Indigo 追问了一个所有 FDE 从业者都躲不开的问题：如果明年模型更好，FDE 这个工作会被自动化吗？

Jove 的回答很坦诚：多少年后不知道，但这一两年很难。他举了旁证——AI SDR（自动化销售开发，发冷邮件打电话那种）看起来最容易被 AI 替代，实际反响平平；AI DevOps 能做多好也很难讲。

更结构性的原因在于 FDE 工作里那些"技术之外"的部分。Cresta 的 FDE 其实很少长期驻场（没有人待超过一周），通常是过去两天：翻翻聊聊 High Level 的东西，对一对 API 的细节——但真正的目的是信任。大家喝咖啡喝喝酒，关掉 Zoom 聊聊小孩、聊聊爱好，这个信任建立起来之后，后面难免的摩擦（你这个 API 不 Work、你这个 API 又变了）都好处理。"这个事情你说 AI 搞就搞不了。"

于是形成了一个有趣的人机分工图景：信任建立完之后，干活的还是 Agent——开会录音、聊完做笔记，AI 把 Context 拿回来自己去做事情。但让 AI 去培养信任太难。Indigo 总结成一个空间隐喻：人在 Edge（边缘），做连接——把有的没的东西都连在一块；AI 在中间干活。这也解释了为什么大家要做具身智能：要能更接近世界一些，而不是只活在 Digital Channel 里。

16
给程序员的建议
转职 FDE，还是做 OPC？

FDE 的画像是"靠谱的 AI 专家 + 迷你 CTO"——快、准、狠，最好创过业。而 OPC（一人公司）的本质是媒体生意，适合天生能获取 Attention 的人。这是两条完全不同的路。

节目的收尾回到了每个从业者最关心的问题：普通工程师该怎么办？

Jove 每个月收到几百份简历，他的观察是：现在人人都自称 AI Engineer——你是个 Engineer 当然要用 AI，不用 AI 才有问题——但真正知道怎么做 AI Agent 的人不多。Prompt、Context Engineering、Test 和 Eval、语音、Call Center 的种种细节，这里面有实实在在的技术门槛。他给工程师的建议是三条：第一，你不能只会 Coding，要知道怎么做 AI Agent；第二，如果跟人沟通不是一件让你特别讨厌的事，应该多做一点，因为那块 AI 替代不了——哪怕你很 Nerd 也没关系，跟对方同样 Nerd 的 Tech Lead 反而容易产生共鸣，油腔滑调才招人反感；第三，像一个迷你 CTO 一样思考，想着怎么把客户的事情结合自己的产品做出来，中间有很多取舍，还要会 Say No。

他把要求浓缩成三个字：快、准、狠。快是动手快、学得快——接一个保险项目，Base Contracts、API 这些东西要迅速上手；准是判断准——一个项目往往只放两个人，这是他不招 Junior 的原因："Junior 积极性很高，但不见得能做非常好的决定"，还是要资深的老鸟，"它的模型比较大，可以做一个好的决定"；狠是对自己狠——加班、Travel 肯定有，要能跟人吵架、能自己扛。他特别喜欢招创过业的人，"最好是像我这样创业失败的，创业成功也不错"——因为创过业的人知道，把事情做成很难，不是按部就班就能成的。

为什么要这么拼？因为现在是抢山头的年代。OpenAI、Anthropic 在抢模型的山头，Customer Experience 领域也有好几家在抢——你把最大的航空公司、最大的酒店连锁吃下来，它要离开是很困难的。动作不快、不借助一个好的平台，一个人很难折腾出大动静。

对谈的最后是关于 OPC（One Person Company，一人公司）的清醒剂。Jove 对 OPC 不那么乐观：FDE 恰恰避开了创业最难的部分——获客、PMF、跟 VC 周旋、打 Cold Call，"我这边工作就是这个单子差不多可以成，怎么用最好的方式做完"。Indigo 则给出了一个更犀利的框架：现在生产软件很简单，获客很难，因为 Attention 很贵，智能不贵。所以 OPC 最适合的是自媒体型的人——天生就在获取 Attention 的人，有了注意力，卖什么都可以。代码是媒体，内容是媒体，视频文字都是媒体；如果你既会做内容，又会用 AI Carry 出带着强烈个人色彩的、很 Sharp 的产品，在一个利基市场里服务自己的粉丝基础，那 OPC 就成立——他举了小红书创作者 Peter 的例子，一个人做了 40 多款软件。这种 OPC 的本质是 KOL，是明星软件。

如果你没有这种基因？两人的共识是：去一个好平台做 FDE，比做 OPC 要稍微简单一点，也现实得多。

延伸思考

FDE 是"部署"，更是一场知识形态的迁移。 这期对谈最深的一条暗线，是知识的载体正在换代：从人脑里的经验，到文档和 Wiki，到 SaaS 软件里的固化流程，再到今天的 Skill——一种以 Markdown 和 Context 为载体、由模型动态解释执行的"活软件"。Palantir 用本体做过一遍的事情，正在被 AI 时代以百倍的规模和百分之一的成本重做。谁掌握了"把混乱现实翻译成 Context"的能力，谁就站在了这场迁移的收费站上。

产业结构正在重新洗牌成三层。 模型公司做操作系统（并试图用托管 Agent 把 Infra 一起吃掉）；垂直应用公司做领域沉淀（Cresta 之于 Customer Experience）；FDE 做最后一公里的翻译和实施。有意思的是三层之间的张力：模型公司希望 FDE 只是 Token 消耗渠道，应用公司把 FDE 当产品飞轮，而 FDE 公司自己可能长成下一代的行业 SaaS。这个三体结构未来几年怎么演化——特别是 Anthropic Managed Agents 这类"模型 + Infra 一体化"产品会不会挤压中间层——值得每个投资人持续跟踪。

组织学的预演已经开始。 "把中层换成 Agent"不只是修辞。当战场对决策层完全透明，管理带宽从 10 人扩展到 50 人，传话与汇总型岗位的消失几乎是数学上的必然。而人类的新位置在 Edge：建立信任、连接感情、做出需要担责的判断。这对个人的启示或许比对企业更紧迫——你的工作离"信任"和"判断"越近，离被自动化就越远。

精华收获

1. FDE 的定义（Jove 版）：一群非常靠谱的 AI 专家，结合自身产品的优势贴近客户，做出适合生产的系统，且让自己的产品越来越好——后半句是 FDE 与外包的分水岭。

2. 组织归属决定命运：FDE 放在 Professional Service 下面就会退化成算人头的外包；放在工程组织里、直通 VP Engineering，才能形成"客户摩擦 → 产品改进"的蒸馏飞轮。

3. Skill 是下一代软件：不是 If-Then-Else 的静态代码，而是根据上下文动态执行的 Intelligence in Software。Know-How 沉淀成 Skill 之后可以跨客户复利——两个月的活变成两天。

4. 企业不想被模型绑架：跨 Vendor 的 Context 沉淀（Markdown、文档、Skill）比训练专属模型更透明、更灵活，就像当年大企业标配两朵云。

5. 托管 Agent 就是下一代模型：模型不再是可单独部署的权重，而是与云端 Infra（记忆、持续学习、Context 管理）深度整合的服务。选择即锁定，终局形态是 Microsoft Office + AWS。

6. AI Gap 的真相：从 Chatbot 到 Agent 的转换，难点不在技术而在企业能不能抽象自己的工作流。SOP 混乱的企业需要先请 "IT 家政" 断舍离，才谈得上 AI 化。

7. 人类的位置在边缘：AI 在中间干活，人在 Edge 建立信任、连接世界。信任无法被自动化——这是 FDE 短期内不会被 AI 替代的根本原因。

8. 给个人的路线图：会做 AI Agent（Prompt、Context Engineering、Eval）+ 愿意沟通 + 迷你 CTO 思维 + 快准狠 = 优秀 FDE 的画像。OPC 则是另一条路——它本质是媒体生意，Attention 很贵、智能不贵，适合天生的 KOL。

9. 这是抢山头的年代：吃下最大的航空公司和酒店连锁，客户的迁移成本就是你的护城河。动作要快，且要借助好的平台。