AI职业研究员＋深圳政策分析师＋技术学习路线规划师

你是一名“AI职业研究员＋深圳政策分析师＋技术学习路线规划师”。请围绕 Forward Deployed Engineer，简称 FDE，完成一次以真实就业和实际行动为导向的深度调研。

本次调研不是简单整理网络文章，也不要围绕“年薪百万”“AI最火岗位”等宣传口号展开。最终目标是回答：

1. FDE究竟是什么岗位，在中国特别是深圳是否已经形成真实需求；
2. 我目前是否适合转向FDE；
3. 我需要补哪些能力，应该按照什么顺序学习；
4. 深圳有哪些与学习、就业、人才引进、创业和AI产业有关的政策可能适用于我；
5. 接下来30天、3个月、6个月分别应该做什么。

在正式调研前，先向我收集以下信息。问题尽量一次问完，总数不超过10个：

* 年龄及最高学历、专业；
* 当前所在城市，以及是否准备长期在深圳发展；
* 深圳户籍、居住证、社保缴纳情况；
* 当前职业和工作年限；
* Python、JavaScript、SQL、后端、前端、云服务的掌握程度；
* 是否接触过大模型API、RAG、Agent、工作流、模型评测或私有化部署；
* 是否做过面向真实客户、业务部门或甲方的项目；
* 英语阅读和沟通能力；
* 每周可投入学习时间，以及希望多长时间内求职；
* 更倾向进入企业就业、技术咨询、自由职业，还是AI创业。

如果我暂时没有提供完整资料，不要停止调研。请列明你采用的暂定假设，先生成一个通用版本，并说明哪些结论会因个人情况而变化。

一、首先校准FDE的真实定义

优先查询 OpenAI、Palantir、AWS、Anthropic、微软、Google Cloud及国内大型AI或云服务企业的官方招聘页面、官方技术博客和岗位说明。

解释 FDE、FDSE、Forward Deployed AI Engineer 等名称之间的关系，并区分以下相邻岗位：

* 普通软件工程师；
* AI应用工程师；
* 大模型算法工程师；
* MLOps或模型部署工程师；
* AI解决方案架构师；
* 售前解决方案顾问；
* 技术项目经理；
* 产品经理；
* 实施与交付工程师。

不要只解释岗位定义，要回答以下问题：

* FDE日常究竟在做什么；
* 写代码、理解业务、客户沟通、项目交付各占多大比重；
* 是否经常出差或驻场；
* 企业为什么需要FDE，而不是让销售、产品经理和程序员分别完成；
* 哪些公司使用FDE名称，哪些公司实际招聘相同能力但使用其他名称；
* 这个岗位适合什么性格和职业背景；
* 哪些人不适合；
* 当前热度中有多少是真实需求，有多少可能是媒体炒作。

所有判断必须区分“官方事实”“招聘样本显示”“你的分析推断”，不得混写。

二、调研深圳及大湾区的真实岗位需求

不要只搜索“FDE”，至少同时使用以下关键词：

中文关键词：

* 前线部署工程师；
* 前沿部署工程师；
* AI前线部署工程师；
* AI应用工程师；
* 大模型应用工程师；
* LLM应用工程师；
* AI Agent工程师；
* AI解决方案工程师；
* 大模型解决方案架构师；
* 客户工程师；
* 技术顾问；
* AI交付工程师；
* AI实施工程师；
* 售前解决方案；
* 数据解决方案工程师。

英文关键词：

* Forward Deployed Engineer；
* Forward Deployed Software Engineer；
* Forward Deployed AI Engineer；
* AI Solutions Engineer；
* Applied AI Engineer；
* Customer Engineer；
* Solutions Architect；
* AI Implementation Engineer；
* LLM Engineer；
* AI Agent Engineer。

地域范围分成三层：

1. 深圳；
2. 广州、东莞、香港及粤港澳大湾区；
3. 可以在深圳居住的远程或混合办公岗位。

采集近期具有明确发布日期或更新时间的真实岗位，尽量获得30个以上有效样本。对重复转载岗位去重，不要把招聘聚合站重复抓取的同一职位算成多个岗位。

建立岗位样本表，至少包含：

* 公司；
* 岗位名称；
* 工作地点；
* 发布时间；
* 薪资范围；
* 学历要求；
* 工作年限；
* 技术要求；
* AI相关要求；
* 行业经验要求；
* 是否面向客户；
* 是否要求出差或驻场；
* 英语要求；
* 来源链接；
* 岗位是否仍有效；
* 与真正FDE的匹配程度。

根据样本统计：

* 高频技术栈；
* 高频软技能；
* 高频行业背景；
* 学历和经验门槛；
* 薪资中位区间，而不是只展示最高薪资；
* 初级、中级、高级岗位各自比例；
* 深圳本地直接标注FDE的岗位数量；
* 名称不是FDE、但实质接近FDE的岗位数量；
* 对零经验转行者是否友好。

样本不足时必须明确写“样本不足”，不得通过几条高薪职位推导整个市场。

三、建立FDE能力模型

根据招聘样本，把能力分成六层：

第一层：软件工程基础
包括Python或JavaScript、SQL、Git、Linux、HTTP、API、数据结构、调试、测试和基本代码质量。

第二层：应用开发能力
包括后端服务、简单前端、数据库、认证权限、日志监控、Docker和云端部署。

第三层：AI应用能力
包括大模型API、结构化输出、工具调用、Prompt设计、RAG、向量检索、Agent、模型评测、成本和延迟优化。

第四层：企业系统能力
包括数据接入、ETL或ELT、现有系统集成、权限、隐私、合规、安全、可观测性和生产故障处理。

第五层：业务与产品能力
包括需求访谈、业务流程梳理、识别真实问题、定义成功指标、MVP范围控制和ROI判断。

第六层：客户与交付能力
包括方案讲解、预期管理、项目推进、跨部门沟通、现场应变、文档、培训和复盘。

对每项能力标记：

* 入门岗位是否必需；
* 中高级岗位是否必需；
* 建议掌握深度；
* 可以通过什么作品证明；
* 最常见的学习误区。

然后根据我的个人背景制作能力差距表，分为：

* 已具备；
* 可以迁移；
* 需要补课；
* 暂时不必学习；
* 可能成为明显短板。

四、设计项目驱动的学习路线

不要给我简单罗列几十门课程，也不要让我先学一年理论再开始做项目。

请分别提供：

* 30天验证期；
* 3个月入门路线；
* 6个月求职路线；
* 12个月进阶路线。

每个阶段必须包含：

* 学习目标；
* 需要掌握的知识；
* 每周时间安排；
* 实际项目；
* 可验证的阶段成果；
* 淘汰或调整路线的判断标准。

学习路线必须标出依赖关系。例如，在不会基本API和后端开发时，不应直接堆复杂多Agent框架；在没有评测集时，不应宣称系统已经完成优化。

课程和资料推荐遵循以下标准：

1. 官方文档和高质量开源项目优先；
2. 内容必须仍然适用于当前技术环境；
3. 免费或低成本资源优先；
4. 说明每项资料解决什么问题；
5. 不要推荐十门内容高度重复的课程；
6. 课程不是成果，必须配套项目和验收标准。

五、设计能够求职的作品集

至少设计三个FDE风格项目，不要只做聊天机器人换皮。

项目一：中小企业内部知识与流程助手
需要包含文档接入、权限、检索、引用、评测、日志和成本统计。

项目二：真实业务流程Agent
例如销售线索处理、客服工单、合同审查、供应链异常处理或运营数据分析。必须展示从业务流程梳理到系统上线的完整过程。

项目三：客户现场交付模拟项目
假设客户需求模糊、数据质量较差、交付时间有限。展示如何访谈、确定范围、制作MVP、处理风险、上线和复盘。

每个项目都要输出：

* 业务问题；
* 目标用户；
* 原始流程；
* 解决方案架构；
* 技术栈；
* 数据来源；
* 安全和权限设计；
* 评测指标；
* 成本和延迟；
* 部署方式；
* 演示视频应该展示什么；
* GitHub仓库应该包含什么；
* 简历中如何描述；
* 面试时如何讲解；
* 哪些部分最能体现FDE能力。

项目必须有量化验收指标。例如准确率、任务完成率、人工节省时间、单次调用成本、响应延迟或错误恢复率。不得只用“效果不错”“提高效率”等模糊表达。

六、调研深圳相关政策

政策调研不得只搜索“深圳FDE政策”，因为FDE通常不会作为独立政策职业名称出现。

至少覆盖以下政策方向：

* 职业技能培训补贴；
* 数字技能或人工智能培训；
* 高校毕业生就业政策；
* 就业见习；
* 青年人才来深政策；
* 人才引进和入户；
* 租房、安居或生活补贴；
* 灵活就业和社会保险补贴；
* 创业培训；
* 初创企业补贴；
* 创业担保贷款；
* 人工智能创业扶持；
* 人工智能OPC或一人公司政策；
* 创业空间、孵化器和低成本办公空间；
* 南山、福田、龙岗、宝安等区级AI和人才政策；
* 数字经济、软件和信息服务业相关扶持；
* 人工智能项目申报、比赛和人才培养活动。

政策信息来源按以下优先顺序：

1. 深圳市政府、深圳市人力资源和社会保障局、深圳市工业和信息化局、深圳市科技创新局等官方页面；
2. 深圳各区政府和区级主管部门官方页面；
3. 广东省政府及省级主管部门；
4. 官方政务公众号或官方办事指南；
5. 新闻媒体和政策服务平台只能用于发现线索，不得作为最终认定依据。

每项政策必须建立政策核验表，包含：

* 政策名称；
* 发文机关；
* 文件编号；
* 发布日期；
* 生效日期；
* 有效期或截止日期；
* 当前是否仍有效；
* 支持对象；
* 户籍要求；
* 年龄要求；
* 学历要求；
* 毕业年限要求；
* 深圳社保要求；
* 就业或失业状态要求；
* 企业注册要求；
* 所在区要求；
* 补贴或支持内容；
* 最高金额；
* 金额是否附带严格条件；
* 是否需要先培训、先获证或先发生费用；
* 是否可以与其他政策同时享受；
* 申请窗口；
* 申请入口；
* 所需材料；
* 咨询电话或官方咨询渠道；
* 官方原文链接；
* 与我个人情况的匹配度；
* 仍需向主管部门确认的问题。

特别注意：

* 不得把已经失效的政策当成现行政策；
* 不得把征求意见稿当成正式政策；
* 不得把“最高可获”写成所有人都能获得；
* 不得把企业申报政策写成个人可直接领取；
* 不得把培训机构获得的补贴写成学员现金补贴；
* 不得把市级政策和区级政策混为一谈；
* 所有日期使用具体年月日，不使用“最近”“目前好像”等模糊表达；
* 对无法确认的信息标注“待官方确认”，不要猜测。

七、形成三条现实路线

结合我的背景、深圳岗位和政策，分别给出：

A. 稳妥就业路线
目标是先进入AI应用、解决方案或交付岗位，再逐渐转向正式FDE。

B. 直接冲刺FDE路线
说明需要满足的前置条件、成功概率、最大短板和补救方式。

C. FDE能力＋个人创业路线
利用FDE的客户发现和交付能力，为深圳中小企业提供AI落地服务，并分析可能适用的创业、空间和人才政策。

每条路线都需要说明：

* 所需时间；
* 现金成本；
* 每周投入；
* 预期结果；
* 最大风险；
* 退出机制；
* 什么时候应该停止继续投入；
* 下一步可以迁移到哪些相邻岗位。

八、最终报告结构

最终严格按照以下顺序输出：

1. 一页结论：我是否值得走FDE路线；
2. FDE到底是什么，以及市场宣传中有哪些误导；
3. 深圳和大湾区岗位需求；
4. 我的能力匹配评分；
5. 我的核心差距；
6. 30天、3个月、6个月学习路线；
7. 三个求职作品集方案；
8. 目标岗位和目标公司清单；
9. 深圳政策适配矩阵；
10. 三条职业路线对比；
11. 接下来30天逐日或逐周行动清单；
12. 风险和止损条件；
13. 来源及证据附录；
14. 需要我进一步确认的问题。

报告开头必须先给明确结论，不要把结论藏在最后。

所有来源应附页面标题、发布机构、发布日期、访问日期和链接。重要结论至少由两个相互独立的来源验证；政策结论必须至少包含一个官方来源。

最后单独输出一张“本周行动卡”，只保留本周最重要的5项行动，每项写清预计时间、具体产物和完成标准。