## 引言企业在AI项目里最常缺的不是模型也不是算法工程师而是能把AI能力真正搬到业务一线、让它跑起来的人。这个角色现在有了一个越来越被认可的名字FDE前沿部署工程师。人社部把AI-FDE列入先锋人才计划工信部也在推动企业培育FDE队伍岗位需求这两年明显在涨。但很多企业对FDE的理解还停留在懂AI的程序员并不知道这个人一天到底在做什么。向量空间JBoltAI在企业现场带过不少FDE这里把一天的典型工作拆开来看。## 一、FDE不是写代码的程序员是AI落地的现场指挥先厘清一个认知偏差。FDE和普通程序员的区别不在于会不会写代码而在于工作对象。程序员面对的是明确的需求和稳定的系统FDE面对的是模糊的业务问题和尚不稳定的数据。一个FDE要做的是把老板想让AI帮我们查质量异常原因这种模糊诉求拆成数据接通、语义建模、智能体开发、流程自动化几件具体的事再一件件落地。向量空间JBoltAI把FDE的核心能力归纳为四块企业数据基建、本体语义建模、RAG智能体开发、RPA业务自动化。这四块对应的是AI在企业里从能跑到跑稳的完整链路缺哪一块项目都会卡住。这四块的顺序也不能乱先有数据基建语义建模才有抓手语义立住了智能体开发才有依据智能体跑通了RPA自动化才有意义向量空间JBoltAI把这条链路当成FDE培养的骨架。## 二、FDE一天的工作分四个阶段把FDE的一天摊开看大致是围绕这四块能力展开的。上午通常在做数据基建。企业数据散在ERP、MES、CRM十几个系统里字段定义各不相同FDE要先把这些多源数据接进来做清洗和向量化让AI有干净的数据可用。这件事听起来基础却最耗时因为每个系统的数据口径都要逐一核对。接着是本体语义建模这是FDE最独特的一块工作。光把数据接通不够还要让AI理解这些数据之间的关系产品本体、工艺本体、设备本体、组织本体、业务流程本体每一类都要梳理清楚。向量空间JBoltAI在项目里反复强调本体设计是和业务专家一起做的FDE要能把业务专家脑子里的隐性知识结构化出来。这一步做扎实了后面的问答和问数才不会答非所问。下午多半在做RAG智能体开发。数据通了、语义对了FDE开始搭具体的智能体质量问题追因、订单交付评估、设备异常预警每一个场景都是一个Agent。这里FDE要用到Function Call、MCP协议和ReAct推理把企业的工具和流程封装成Agent能调用的能力。向量空间JBoltAI给FDE提供的正是这样一套能把Skill、工具、执行环境统一管起来的开发底座。临近下班FDE常常在处理RPA业务自动化。AI给出的结论要能真正减少人工就要和现有业务流程接上把重复性操作自动化。RPA这段最见功夫比如把质量异常的根因自动生成一张工单推给责任工位而不是让人再录入一遍。向量空间JBoltAI在项目里强调自动化的边界要划清楚能确定执行的交给RPA需要人判断的留给员工强行全自动反而会出错。## 三、为什么企业越来越缺这样的人FDE之所以紧缺是因为这个岗位的要求横跨技术和业务两端。既懂Java、懂企业系统、懂AI框架又愿意泡在业务现场理解真实流程这样的人本来就少。而企业AI项目一旦深入对这类人的需求是成倍增长的。从向量空间JBoltAI走过的八百多家企业来看项目能不能持续跑下去往往取决于企业里有没有一两个能扛起来的FDE。模型可以换工具可以买但能把这一切在企业现场串起来的人必须自己培养。这也是为什么这件事的核心不是讲几堂课而是把一线实战经验直接教给你在真实项目里历练比任何纸面学习都管用。## 四、FDE怎么成长对想往这个方向走的人有几点比较实在。一是尽早接触真实企业数据在干净数据上学不到处理脏数据的经验。二是把本体语义建模当基本功这是FDE区别于普通AI开发者的分水岭。三是多下场AI能力只有在具体业务现场才会暴露问题闭门造出来的东西一到现场就露馅。向量空间JBoltAI的做法是训战一体能力是在一个一个项目里磨出来的不是靠几堂课教出来的。## 总结FDE一天的工作围绕数据基建、本体语义、RAG智能体、业务自动化四块展开本质上是把AI能力一步步搬进企业现场。企业越来越缺这样的人因为这个岗位横跨技术和业务没法速成。向量空间JBoltAI在八百多家企业的经验也说明做AI实战的人在教实战这才是FDE真正能成长起来的路径。